即使是简单的、频繁执行的运动任务，例如开门或抓住物体，有时实现得更好，有时更差，有时更快，有时更慢，有时更精确，有时不太精确。这种表现的差异可以部分追溯到大脑活动。弗莱堡大学 BrainLinks-BrainTools 卓越集群的一个跨学科初级研究小组(由计算机科学家 Michael Tangermann 博士领导)开发了一种自学习算法，可以预测动作的精度。该程序可用于身体训练方法和改善中风后的康复。该研究发表在《人类神经科学前沿》杂志Frontiers上。
借助脑电图 (EEG)，科学家多年前就发现，大脑中的活动模式先于运动。弗莱堡的这项研究也是基于脑电图信号的数据。研究人员对 20 名平均年龄 53 岁的健康参与者进行了检查。这些参与者必须通过反复按下功率传感器来在计算机屏幕上追踪路线。他们的大脑活动在锻炼前和锻炼期间被记录。自学习算法定义了复杂大脑信号中的重要特征，使研究人员能够预测给定参与者执行动作的效果。这种机器学习过程通常用于高维数据的背景下，例如用于改进搜索引擎。该算法根据许多示例学习处方，使其能够在未来解码未知的数据集。
下一步，研究人员希望阐明如何使用此类预测模型。对于中风患者的运动康复来说，推迟运动任务直到达到所需的大脑活动可能会有所帮助。弗莱堡的团队将在未来的研究中与弗莱堡大学医学中心一起研究这种训练效果。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！