The brain versus AI: World-model-based versatile circuit computation underlying diverse functions in the neocortex and cerebellum
Chinese Institute for Brain Research (CIBR)（中国脑科学研究所）
该研究通过将回路计算细分为结构、输入输出和学习算法三要素，比较大脑新皮层、小脑与AI的相似性，提出整合内部模型等理论的新学说，揭示通用世界模型计算是脑区以统一回路实现多功能的核心机制。
2024-11-29 cs.AI q-bio.NC
Segregation, integration and balance of large-scale resting brain networks configure different cognitive abilities
不同的认知过程对局部分离和全局整合的大脑活动提出了不同的要求。然而，目前尚不清楚休息的大脑如何配置其功能组织，以平衡网络隔离和整合的需求，以最好地服务于认知。在这里，我们使用基于特征模的方法来识别功能性脑网络中的分层模块，并量化网络分离和整合之间的功能平衡。在一个大样本的健康的年轻人（n=991），我们结合全脑静息状态功能磁共振成像（fMRI）数据与平均场模型的结构网络来自扩散张量成像，并证明静息脑网络平均接近平衡状态。这种状态允许在隔离和集成配置下保持平衡的时间，并在它们之间进行高度灵活的切换。此外，我们采用结构方程模型来估计一般和特定领域的认知表型从九个任务，并表明，网络隔离，整合和他们的平衡在休息的大脑预测不同的认知表型的个体差异。更具体地说，更强的整合与更好的一般认知能力有关，更强的分离促进了结晶智力和处理速度，而个人的平衡倾向支持更好的记忆。我们的研究结果提供了对大脑支持不同功能需求和认知能力的功能原理的全面和深入的理解，并推进了人类认知的现代网络神经科学理论。
2021-02-28 q-bio.NC
Unsupervised learning of control signals and their encodings in $\textit{C. elegans}$ whole-brain recordings
最近在$\textit{C. elegans}$上进行的全脑成像实验已经揭示了神经元群体动力学对低维流形上的运动命令和行为之间的定型转换进行编码。在这个流形上描述动态特性的努力已经使用分段线性模型来描述整个状态空间，但尚不清楚单个全局动态模型如何生成所观察到的动态。在这里，我们提出了一个控制框架，以实现这样一个全球性的动态模型，从而基本的线性动态致动稀疏控制信号。该方法以无监督的方式从数据中学习控制信号，然后使用$\textit{ Dynamic Mode Decomposition with control}$（DMDC）创建第一个可以重建全脑成像数据的全局线性动力学系统。这些控制信号被证明是牵连在行为之间的过渡。此外，我们分析了这些控制信号的时间延迟编码，表明这些转换可以从先前参与行为转换的神经元中预测，但也可以从先前未识别的其他神经元中预测。此外，我们的分解方法允许人们理解所观察到的非线性全局动力学，而不是线性动力学与控制。所提出的数学框架是通用的，可以推广到其他神经感觉系统，可能揭示过渡和他们的编码在一个完全无监督的方式。
2020-04-13 q-bio.NC q-bio.QM
DCHO: A Decomposition-Composition Framework for Predicting Higher-Order Brain Connectivity to Enhance Diverse Downstream Applications
DCHO通过分解-组合框架预测高阶脑连接，提升状态分类和脑动态预测的性能。
2025-12-29 cs.LG q-bio.NC
Brain State Control by Closed-Loop Environmental Feedback
大脑状态调节适应行为的感觉处理和运动控制。大脑状态控制的内部机制已经得到了很好的研究，但是来自环境的外部调制的作用还没有得到很好的理解。在这里，我们研究了与开环感觉输入相比，闭环环境（CLE）反馈对不同脊椎动物系统的大脑状态和行为的作用。在虚构的游泳斑马鱼中，CLE反馈通过减少连贯的神经元活动来控制视动稳定性的大脑状态。CLE反馈在大脑状态中的作用也在啮齿动物主动搅拌的模型中显示，其中该反馈中的短暂中断增强了检测触摸的信噪比。最后，在猴子的视觉固定，人工CLE反馈抑制刺激特异性神经元活动，提高行为表现。我们的研究结果表明，环境介导了控制神经元增益的连续闭环反馈，调节大脑状态，并且大脑功能是大脑-环境相互作用的一种新兴特性。
