Hibrit biyolojik/in silico sinir ağı temelli bir beyin-makine arayüzü

Beyin-makine arayüzleri (BMA) beyin dokusu ile protetik hareket düzenekleri arasında yeni bilgi iletim kanalları açarak nörolojik hastalık veya yaralanmaya maruz kalmış bireylerin yaşamlarını iyileştirmeyi hedefler. BMA çalışmalarının çoğunda, motor korteksten alınan veri kullanıcının gerçekleştirmeyi hedeflediği protetik eylemlere bazı "eniyilenmiş" girdi-çıktı matematiksel modeller kullanılarak dönüştürülür. Bu yaklaşım çok güvenilir olsa da, kullanılan bilgi işleme prensipleri doğal sinirsel devrelerinkinden temelde farklıdır. Bu tezde, yeni, sinir devrelerinden esinlenen bir tasarım yaklaşımı önermekteyiz; BMA kontrolcüsü model nöronlardan oluşmakta ve elektrofiz-yolojik yöntemlerle aktivitesi kaydedilen nöronlardan benzetilen sinaptik girdiler almaktadır. Dolayısıyla, kontrolcü kullanıcının beyin devreleri ile bir hibrit biyolojik/in silico sinir ağı oluşturmaktadır. Bu tasarım yaklaşımının zorlu gerçek-zaman gereksinimlerini karşılamak için, öncelikli olarak Biyoesinlenmiş Model Geliştirme Ortamı (BMDE)'nı geliştirdik. Gerçek-zamanlı bir sistem üzerinde meydana getirilmiş olan BMDE önerilen tasarım yaklaşımının sıkı zamanlama şartlarını yerine getirmenin yanı sıra güçlü çevrimiçi veri görselleştirme araçlarıyla BMA model geliştirme işlemlerini önemli ölçüde kolaylaştırmaktadır. BMDE'yi kullanarak her biri gerçek motor korteks nöronlarından benzetilen sinaptik girdiler alan in silico striatum orta-boy dikenli nöronlarından oluşan bir BMA kontrolcüsü geliştirdik. BMA kontrolcüsü, gerçek-zamanlı benzetimler temelinde, bir ödülle değişen vuru zamanlamasına bağlı sinaptik plasitisite kuralını ve bir "kazanan hepsini alır" mekanizmasını uygulayarak tek boyutlu uzayda iki farklı hedefe kusursuz şekilde ulaşma başarımını göstermektedir. Bu tasarım yaklaşımını ve BMDE'yi kullanarak beyni daha iyi taklit edebilen BMA kontrolcüleri geliştirilebilir; nöroprotetik kontrol denemeleri sırasında biyolojik ve in silico sinir ağları arasındaki etkileşimler gözlemlenerek motor kontrol ve öğrenmeye ilişkin yeni sinirbilimsel bilgiler elde edilebilir.