論文の概要: Plug-and-Play Stability for Intracortical Brain-Computer Interfaces: A
One-Year Demonstration of Seamless Brain-to-Text Communication
- arxiv url: http://arxiv.org/abs/2311.03611v1
- Date: Mon, 6 Nov 2023 23:42:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 17:26:08.194406
- Title: Plug-and-Play Stability for Intracortical Brain-Computer Interfaces: A
One-Year Demonstration of Seamless Brain-to-Text Communication
- Title（参考訳）: 皮質内脳-コンピュータインタフェースのプラグ・アンド・プレイ安定性:シームレス脳-テキストコミュニケーションの1年間の実証
- Authors: Chaofei Fan, Nick Hahn, Foram Kamdar, Donald Avansino, Guy H. Wilson,
Leigh Hochberg, Krishna V. Shenoy, Jaimie M. Henderson, Francis R. Willett
- Abstract要約: 皮質内脳-コンピュータインターフェース(iBCI)は筋萎縮性側索硬化症(ALS)などの神経疾患患者への迅速なコミュニケーションの回復を約束している。
iBCIは通常、何日も経つ神経記録の変化に対処するために頻繁に再校正が必要である。
これにより、iBCIユーザはiBCIの使用をやめ、教師付きデータ収集に従事し、iBCIシステムの使用が困難になる。
本稿では,ユーザを中断することなく,通信iBCIの自己校正を可能にする手法を提案する。
- 参考スコア（独自算出の注目度）: 0.6594628863938492
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intracortical brain-computer interfaces (iBCIs) have shown promise for
restoring rapid communication to people with neurological disorders such as
amyotrophic lateral sclerosis (ALS). However, to maintain high performance over
time, iBCIs typically need frequent recalibration to combat changes in the
neural recordings that accrue over days. This requires iBCI users to stop using
the iBCI and engage in supervised data collection, making the iBCI system hard
to use. In this paper, we propose a method that enables self-recalibration of
communication iBCIs without interrupting the user. Our method leverages large
language models (LMs) to automatically correct errors in iBCI outputs. The
self-recalibration process uses these corrected outputs ("pseudo-labels") to
continually update the iBCI decoder online. Over a period of more than one year
(403 days), we evaluated our Continual Online Recalibration with Pseudo-labels
(CORP) framework with one clinical trial participant. CORP achieved a stable
decoding accuracy of 93.84% in an online handwriting iBCI task, significantly
outperforming other baseline methods. Notably, this is the longest-running iBCI
stability demonstration involving a human participant. Our results provide the
first evidence for long-term stabilization of a plug-and-play, high-performance
communication iBCI, addressing a major barrier for the clinical translation of
iBCIs.
- Abstract（参考訳）: 皮質内脳-コンピュータインターフェース(iBCI)は、筋萎縮性側索硬化症(ALS)などの神経疾患を持つ人々への迅速なコミュニケーションの回復を約束している。
しかし、ハイパフォーマンスを維持するために、iBCIは通常、何日も経つニューラル記録の変化に対処するために頻繁に再校正が必要である。
これにより、iBCIユーザはiBCIの使用をやめ、教師付きデータ収集に従事し、iBCIシステムの使用が困難になる。
本稿では,ユーザを中断することなく通信iBCIの自己校正を可能にする手法を提案する。
提案手法は,iBCI出力の誤りを自動的に訂正するために,大規模言語モデル(LM)を利用する。
自己校正プロセスでは、修正された出力("pseudo-labels")を使用して、iBCIデコーダをオンラインで継続的に更新する。
1年以上 (403日) 以上経過し, 1 名の臨床試験参加者と Pseudo-labels (CORP) フレームワークを用いた継続的オンライン校正を行った。
CORP はオンライン手書き iBCI タスクにおいて 93.84% の安定した復号精度を達成し、他のベースライン手法よりも大幅に優れていた。
特に、これはヒトが関与するiBCI安定デモとしては最長となる。
本研究は,iBCIの長期安定化を図った最初の証拠であり,iBCIの臨床的翻訳における大きな障壁に対処するものである。
関連論文リスト
- Offline Behavior Distillation [57.6900189406964]
大規模な強化学習(RL)データは通常、インタラクションを必要とせずにポリシをオフラインにトレーニングするために収集される。