2016-02-29 q-bio.NC
A practical guide to methodological considerations in the controllability of structural brain networks
预测大脑如何通过内部或外部控制被驱动到特定状态，需要对神经连接和活动之间的关系有基本的了解。网络控制理论是物理和工程科学的一个强大工具，可以提供有关这种关系的见解;它形式化了复杂系统的动力学如何从其互连单元的底层结构中产生的研究。鉴于最近在神经科学中使用网络控制理论，现在是时候提供一个实用的指导，在结构脑网络的可控性的方法考虑。在这里，我们提供了一个系统的框架概述，研究经常研究的控制指标的建模选择的影响，并提出潜在的有用的理论扩展。我们将我们的讨论、数值演示和理论进展建立在一个高分辨率弥散成像数据集上，该数据集包含10名健康年轻人在大约1小时的扫描中获得的730个弥散方向。在对该理论进行了教学性的介绍之后，我们探讨了建模选择如何影响四个常见的统计量：平均可控性，模态可控性，最小控制能量和最优控制能量。接下来，我们以两种方式扩展了当前的技术水平：首先，通过开发一种替代的结构连接性测量方法，该方法考虑了通过邻接组织的活动的径向传播，其次，通过定义一种补充度量来量化系统的能量景观的复杂性。最后，我们提出了具体的建模建议，并讨论了方法上的限制。
2019-08-09 q-bio.NC q-bio.QM
Low-dimensional controllability of brain networks
针对脑网络等实际复杂系统中驱动节点过少导致可控性不可靠的问题，提出结合谱图理论的低维可控性框架，通过控制网络低维嵌入提升控制精度，并揭示了人类连接组的关键驱动区域及脑系统间因果相互作用。
2023-11-28 q-bio.NC q-bio.QM
Warnings and Caveats in Brain Controllability
在这项工作中，我们挑战的主要结论顾等人的工作（可控性的结构脑网络。Nature Communications 6，8414，doi：10.1038/ncomms9414，2015）。使用相同的方法和对四个数据集的分析，我们发现控制大脑网络的最小节点集总是大于1。我们还发现，平均/模态可控性和加权度之间的关系也适用于随机数据，并且静息状态网络在控制大脑方面没有发挥特定的作用。总之，我们表明，没有证据表明，拓扑结构在大脑网络的可控性发挥特定的和独特的作用。因此，应重新审视Gu等人对其结果的解释，特别是在平移应用方面（例如，使用单节点可控性属性来定义神经刺激的目标区域）。虽然理论上很有趣，但我们对可控性和结构脑网络之间关系的理解仍然难以捉摸。
2017-05-17 physics.bio-ph q-bio.NC
Control of Dynamics in Brain Networks
有效控制大脑动力学的能力对于增强人类的认知功能和改善他们的生活质量具有很大的希望。然而，成功地控制神经系统中的动态是具有挑战性的，部分原因是大脑的巨大复杂性和大量的相互作用可以驱动任何单一的变化。虽然我们已经对单个神经元的控制有了一些了解，但对大规模神经系统（多个相互作用组件的网络）的控制仍然知之甚少。解决这一差距的努力包括构建控制大脑网络的工具，主要是根据控制和动力系统理论改编的。根据目前实际干预的机会，这些理论贡献提供了从各种数学方法中得出的模型。我们提出了有趣的动态脑网络的有效控制策略的最新发展，我们还描述了潜在的机制，这些过程的基础。我们回顾了在控制一般神经生理过程中所做的努力，这些努力对大脑发育和认知功能有影响，以及在医学背景下控制改变的神经生理过程，如麻醉管理、癫痫发作抑制和帕金森病的脑深部电刺激。最后，我们对网络控制的新兴结果进行了前瞻性的讨论，特别是处理非线性动力学或更现实的控制过渡轨迹的方法，可以用来直接解决神经科学中的紧迫问题。
2018-05-14 cond-mat.dis-nn cond-mat.soft physics.bio-ph
Tracking Fast Neural Adaptation by Globally Adaptive Point Process Estimation for Brain-Machine Interface
