上周，纽约时报报道了首例四肢瘫痪患者成功的“肢体复活”。24岁的伊恩·伯克哈特(Ian Burkhart)十几岁时在一次潜水事故中摔断了脖子。他的脊椎在第五节颈椎处受损，导致肩部以下瘫痪。通过神经旁路技术将他的思想直接传递到他的手部肌肉，他重新控制了右手和手指。

这个系统有效地绕过了他的脊髓损伤。这是第一次使用脑机接口来帮助个人移动自己的手。这项研究发表在杂志上自然，并解释如何机器学习和MATLAB在这个项目中使用。

这一重大突破是多年研究和跨学科项目的成果。工程师、生物工程师、神经科学家和外科医生为原型医疗系统和临床研究做出了贡献。这个装置被称为NeuroLife，是在巴特尔研究所。巴特尔的工程师与来自美国的内科医生和神经科学家合作俄亥俄州立大学韦克斯纳医学中心制定研究方法并进行临床研究。

2014年，俄亥俄州立大学的外科医生在伊恩的大脑中植入了一个芯片。的犹他阵列芯片从贝莱德微系统公司由96个微电极传感器组成，记录单个神经元的放电。研究小组利用脑成像技术识别并分离出伯克哈特大脑中控制手部运动的部分。在手术过程中，研究小组反复测试暴露在外的脑组织，以确定芯片的正确位置。

贝莱德微系统公司的96微电极犹他阵列。图片来源:麻省理工学院技术评论

手术后，伯克哈特花了好几个小时看着屏幕上的一只手的化身，集中精力思考做出这个动作所需的思想。在这些过程中，他的大脑活动被记录下来并进行分析。目的是了解他大脑中的哪些信号与他在心理上模仿的手部动作相对应。

他大脑的放电模式被传送到电脑上并记录下来。这需要大量的数据。每秒收集300万个神经活动样本。运动皮层的神经元每三分钟产生大约1gb的数据。

研究人员使用机器学习来解码这些模式。通过重复，发射模式被分析，并用于开发一种算法来控制他手中的肌肉。算法在几乎每次训练后都会进行调整。机器学习帮助伊恩重新校准，因为他的大脑适应了运动和设备。

在这个项目中如何使用MATLAB

摘自《自然》杂志:

“数字化的数据随后被传输到个人电脑上，在那里它们被解码，以确定哪个动作是想象出来的，然后被编码，以唤起前臂肌肉的预期反应。计算机与定制的高清神经肌肉电刺激器(NMES)进行通信，NMES驱动包裹在前臂上的电极套。

“信号处理解码/控制算法均在个人计算机上使用MATLAB运行。神经港的数字化数据每100毫秒被处理一次。”

计算机对来自大脑的信号进行解码，并将其转化为特定的动作。该团队使用NMES套筒对他的手部肌肉施加电刺激。这个袖子上有130个电极，放置在皮肤表面，通过伊恩的手臂传递信号，激活他的肌肉。

经过一年的训练，伊恩能够通过反复学习从瓶子里倒酒和搅拌杯子。他还学会了玩吉他电子游戏!

需要做更多的工作

• 首先，这个系统不便携。神经端口需要与电脑直接连接。此外，产生的数据量超过了当前的无线能力。要真正提高独立性，就需要一个无线系统。
• 可以完成的动作也有限制。植入物只能监测运动皮层数百万个神经元中的96个。对于复杂的手部运动，人们使用的神经元远远超过100个。在未来的研究中，研究小组计划增加电极的数量。
• 传输电脉冲以刺激前臂肌肉的套筒可能也需要调整。通过皮肤传输所需的电流电压水平会干扰大脑中记录的信号。未来，研究人员可能会将电极植入前臂，以减少使用的电压。

尽管这项技术令人惊叹，但我不得不说，我同样对这位勇敢的人感到惊讶，他愿意奉献如此多的时间和精力来进一步研究并帮助他人。伯克哈特同意接受多次脑部手术，尽管他知道恢复的活动能力只是暂时的。该系统只在他在实验室时才能工作，芯片将在今年夏天晚些时候被移除。希望能建立一个系统，帮助像伊恩这样的人在日常生活中获得独立。

“即使这是我一生都无法带回家的东西，我也很高兴我有机会参加这项研究……我知道我也做了很多工作来帮助其他人。”伊恩·伯克哈特在接受《自然》杂志采访时说。

荣誉,伊恩。