罗德岛州普罗旺斯[布朗大学]-布朗大学的一个研究人员小组使用了一个脑机接口，从非人类灵长类动物的大脑中记录的神经信号中重建英语单词。研究人员说，这项发表在《自然通讯生物学》杂志上的研究可能是朝着开发可以帮助听力受损的人的大脑植入迈出的一步。

布朗卡尼大脑研究所研究助理布朗工程学院教授阿图·努尔米科说：“我们所做的是记录与灵长类动物的特定单词相关的次级听觉皮层神经兴奋的复杂模式。”科学和该研究的资深作者。“然后，我们使用该神经数据以高保真度重建这些单词的声音。

Nurmikko补充说：“首要目标是更好地了解灵长类动物大脑中声音的处理方式，这最终可能会导致新型的神经假体。”

在人类和非人类灵长类动物中，涉及声音初始处理的大脑系统是相似的。第一级处理发生在所谓的主听皮层中，它根据音调或音调等属性对声音进行分类。然后，信号移至次级听觉皮层，并在此进一步处理。例如，当某人正在听口语时，这就是声音由音素分类的最简单的功能，使我们能够将一个单词与另一个单词区分开。此后，信息被发送到大脑的其他部分进行处理，从而使人们能够理解语音。

但是，由于在人类和非人类的灵长类动物中，声音的早期处理是相似的，因此了解灵长类动物如何处理所听到的单词是有用的，即使他们可能不理解这些单词的含义。

在这项研究中，两个具有96通道微电极阵列的豌豆大小的植入物记录了神经元的活动，而恒河猴则聆听了单个英语单词和猕猴的录音。在这种情况下，猕猴听到了相当简单的一个或两个音节的单词-“树”，“好”，“北方”，“板球”和“程序”。

研究人员使用专门开发用于识别与特定单词相关的神经模式的计算机算法来处理神经记录。从那里，神经数据可以转换回计算机生成的语音。最终，该团队使用了多个指标来评估重建语音与猕猴听到的原始口语单词的匹配程度。研究表明，所记录的神经数据产生了高保真度的重建，听众可以清楚地看到。

研究人员说，首先使用多电极阵列来记录这种复杂的听觉信息。

“以前，工作是用单个电极从次级听觉皮层收集数据的，但据我们所知，这是大脑这一部分的第一条多电极记录，” Nurmikko说。“从本质上讲，我们有近200个微观侦听帖子，它们可以为我们提供所需数据的丰富性和更高的分辨率。”

博士生李继勋(Jihun Lee)领导的这项研究的目标之一是测试是否有任何特定的解码模型算法的性能优于其他解码模型算法。该研究与计算神经科学专家Wilson Truccolo进行的合作表明，递归神经网络(RNN)-一种经常在计算机语言翻译中使用的机器学习算法-产生了最高保真度的重构。RNN明显优于更传统的算法，这些算法已被证明可有效解码来自大脑其他部位的神经数据。

布朗的研究助理，该研究的主要作者克里斯托弗·海兰(Christopher Heelan)认为，神经网络的成功在于其灵活性，这对解码复杂的听觉信息至关重要。

“为神经解码使用的更多传统算法对大脑如何编码信息做出了强有力的假设，这限制了这些算法对神经数据建模的能力，”为这项研究开发了计算工具包的Heelan说。“神经网络的假设较弱，并且具有更多参数，使他们能够学习神经数据与实验任务之间的复杂关系。”

研究人员希望最终，这种研究可以帮助开发神经植入物，可能有助于恢复人们的听力。