脑机接口（BMI）通过将神经活动转换为数字命令来控制外部设备，从而帮助残疾人恢复身体功能。神经适应，即大脑信号响应外部刺激或运动而变化，在BMI中起着重要作用。当受试者纯粹使用神经活动来脑控制假肢时，一些神经元会主动探索新的调谐特性来完成运动任务。对这种神经调谐特性的预测可以帮助受试者更有效地适应大脑控制并保持良好的解码性能。现有的预测方法在手动控制中跟踪调谐特性的缓慢变化，这不适合于大脑控制中的快速神经适应。为了识别大脑控制中的活动神经元并跟踪其调谐特性的变化，提出了一种全局自适应点过程方法（GaPP），从锋电位序列中估计神经元的调制状态，将其分解为超优先方向，并在双模型框架下重建运动学.我们实现的方法从大鼠执行手动控制和大脑控制下的两个杠杆的歧视任务的真实数据。结果表明，我们的方法成功地预测了神经调制状态，并确定了在大脑控制中变得活跃的神经元。与现有的方法相比，我们的跟踪超首选方向从手动控制到大脑控制的快速变化更准确，更有效，更好，更快地重建运动学。
2021-07-27 eess.SP q-bio.NC
Optimal signal transmission and timescale diversity in a model of human brain operating near criticality
本研究开发人脑二阶平均场模型，发现临界性是实现最优信号传输与时间尺度多样性的统一机制，结构连接体与临界性共同塑造了大脑的内在时间尺度层级。
2024-12-22 physics.bio-ph q-bio.NC
Learning in brain-computer interface control evidenced by joint decomposition of brain and behavior
基于运动图像的脑机接口（BCI）利用个体自主调节局部脑活动的能力作为运动功能障碍的治疗或探索脑活动与行为之间的因果关系。然而，许多人无法学会成功地调节他们的大脑活动，这极大地限制了BCI在治疗和基础科学研究中的功效。先前的研究表明，跨不同认知系统的连贯活动是能够成功学习控制BCI的个体的标志。然而，很少有人知道这些分布式网络如何通过时间来支持学习。在这里，我们通过构建和应用多模态网络方法来解决这一知识差距，以利用MEG来破译基于运动图像的脑机接口学习中的脑行为关系。具体来说，我们采用最小约束矩阵分解方法（非负矩阵分解），同时确定正则化，共变子图的功能连接，评估其相似性的任务性能，并检测其随时间变化的表达。个体在子图的空间属性（如额叶与大脑其他部分的连接）和子图的时间属性（如达到最大表达的学习阶段）方面也表现出明显的差异。根据这些观察，我们建立了一个概念模型，在这个模型中，某些子图通过调节维持注意力的重要区域的大脑活动来支持学习。为了测试这个模型，我们使用的工具，规定区域动态的网络系统（网络控制理论），并发现好的学习者显示一个单一的子图，其时间表达跟踪性能和其架构支持容易调制的大脑区域的重要注意。
2019-08-02 q-bio.NC
The impact of aging on human brain network target controllability
了解很少的分布式区域可以控制大规模的大脑活动是一个具有实际意义的基本问题，从诱导特定的行为模式到对抗疾病。最近基于网络可控性的努力为单个区域通过底层结构连接体影响全脑动力学的潜在能力提供了新的见解。然而，控制整个大脑活动通常是不可行的，也不总是必要的。单个区域是否能够控制特定的目标子系统的问题仍然至关重要，尽管仍然探索不足。此外，大脑网络的结构在整个生命周期中表现出渐进的变化，但对可控性特性的可能后果知之甚少。为了解决这些问题，我们采用了一种新的目标可控性方法，量化了大脑节点在控制特定目标解剖功能系统中的中心性。然后，我们研究了从5至85岁的健康个体中获得的人类连接体中的这种目标控制中心性。主要结果表明，感觉运动系统具有很高的影响能力，但很难为其他领域的影响it.Further，我们报告说，目标控制中心随年龄而变化，颞顶叶区域，其皮层变薄是至关重要的痴呆症相关疾病，表现出较低的值在老年人。通过模拟有针对性的攻击，如19发生在局灶性中风，我们表明，同侧半球是最受影响的一个，无论受损的区域。值得注意的是，这种目标控制中心性的退化在年轻人中更为明显，从而支持中风后的早期脆弱性假设。
2022-10-09 q-bio.NC
Lateral Control of Brain-Controlled Vehicle Based on SVM Probability Output Model
针对脑电信号非平稳与BCI个体差异导致脑控车辆控制性能差的问题，提出结合FBCSP算法与SF-SVM概率输出模型的横向控制方案，有效提升了车道保持任务的完成率。