準最適RLデータから限られた専門家の行動データを合成するオフライン行動蒸留(OBD)を定式化する。
そこで本研究では, 蒸留データとオフラインデータ, ほぼ専門的ポリシーのいずれにおいても, 蒸留性能を判断的差異によって測定する2つの単純OBD目標であるDBCとPBCを提案する。
論文 参考訳（メタデータ） (2024-10-30T06:28:09Z) - DDSB: An Unsupervised and Training-free Method for Phase Detection in Echocardiography [37.32413956117856]
本研究では,End-Diastolic (ED) フレームとEnd-Systolic (ES) フレームを識別するための教師なしおよびトレーニング不要な手法を提案する。
アンカー点の同定と方向変形解析により,初期セグメンテーション画像の精度への依存性を効果的に低減する。
本手法は,学習モデルと同等の精度を,関連する欠点を伴わずに達成する。
論文 参考訳（メタデータ） (2024-03-19T14:51:01Z) - Semi-Supervised Semantic Segmentation using Redesigned Self-Training for
White Blood Cells [3.957784193707817]
利用可能なデータセットの不足を効果的に活用するための半教師付き学習フレームワークを提案する。
自己学習(Self-training)とは、ラベル付きデータに基づいてトレーニングされたモデルを使用して、ラベルなしデータの擬似ラベルを生成し、その両方で再トレーニングする手法である。
自己学習パイプラインにFixMatchを組み込むことで、ほとんどのケースでパフォーマンスが向上することがわかった。
論文 参考訳（メタデータ） (2024-01-14T12:22:34Z) - Source-Free Domain Adaptation for SSVEP-based Brain-Computer Interfaces [1.4364491422470593]
本稿では、定常視覚誘発電位(SSVEP)に基づく脳-コンピュータインタフェース(BCI)スペルに対するソースフリードメイン適応法を提案する。
高い情報伝達率(ITR)を達成するには、システムを使用する前に広範囲の校正期間が必要となる。
本稿では、ソースドメインのデータに基づいて事前訓練された強力なディープニューラルネットワーク(DNN)を新しいユーザに適用する手法を提案する。
論文 参考訳（メタデータ） (2023-05-27T08:02:46Z) - CTC-based Non-autoregressive Speech Translation [51.37920141751813]
非自己回帰音声翻訳における接続性時間分類の可能性について検討する。
我々は、CTCによって誘導される2つのエンコーダからなるモデルを構築し、ソースおよびターゲットテキストを予測する。
MuST-Cベンチマークの実験では、我々のNASTモデルは平均BLEUスコアが29.5であり、スピードアップは5.67$times$である。
論文 参考訳（メタデータ） (2023-05-27T03:54:09Z) - Repairing Brain-Computer Interfaces with Fault-Based Data Acquisition [0.9697877942346906]
脳-コンピュータインタフェース(BCI)は、脳から記録された神経信号をデコードし、脳をコード化された神経信号で刺激する。
信頼性と堅牢性に関する課題のため、BCIはまだ長期、日々の使用には採用されていない。
本稿では,BCIの欠陥を特徴付け,検出し,位置決めするための新しい手法を提案する。
論文 参考訳（メタデータ） (2022-03-20T23:49:50Z) - Transfer Learning and SpecAugment applied to SSVEP Based BCI
Classification [1.9336815376402716]
我々は、ディープ畳み込みニューラルネットワーク(DCNN)を使用して、単一チャネル脳-コンピュータインタフェース(BCI)で脳波信号を分類する。
脳波信号はスペクトログラムに変換され、転送学習技術を用いてDCNNを訓練するための入力として機能した。
論文 参考訳（メタデータ） (2020-10-08T00:30:12Z) - A Study on Effects of Implicit and Explicit Language Model Information
for DBLSTM-CTC Based Handwriting Recognition [51.36957172200015]
本稿では,DBLSTM-CTCを用いた手書き文字認識における暗黙的および明示的言語モデル情報の効果について検討する。
DBLSTMをトレーニングするために100万行のトレーニング文を使用しても、明示的な言語モデルを使用することは有用です。
論文 参考訳（メタデータ） (2020-07-31T08:23:37Z) - Context-Aware Refinement Network Incorporating Structural Connectivity
Prior for Brain Midline Delineation [50.868845400939314]
UNetによって生成された特徴ピラミッド表現を洗練・統合するための文脈対応改良ネットワーク(CAR-Net)を提案する。
正中線における脳の構造的接続性を維持するため、我々は新しい接続性レギュラーロスを導入する。
提案手法は, パラメータを少なくし, 4つの評価指標で3つの最先端手法より優れる。
論文 参考訳（メタデータ） (2020-07-10T14:01:20Z) - COMPOSE: Cross-Modal Pseudo-Siamese Network for Patient Trial Matching [70.08786840301435]
本稿では, CrOss-Modal PseudO-SiamEse Network (COMPOSE) を提案する。
実験の結果,患者基準マッチングでは98.0%,患者基準マッチングでは83.7%の精度でAUCに到達できることがわかった。
論文 参考訳（メタデータ） (2020-06-15T21:01:33Z) - DeepEnroll: Patient-Trial Matching with Deep Embedding and Entailment
Prediction [67.91606509226132]
臨床試験は医薬品開発に不可欠であるが、高価で不正確で不十分な患者募集に苦しむことが多い。
DeepEnrollは、入力基準(タブラリデータ)を一致する推論のための共有潜在空間に共同でエンコードする、クロスモーダル推論学習モデルである。
論文 参考訳（メタデータ） (2020-01-22T17:51:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。