北京，2023年9月8日/PRNewswire/-全息数字双胞胎技术提供商微云全息股份有限公司（NASDAQ:HOLO）（“HOLO”或“公司”）今天宣布推出基于逻辑回归模型的多层联合学习框架，以构建基于机器学习和SVM全息脑机接口的运动训练系统。
脑机接口是一种不依赖于人正常外周神经和肌肉组织的通信技术。它是人类或动物大脑（或脑细胞培养物）与外部设备之间建立的直接连接途径。全息脑机接口运动训练系统解决了功能性障碍患者的运动难题，激发、提取和利用了患者主动的运动意愿。并加强对患肢的使用，改善肢体的运动功能。通过将MEMS柔性微传感器阵列技术与脑机接口技术、多源信息融合和自适应反馈控制技术相结合，不仅可以显著改善肢体的运动功能，还可以促进皮层功能依赖区的重组，从而扩大患肢的皮层运动控制区，为手功能障碍患者的早期康复训练提供了有效的工具。
HOLO还构建了一个基于全息AR的脑机接口实验控制平台，利用全息裸眼图像作为视觉刺激器来诱导脑电信号，使用户无需在固定位置进行视觉刺激，可以增强在复杂环境中的适用性，从而实现更自然的人机交互。然后由全息脑机接口的运动训练系统通过数字信号处理来控制脑电信号的A/D采样，并将数字脑电信号的A/D采样发送到DSP进行全息数字滤波。根据全息数据标签库中的全息数据，利用智能算法对滤波后的脑电信号进行识别和匹配。最后，通过复杂算法和并行通信实现脑电全息数据的显示和保存。
基于机器学习和SVM的全息脑机接口运动训练系统由信号采集、特征提取、特征分类和外部控制设备组成：
信号采集：脑机接口通过植入大脑皮层的微电极采集神经元活动的信号；
特征提取：对收集到的信号进行解码，然后进行编码，并转换为机器可读的指令信号。常见的方法包括快速傅立叶变换（FFT）、离散傅立叶变换（DFT）、小波变换（WT）、独立分量分析（ICA）、公共空间模式（CSP）以及基于上述方法的一些改进方法。
特征分类：对提取的特征信号进行进一步分类。常用的分类器包括线性分类器、支持向量机（SVM）、神经网络和各种分类器的组合。
外部控制装置：控制过程以信号的形式向大脑反馈，实现人机交互。
在康复医学领域，全息脑机接口的运动训练系统可以通过控制机械臂和外骨骼机器人，有效辅助脑卒中或脊髓损伤等神经肌肉患者的康复训练。随着现代医学对大脑结构和功能的不断探索，人类对视觉、听觉、运动、语言等大脑功能领域的研究也更加深入。微云全息通过脑机接口设备获取这些大脑功能区的信息并进行分析，布局神经和精神疾病的诊断、筛查、监测、治疗和康复。我们也在探索未来潜在的研究和应用方向。