2024-03-09 q-bio.NC
Path-dependent connectivity, not modularity, consistently predicts controllability of structural brain networks
人类大脑显示出丰富的交流动态，这被认为是特别好地反映在其显着的社区结构。然而，结构性大脑网络中的社区结构与由此产生的通信动态之间的精确关系还没有得到很好的理解。除了提供对网络系统的结构-功能关系的洞察之外，这种理解是朝着以有针对性的方式操纵大脑大规模动态活动的能力迈出的关键一步。我们调查的作用，社区结构的可控性结构脑网络。在区域一级，我们发现，某些网络措施的社区结构有时统计相关的措施的线性可控性。然而，我们随后证明了这种关系取决于网络边缘权重的分布。我们强调社区结构和可控性之间的关系的复杂性，通过使用正则图模型进行数值模拟，不同的中尺度架构和边缘权重分布。最后，我们证明了加权子图中心性（一种植根于图谱的度量，并且可以捕获更高阶的图架构）是可控性的更强、更一致的预测因子。我们的研究有助于了解大脑的不同中尺度结构如何支持瞬态通信动态。
2020-12-18 q-bio.NC
Developmental increases in white matter network controllability support a growing diversity of brain dynamics
随着人类大脑的发展，它越来越支持神经活动的协调控制。白质进化以支持这种协调的机制尚不清楚。我们使用882名8至22岁青年的扩散成像数据的网络表示来表明，白质连接变得越来越优化，以适应各种各样的预测动态发展。值得注意的是，皮质下区域的稳定控制器与认知表现呈负相关。调查支持这些变化的结构机制，我们模拟网络的演化与一组增长规则。我们发现，所有的大脑网络都是以高度优化的网络控制方式构建的，在儿童和老年人中预测了不同的控制机制。我们证明，我们的研究结果不能简单地解释网络模块化的变化。这项工作揭示了人类大脑发育的一种可能机制，该机制优先优化动态网络控制而不是静态网络结构。
2017-10-02 cond-mat.dis-nn nlin.CD q-bio.NC
Closed-loop neurostimulation in real-time for the treatment of pathological brain rhythms
精神障碍可能表现出病理性脑节律，神经刺激有望通过改变这些节律来缓解患者的症状。如今，大多数神经刺激方案是开环的，即，独立于可能产生次优治疗的患者大脑活动来管理实验刺激方案。我们提出了一个闭环反馈控制方案估计最佳刺激的基础上观察到的大脑活动。根据用户定义的目标频率分布选择最佳刺激，这允许实时调整大脑活动的频率。数学描述详细说明了主要的控制元素和应用程序，以生物逼真的模拟大脑活动说明该计划的可能权力在医疗实践中。临床相关性-所提出的神经刺激控制主题有望允许医务人员实时调整患者的大脑活动。
2023-03-20 q-bio.NC
Reverse engineering the brain input: Network control theory to identify cognitive task-related control nodes
提出基于网络控制理论的输入识别框架，通过逆向工程识别认知任务中的大脑控制节点及输入，在合成数据与200名受试者运动任务fMRI数据上验证了其能准确重构神经动力学并识别出28个控制节点。
2024-04-25 cs.SY eess.SY q-bio.NC
BCMI-Driven Motion Control Detection: EEG-Based Machine Learning and Interaction Entropy for High-Order Brain Networks
College of Information and Control Engineering, Xi'an University of Architecture and Technology（西安建筑科技大学信息与控制工程学院）；Department of Neurosurgery, General Hospital of Central Theater Command（中部战区总医院神经外科）
本文研究音乐辅助模拟驾驶中认知运动控制检测及神经调节机制，利用EEG交叉信息熵构建动态高阶网络模型，揭示音乐听和驾驶时脑网络动态协调，发现音乐刺激驾驶中高阶连接性和信息熵增强，证明高阶特征在解码音乐模拟驾驶中脑运动控制状态的重要性。
