Resumen

Se desarrolla un método robusto para ayudar a identificar la población de neuronas utilizadas para decodificar tareas motoras. Utilizamos el análisis de sensibilidad para desarrollar una nueva métrica para cuantificar la contribución relativa de una neurona hacia la salida decodificada, llamada "sensibilidad fraccional". Se ha demostrado que los enfoques anteriores basados en modelos para la clasificación de las neuronas dependen en gran medida de la recopilación de datos de entrenamiento. Sugerimos el uso de un conjunto de modelos que se entrenan en subconjuntos aleatorios de ensayos para clasificar las neuronas. Para este trabajo, probamos un algoritmo de decodificación en datos neuronales registrados de dos monos rhesus macho mientras realizaban un alcance para agarrar una barra en tres orientaciones (45∘, 90∘ o 135∘). Un enfoque de conjunto condujo a un aumento estadísticamente significativo del 5% en la precisión de decodificación y del 25% en la precisión de identificación de las neuronas ruidosas simuladas, en comparación con un modelo único. Además, la clasificación de las neuronas basada en las sensibilidades fraccionarias del conjunto dio lugar a precisiones de descodificación entre un 10% y un 20% mayores que cuando se seleccionan las neuronas al azar o se clasifican basándose únicamente en las tasas de disparo. Al reducir sistemáticamente el tamaño del espacio de entrada, determinamos el número óptimo de neuronas necesarias para descodificar la salida motora. Este enfoque de selección tiene ventajas prácticas para otras aplicaciones de IMC en las que se dispone de un número limitado de electrodos y conjuntos de datos de entrenamiento, pero se desean altas precisiones de descodificación.

• Materias:Inteligencia artificial Sistema nervioso Imágenes diagnósticas Neurociencia Cognitiva Trastornos mentales
• Subjects:Artificial intelligence Nervous systems Diagnostic imaging Cognitive Neuroscience Mental disorders
• Palabras claves:neuronas, número de neuronas, subconjunto de ensayo, neuronas ruidosas simuladas, precisión, número de electrodos, colección de entrenamiento, sensibilidad fraccional del conjunto, conjunto del modelo, mono rhesus macho
• Keywords:neurons, number of neurons, subset of trial, simulated noisy neurons, accuracy, number of electrode, collection of training, ensemble fractional sensitivity, ensemble of model, male rhesus monkey