Un auto-encodeur neuronal pour améliorer les neuroprothèses sensorielles

Un auto-encodeur neuronal pour améliorer les neuroprothèses sensorielles

A) La stimulation d’une neuroprothèse sensorielle provoque une réponse perceptuelle ou neuronale, qui est approchée par le modèle sensoriel avant f . B) Un autoencodeur neuronal hybride (HNA) utilise le modèle direct dans la boucle. Un encodeur de réseau neuronal profond est formé pour prédire les schémas de stimulation électrique qui suscitent des réponses les plus proches de la cible. C) Demande de prothèses visuelles. Crédit : Granley, Relic & Beyeler.

Les nouvelles technologies ont le potentiel de simplifier considérablement la vie des humains, y compris celle des personnes aveugles. L’un des types d’outils les plus prometteurs conçus pour aider les aveugles sont les prothèses visuelles.

Les prothèses visuelles sont des dispositifs médicaux qui peuvent être implantés dans le cerveau. Ces dispositifs pourraient aider à restaurer la vision chez les personnes atteintes de différents types de cécité. Malgré leur énorme potentiel, la plupart des prothèses visuelles existantes ont obtenu des résultats médiocres, car la vision qu’elles peuvent produire est extrêmement rudimentaire.

Une équipe de chercheurs de l’Université de Californie à Santa Barbara a récemment développé un modèle d’apprentissage automatique qui pourrait améliorer considérablement les performances des prothèses visuelles, ainsi que d’autres neuroprothèses sensorielles (c’est-à-dire des dispositifs visant à restaurer les fonctions sensorielles perdues ou à augmenter les capacités humaines). Le modèle qu’ils ont développé, présenté dans un article prépublié sur arXivest basé sur l’utilisation d’un auto-encodeur neuronal, une architecture inspirée du cerveau qui peut découvrir des modèles spécifiques dans les données et en créer des représentations.

“Nous avons commencé à travailler sur ce projet pour tenter de résoudre le problème de longue date de l’optimisation des stimuli dans les prothèses visuelles”, a déclaré Jacob Granley, l’un des chercheurs qui a mené l’étude, à TechXplore. “L’une des causes probables des mauvais résultats obtenus par les prothèses visuelles est la stratégie d’encodage naïve des stimuli que les appareils utilisent de manière conventionnelle. Des travaux antérieurs ont suggéré des stratégies d’encodage, mais beaucoup sont irréalistes, et aucun n’a donné de solution générale qui pourrait fonctionner à travers les implants et les patients.”

L’objectif principal des travaux récents de Granley et ses collègues était de concevoir une solution simple et efficace qui pourrait aider à améliorer les stratégies d’encodage des neuroprothèses sensorielles. Ils voulaient que cette stratégie atteigne de bons résultats avec différents types de données sensorielles, car cela faciliterait la mise en œuvre sur une variété de dispositifs neuroprothétiques.

Un auto-encodeur neuronal pour améliorer les neuroprothèses sensorielles

Percepts visuels résultant de l’autoencodeur neural hybride (HNA) pour 4 patients simulés, comparés à la meilleure méthode précédente (substitut) et à la méthode conventionnelle naïve. Le coin supérieur gauche représente un patient idéal, tandis que les trois autres représentent d’autres patients, également probables, sur lesquels les stratégies d’encodage actuelles ne fonctionnent pas bien. Crédit : Granley, Relic & Beyeler.

“Notre idée principale était d’utiliser un modèle sensoriel, qui décrit les perceptions ou les réponses neuronales résultant de la stimulation, dans la boucle au sein d’un réseau neuronal profond”, a expliqué Granley. “Le réseau neuronal a été formé pour produire des stimuli qui, lorsqu’ils sont alimentés par le modèle sensoriel, permettent d’obtenir la réponse cible souhaitée. Ainsi, le système est un auto-encodeur hybride, où l’encodeur est un réseau neuronal appris et le décodeur est le modèle sensoriel fixe. .”

Jusqu’à présent, les chercheurs ont évalué les performances de leur approche basée sur l’auto-encodeur neuronal dans le contexte des neuroprothèses visuelles. Ils ont constaté qu’il obtenait des résultats remarquables, conduisant systématiquement à des perceptions visuelles de meilleure qualité sur un large éventail de patients virtuels, ce qui constitue un pas en avant significatif sur la voie d’une vision bionique fiable.

L’encodeur neuronal créé par Granley et ses collègues a généré des stimuli visuels beaucoup plus convaincants que d’autres stratégies d’encodage conventionnelles, en utilisant les mêmes ensembles de données d’entraînement. Notamment, il pourrait également être facilement appliqué d’autres neuroprothèses qui peuvent être décrites à l’aide d’un modèle sensoriel, y compris celles conçues pour améliorer les sens de l’ouïe et du toucher.

“Je suis enthousiasmé par l’impact potentiel plus large de notre cadre”, a déclaré Granley. “Nous avons pu démontrer le bénéfice obtenu en “fermant la boucle sur la perception”, ou en d’autres termes, en incluant dans la boucle un modèle des effets de la stimulation sur la perception du patient. Cela pourrait être utile pour une variété de prothèses. . Par exemple, les implants cochléaires pourraient utiliser ce cadre pour améliorer les perceptions auditives.

Le modèle introduit par cette équipe de chercheurs pourrait éventuellement être utilisé par les développeurs pour améliorer la qualité de la vision permise par les dispositifs neuroprothétiques visuels. De plus, il pourrait être appliqué aux membres prothétiques existants pour produire des sensations de toucher cutané plus convaincantes chez les patients à qui il manque des membres spécifiques ou qui ont subi des amputations.

“Dans ce projet, nous n’avons utilisé que des patients virtuels simulés”, a ajouté Granley. « À l’avenir, j’aimerais tester notre encodeur sur des patients humains porteurs de prothèses visuelles implantées. Si nous pouvions atteindre la même amélioration sur de vrais patients, cela marquerait un grand pas vers la restauration de la vision de millions de personnes souffrant de cécité.


L’équipe trouve un indice pour améliorer la vision artificielle des patients atteints de rétinite pigmentaire


Plus d’information:
Jacob Granley, Lucas Relic, Michael Beyeler, Autoencodeur neuronal hybride pour les neuroprothèses sensorielles et ses applications en vision bionique. arXiv:2205.13623v1 [cs.LG]arxiv.org/abs/2205.13623

Informations sur la revue :
arXiv

© 2022 Réseau Science X

Citation: Un autoencodeur neural pour améliorer les neuroprothèses sensorielles (21 juin 2022) récupéré le 21 juin 2022 sur https://techxplore.com/news/2022-06-neural-autoencoder-sensory-neuroprostheses.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.