2026-03-16 q-bio.NC
CREIMBO: Cross-Regional Ensemble Interactions in Multi-view Brain Observations
针对现有神经活动分析方法可解释性差或模型过度简化的问题，提出CREIMBO模型，通过图驱动字典学习和低维流形建模，从异步多视图脑观测中学习非平稳神经动力学，能解耦重叠神经过程并区分全局与会话特异计算。
2025-01-12 q-bio.NC q-bio.QM stat.ML
Natural movement with concurrent brain-computer interface control induces persistent dissociation of neural activity
随着脑机接口（BCI）技术的发展，它可能会被纳入补充和补充用户现有运动的协议。这种控制的两种可能的情况可能是：越来越多的兴趣来控制人工多余的假肢，或在脑损伤后的情况下，BCI可以与残余运动一起恢复能力。在这项研究中，我们探讨了人类运动皮层能够通过BCI同时控制运动和公开执行运动的程度。重要的是，这两种运动类型都是由相同的皮质部位驱动的。通过这种方式，我们的目标是将该皮层部位的活动与正在进行的运动分离开来，而是允许BCI的表示和控制与运动皮层活动一起发展。我们调查了BCI的性能及其对最初与外显执行相关的运动诱发电位的影响。
2016-04-05 q-bio.NC
Optimally controlling the human connectome: the role of network topology
为了满足持续的认知需求，人类大脑必须从一种大脑状态无缝转换到另一种状态，在这个过程中利用不同的认知系统。大脑的解剖连接网络是如何帮助促进这种转变的？这个网络的哪些特征有助于使一个过渡容易而另一个过渡困难？在这里，我们使用网络控制理论来解决这些问题。我们计算最佳输入信号，以驱动大脑进入和离开由不同认知系统主导的状态。输入信号使我们能够评估不同大脑区域的贡献。我们表明，这种贡献，我们衡量的能量，与区域的加权度。我们还表明，网络的可沟通性，一个衡量大脑区域之间的直接和间接连接，预测在何种程度上大脑区域补偿时，输入到另一个区域被抑制。最后，我们确定了大脑应该开始（和结束）的最佳状态，以最大限度地减少过渡能量。我们发现，最佳的目标状态显示高活性的枢纽地区，暗示大脑的丰富的俱乐部。此外，当富人俱乐部组织被破坏时，与状态转换相关的能量成本显著增加，这表明大脑区域的丰富性使它们成为理想的目标。
2016-03-16 q-bio.NC
A Novel Brain-Computer Interface Architecture: The Brain-Muscle-Hand Interface for replicating the motor pathway
Zhengzhou University（郑州大学）；Henan Provincial Key Laboratory of Brain Science and Brain-Computer Interface Technology（河南省脑科学与脑机接口技术重点实验室）；Xi’an Jiaotong University（西安交通大学）；Rocket Force University of Engineering（火箭军工程大学）；University of Electronic Science and Technology of China（电子科技大学）；Chinese Academy of Medical Sciences（中国医学科学院）
本研究提出BMHI，通过解码EEG信号重建肌肉EMG活动，实现连续自然的运动控制，显著提升解码准确性和效率。
2025-11-25 q-bio.NC
Exploring Brain-wide Development of Inhibition through Deep Learning
Brain Research Institute (HiFo), UZH（苏黎世大学脑研究所（HiFo））；Neuroscience Center Zurich (ZNZ), UZH/ETH Zurich（苏黎世神经科学中心（ZNZ），苏黎世大学/苏黎世联邦理工学院）；Department of Information Technology and Electrical Engineering (D-ITET), ETH Zurich（苏黎世联邦理工学院信息技术与电子工程系（D-ITET））
