| Summary: | To develop an optimal cognitive neural prosthetic to assist patients with motor dysfunction we must have the ability to accurately decode reach goals from patient's neural activity. Implantable microelectrode arrays are often used to record neural activity. A challenge researchers typically face when using arrays is that only a small number of neurons can be isolated for recording. Moreover, these neurons tend to over-represent certain spatial locations while under-representing others, thereby outputting a bias towards only a portion of reachable directions. Several studies using brain-machine interface (BMI) experiments have shown that subject's neural activity undergoes a functional reorganization in response to constraints imposed by a BMI. In this study, we investigated whether we could use reward to not only actively induce the reorganization of neural activity, but also guide it to increase the amount of information extracted from a neural population. To address this, we recorded neural activity using 96 electrodes implanted in parietal and pre-motor areas of a Rhesus macaque monkey. We designed a brain-control task in which an adaptive Bayesian decoder used this activity to predict the intended reach goals of the monkey. A successful brain-control trial was established when the decoder predicted the instructed reach goal, for which the monkey was rewarded with juice. Real-time visual feedback of decode performance was provided by a visual cue. Decode performance also determined the size of the reward to be received. Our findings show that decoding performance improved over the course of a recording session and that this improvement coincided with both changes in neural firing activity as well as a more uniform distribution in the neuronal representation of reach space. These results suggest that reward can be used to actively induce neural changes that increase the amount of information that can be extracted from the brain to subsequently improve decoding. === Pour développer une prothèse neurale basée sur la cognition qui aiderait les patients souffrant de dysfonction moteur, nous devons être capable de décoder les intentions de mouvements des patients à partir de leur activité cérébrale. Des matrices de microélectrodes sont fréquemment employées pour échantillonner l'activité des neurones. Un défi auquel font habituellement face les chercheurs, lorsqu'ils utilisent des matrices de microélectrode, est que seul un petit ensemble de neurones peut être isolé et échantillonné adéquatement. De plus, ces neurones ont tendance à surreprésenter certaine région de l'espace et à présenter un manque dans la représentation des autres. Il y a donc un biais dans la représentation de l'espace dans lequel s'effectue normalement les mouvements. Plusieurs études réalisées sur des expériences impliquant des interfaces cerveau-machine (ICM) ont rapporté que l'activité des neurones des sujets entreprend une réorganisation fonctionnelle, suite aux contraintes imposées par l'ICM. Dans cette étude, nous avons testé l'hypothèse selon laquelle nous pourrions utiliser la récompense pour, non seulement induire activement une reconfiguration de l'activité, mais aussi pour guider la réorganisation fonctionnelle de façon à ce qu'elle résulte en une augmentation de la quantité d'information qui peut être extraite d'une population de neurones. Pour ce faire, nous avons échantillonné l'activité des neurones du cortex pariétal et de l'aire pré-moteur d'un macaque Rhésus en y implantant 96 électrodes. Nous avons conçu une tâche de contrôle par la pensé dans laquelle un décodeur Bayesien adaptatif utilise l'activité des neurones pour prédire les intentions de mouvement du bras du singe. Lors des essais fructueux, le singe a été récompensé par du jus. Au cours d'un essai, une indication visuelle délivrée en temps réel informait le singe de la performance du décodeur à déduire ses intentions. La performance du décodeur fixait la quantité de jus donnée au singe en récompense. Nos résultats démontrent que les performances du décodeur ont augmenté au cours du déroulement de l'expérience en même temps que les changements dans l'activité des neurones ont entraîné une représentation plus uniforme de l'espace. Ces résultats suggèrent que la récompense peut-être utilisée pour induire des changements dans l'activité des neurones qui améliore les performances d'un décodeur en augmentant la quantité d'information qui peut-être extraite de l'activité cérébrale.
|
|---|
