基于高密度肌肉内微电极阵列的指尖力量尖峰神经网络解码器

《Nature Communications》：Spiking neural network decoders of finger forces from high-density intramuscular microelectrode arrays

　　

摘要

用于恢复自然手指控制的辅助技术需要以高精度和低延迟的方式，持续且稳定地解码运动意图。在此，我们提出了一种基于脉冲的解码框架，该框架利用脉冲神经网络（SNN）的特性，高效处理从高密度肌肉内微电极阵列中获取的运动单元活动信号。通过这一框架，我们实现了在最大自主收缩力的15%条件下进行等长收缩时，对单个手指力量的同步且比例化的解码。我们系统地评估了不同SNN解码器配置的性能，比较了两种可能的输入方式：基于生理学的运动单元脉冲序列以及经过脉冲编码的肌肉内肌电图信号。通过对比，我们确定了解码精度、内存占用以及对抗输入误差的能力之间的权衡关系。研究结果表明，结构简洁的浅层SNN即可实现具有竞争力精度的手指级运动意图解码，且仅需极少的内存资源，无需外部预处理模块。这项工作为将紧凑、低功耗、低延迟的SNN集成到手指级力量解码系统中提供了实用方案，同时展示了如何根据具体应用对输入表示方式进行策略性调整，以满足其在精度、稳健性和内存效率方面的需求。