本文介绍了一种基于全自动卷积神经网络的脑图像处理方法--DeNeRD。我们的方法以发育中的小鼠大脑作为输入，i）将大脑切片与发育中的小鼠参考图谱配准，ii）检测各种类型的神经元，iii）在不同的出生后（P）时间点量化许多独特的大脑区域中的神经密度。我们的方法对神经元的形状、大小和表达是不变的，通过使用DeNeRD，我们比较了P4、P14和P56年龄段发育中大脑中所有GABA能神经元的全脑神经密度。我们发现并报道了小鼠大脑中6个不同的区域群，其中GABA能神经元从早期（P4）到成年（P56）以不同的方式发育。这些集群揭示了GABA能细胞发育的关键步骤，这些步骤似乎与小鼠从感觉信息的被动接收者（<P14）转变为主动寻求者（>P14）时不同脑区的功能发育有关。
2018-07-09 cs.CV q-bio.NC q-bio.QM
Brain networks reveal the effects of antipsychotic drugs on schizophrenia patients and controls
脑网络的研究，包括来自功能神经成像数据，吸引了广泛的兴趣，并代表了一个快速增长的跨学科领域。将健康志愿者的网络与患者的网络进行比较，可能会提供新的定量诊断方法，以及更好地理解大脑和精神疾病的框架。我们通过网络措施探索静息状态的功能磁共振成像数据，并证明，不仅有一个独特的网络结构，在健康的大脑中，精神分裂症是中断，而且这两个网络响应药物。我们构建了代表15名健康个体和12名精神分裂症患者（男性和女性）的网络，所有这些患者都接受了三种药物治疗：（i）安慰剂;和两种抗精神病药物（ii）阿立哌唑和（iii）舒必利。我们首先重现了既定的发现，即与对照组相比，精神分裂症患者的大脑网络表现出更高的效率和更少的聚类。然后，我们的数据显示，抗精神病药物减轻了这种影响，将指标转移到健康志愿者中观察到的指标，两种药物之间的疗效存在显着差异。此外，我们发现阿立哌唑大大改变了健康对照组的网络统计数据。使用认知能力测试，我们确定阿立哌唑也会对他们的表现产生不利影响。这提供了证据，表明宏观大脑网络结构的变化会导致可测量的行为差异。这是第一次以这种方式评估不同的药物。我们的研究结果奠定了基础，一个客观的方法来计算和比较不同的治疗精神和大脑疾病的疗效。
2018-06-04 q-bio.NC
The physics of brain network structure, function, and control
大脑是一个复杂的器官，其特征是结构连接的异质模式，支持无与伦比的认知和广泛的行为。新的非侵入性成像技术现在允许这些模式在个体人类和动物中仔细而全面地映射。然而，了解大脑的结构布线如何支持认知过程仍然是一个根本性的挑战，这对心理健康障碍的个性化治疗具有重大意义。在这里，我们回顾了最近的努力，以满足这一挑战，从物理学的直觉，模型和理论，跨越统计力学，信息论，动力系统和控制的领域。首先，我们考虑在对称性、空间嵌入和能量最小化的约束下，在结构布线中实例化的脑网络架构的组织原则。接下来，我们考虑大脑网络功能的模型，这些模型规定了神经活动如何沿着这些结构连接传播，从而产生支持丰富系统功能的长程相互作用和集体动力学。最后，我们考虑了脑网络控制的微扰实验和模型，这些实验和模型利用沿着结构线的信号传输的物理学来推断支持目标导向行为的内在控制过程，并为神经系统疾病和精神疾病的基于刺激的治疗提供信息。在整个过程中，我们强调了大脑网络结构，功能和控制的物理学中的几个开放性问题，这些问题需要愿意勇敢面对生命物质复杂性的物理学家的创造性努力。
2019-01-07 physics.bio-ph q-bio.NC
Bayesian mechanics of perceptual inference and motor control in the brain
神经科学中的自由能原理（FEP）规定，所有可行的代理诱导和最小化大脑中的信息自由能，以适应其环境生态位。在这项研究中，我们继续努力，使FEP一个更物理原则的形式主义，实现自由能最小化的基础上最小的行动原则。我们通过将早期出版物（Kim 2018）中报告的公式转化为考虑被动感知之外的主动推理来建立贝叶斯力学（BM）。BM是FEP下连续时间变分贝叶斯的神经实现。所得到的BM被提供为有效的汉密尔顿运动方程，并且受到由大脑在本体感受水平的预测误差引起的控制信号的影响。为了证明我们的方法的实用性，我们采用了一个简单的基于代理的模型，并提出了一个具体的数值说明的大脑执行识别动力学集成BM在神经相空间。此外，我们概括了FEP的主要理论架构，通过比较我们的方法与常见的状态空间配方。
2021-01-21 q-bio.NC
