Il framework REALM consente la decodifica causale dell'LFP per le BCI
I ricercatori propongono REALM, un framework di distillazione retrospettiva per la decodifica causale del potenziale di campo locale (LFP) nelle interfacce cervello-computer (BCI). I segnali spike, sebbene ad alta risoluzione, presentano colli di bottiglia in termini di potenza e larghezza di banda con elevati numeri di canali e funzionamento wireless. Gli LFP offrono stabilità, minore energia e larghezza di banda, ma soffrono di accuratezza ridotta e architetture non causali. REALM, ispirato alla distillazione offline-to-online nel riconoscimento vocale, consente la decodifica causale dell'LFP. Il framework è descritto in arXiv:2605.14867v1.
Fatti principali
- REALM è un framework di distillazione retrospettiva per la decodifica causale dell'LFP.
- I segnali spike hanno alta risoluzione spaziale e temporale ma elevati requisiti di potenza e larghezza di banda.
- Gli LFP offrono migliore stabilità a lungo termine, ridotto consumo energetico e minore larghezza di banda.
- I modelli di decodifica basati su LFP mostrano tipicamente accuratezza ridotta e si basano su architetture non causali.
- REALM è ispirato alle strategie di distillazione offline-to-online nel riconoscimento vocale.
- Il framework affronta le sfide nell'operazione BCI ad alto numero di canali e wireless.
- La ricerca è pubblicata su arXiv con ID 2605.14867v1.
- L'approccio consente il dispiegamento in tempo reale della decodifica dell'LFP.
Entità
Istituzioni
- arXiv