一位電子工程師決定通過使用生動的狀態圖,把其他實驗小組不同的處理方法結合在一起,從而整合神經修復術。神經修復術把大腦的運動轉換位控制信號,這種信號可以驅動電子設備,但是大腦和電子設備之間每次實現聯系的算法都是唯一的。現在,剛畢業的學生Lakshminarayan Srinivasan的狀態圖似乎提供了一種單一的方法實現病人大腦中的信號轉換成修復設備的控制信號。

“一般地來說,神經修復設備的技術還處于初期”,Srinivasan,麻省理工大學EE專業剛畢業的一位學生Srinivasan說,“重點在于利用工程理論和對神經科學的深刻理解在算法的發展上產生新的視角,研究修復設備的科學和工程技術和通過人類電生理學進行運動控制”。

神經修復設備通過信號傳播,這些信號植入電極監測到癱瘓或者截肢病人中,在需要使用他們已喪失的能力時發出。計算機算法不僅必須檢測到這些微弱的信號,而且,更重要的是必須推斷出病人的意圖來實現修復設備的功能。

然而,直到現在,研究者和修復技術的設計者都很快的開始設計算法,這些算法都只在特定的大腦領域,記錄方式和基本的修復技術應用。不過,通過轉換圖解狀態圖,就可以像電子工程師設計有限狀態機那樣,Srinivasan已經展示了一種把不同的作用統一為一個算法的處理方式。

“每個病人最大的挑戰是產生比其他選擇工作起來更加有效的設備”Srinivasan說,不同背景的研究者利用他們在特定領域的專業技術嘗試攻克不同的設計。

state diagrams.

Srinivasan利用他在電子工程科學中受到的狀態圖的訓練——箭頭聯系著代表狀態的圓圈,這是狀態的轉移——更科學的說法是,這是兩個不同感應信號的聯系,指示出病人的意愿和修復的實現。截至者神經信號是否被植入的電極感應,通過顱內的得箭頭,利用腦電圖和磁/光成像,它們可以整合到 Srinivasan的狀態圖中。

不是為每個大腦區域的方式重新創造一個示例,Srinivasan提倡多領域的工程師隊伍。神經科學和臨床技術標準花在Srinivasan的狀態圖中。還有一種作用,這種方式使得下一代的神經修復整合多重感應方式到更加智能修復中成為可能,也使得從個體傳感器中通過檢查平衡修正錯誤讓可以產生更準確的功能實現。

“我堅持不懈地推動理論發展以全面的發展視角來優化神經修復算法”Srinivasan指出,我接下來要關注的是通過人類研究來評估這些算法。

為了完成訓練和獲得必須的醫學專業知識來評估他自己的工作,Srinivasan進入醫學院學習,目前他是麻省總醫院神經系統修復中心的博士后研究員,同時也是哈佛-麻省理工衛生科學與技術部的醫學專業的學生。

Srinivasan 為MIT電子和計算機專業的畢業生時開始他的神經修復算法研究的,他2006年在那里取得了博士學位。