一位电子工程师决定通过使用生动的状态图，把其他实验小组不同的处理方法结合在一起，从而整合神经修复术。神经修复术把大脑的运动转换位控制信号，这种信号可以驱动电子设备，但是大脑和电子设备之间每次实现联系的算法都是唯一的。现在，刚毕业的学生Lakshminarayan Srinivasan的状态图似乎提供了一种单一的方法实现病人大脑中的信号转换成修复设备的控制信号。

　　“一般地来说，神经修复设备的技术还处于初期”，Srinivasan，麻省理工大学EE专业刚毕业的一位学生Srinivasan说，“重点在于利用工程理论和对神经科学的深刻理解在算法的发展上产生新的视角，研究修复设备的科学和工程技术和通过人类电生理学进行运动控制”。

　　神经修复设备通过信号传播，这些信号植入电极监测到瘫痪或者截肢病人中，在需要使用他们已丧失的能力时发出。计算机算法不仅必须检测到这些微弱的信号，而且，更重要的是必须推断出病人的意图来实现修复设备的功能。

　　然而，直到现在，研究者和修复技术的设计者都很快的开始设计算法，这些算法都只在特定的大脑领域，记录方式和基本的修复技术应用。不过，通过转换图解状态图，就可以像电子工程师设计有限状态机那样，Srinivasan已经展示了一种把不同的作用统一为一个算法的处理方式。

　　“每个病人最大的挑战是产生比其他选择工作起来更加有效的设备”Srinivasan说，不同背景的研究者利用他们在特定领域的专业技术尝试攻克不同的设计。

　　state diagrams.

　　Srinivasan利用他在电子工程科学中受到的状态图的训练——箭头联系着代表状态的圆圈，这是状态的转移——更科学的说法是，这是两个不同感应信号的联系，指示出病人的意愿和修复的实现。截至者神经信号是否被植入的电极感应，通过颅内的得箭头，利用脑电图和磁/光成像，它们可以整合到 Srinivasan的状态图中。

　　不是为每个大脑区域的方式重新创造一个示例，Srinivasan提倡多领域的工程师队伍。神经科学和临床技术标准花在Srinivasan的状态图中。还有一种作用，这种方式使得下一代的神经修复整合多重感应方式到更加智能修复中成为可能，也使得从个体传感器中通过检查平衡修正错误让可以产生更准确的功能实现。

　　“我坚持不懈地推动理论发展以全面的发展视角来优化神经修复算法”Srinivasan指出，我接下来要关注的是通过人类研究来评估这些算法。

　　为了完成训练和获得必须的医学专业知识来评估他自己的工作，Srinivasan进入医学院学习，目前他是麻省总医院神经系统修复中心的博士后研究员，同时也是哈佛-麻省理工卫生科学与技术部的医学专业的学生。

　　Srinivasan 为MIT电子和计算机专业的毕业生时开始他的神经修复算法研究的，他2006年在那里取得了博士学位。