Controllability of Brain Networks
University of Pennsylvania（宾夕法尼亚大学）；University of California, Riverside（加州大学河滨分校）；University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
研究通过网络控制理论揭示大脑在白质微结构网络组织中切换认知状态的机制，发现高连接区域促进易达状态切换，低连接区域促进难达状态切换，边界区域促进认知系统整合与分割。
2014-06-19 cs.SY eess.SY q-bio.NC
Optimal Trajectories of Brain State Transitions
神经动力学的复杂性部分源于底层解剖结构的复杂性。然而，白质结构的组织如何限制大脑如何从一种认知状态过渡到另一种认知状态仍然是未知的。在这里，我们从计算的角度来解决这个问题，将大脑状态定义为大脑区域的活动模式。利用网络控制理论的最新进展，我们模拟了由区域集合的集体控制引起的大脑状态转换的潜在机制。具体来说，我们研究了大脑如何在有限的时间内从一个指定的初始状态（其特征是在默认模式下的高活动）到一个指定的目标状态（其特征是在初级感觉运动皮层的高活动）。在所有的状态转换中，我们观察到，边缘上回和顶下小叶始终充当有效的，低能量的控制枢纽，与它们与感觉运动皮层的关键输入区域的强大解剖学连接一致。重要的是，这些和其他地区的额顶叶，扣带，鳃盖和注意力系统都准备影响一系列广泛的状态转换，不能很容易地分类的传统概念的控制常见的工程文献。这种理论上的多功能性伴随着易受伤害的脆弱性。在轻度创伤性脑损伤患者中，我们观察到假定控制过程的特异性丧失，这表明神经生理活动对损伤诱导的噪声更敏感。这些结果为健康认知中驱动大脑状态转变的机制及其在受伤后的改变提供了全新的见解。
2017-01-10 q-bio.NC
What kind of noise is brain noise: anomalous scaling behavior of the resting brain activity fluctuations
“静息”脑区之间的持续相互作用定义了所谓的静息状态网络（RSN），其可以通过分析功能磁共振成像（fMRI）数据来重建。什么样的动力机制允许RSN的灵活的大规模组织仍然是一个重要的挑战。在这里，RSN的三个关键的新特性被发现。首先，相关长度（即，两个区域之间的相关性消失的长度）随着所考虑的集群的大小而发散。第二，这种分歧也被观察到的互信息的措施。第三，fMRI平均信号的方差在观察到的簇大小的整个范围内保持恒定，与天真的期望相反。揭示的尺度不变性揭示了RSN在非常不同的网络大小，架构和功能中的最佳信息共享特性，这可能是健康大脑动力学的重要标志。
2012-08-09 q-bio.NC
Brain state stability during working memory is explained by network control theory, modulated by dopamine D1/D2 receptor function, and diminished in schizophrenia
动态的大脑状态转换对于灵活的工作记忆是至关重要的，但其网络机制还不完全清楚。在这里，我们表明，工作记忆需要大脑活动状态之间的切换。状态的稳定性与多巴胺D1受体基因表达有关，而状态转换受D2受体表达和药理学调节的影响。精神分裂症患者表现出改变的网络控制特性，包括更多样化的能量景观和工作记忆表征的稳定性下降。
2019-06-21 physics.bio-ph q-bio.NC
The Diverse Club: The Integrative Core of Complex Networks
一个复杂的系统可以被表示和分析为一个网络，其中节点表示网络的单元，而边表示这些单元之间的连接。例如，大脑网络将神经元表示为节点，将神经元之间的轴突表示为边。在许多网络中，一些节点具有不成比例的高数量的边。这些节点之间也有许多边，被称为富人俱乐部。在许多不同的网络中，这个俱乐部的节点被假定为支持全球网络整合。然而，另一组节点可能表现出更有利于全球网络集成的连接结构。在这里，在无数不同的生物和人造网络中，我们发现了多样性俱乐部--一组边缘分布在网络中的节点。多样性俱乐部在更大程度上表现出与综合网络功能相一致的特性，这些节点之间的相互联系更加紧密，它们的边缘对于有效的全球一体化更加重要。此外，我们提出了一个生成的进化网络模型，产生一个不同的俱乐部，但不是一个丰富的俱乐部的网络，从而表明，这两个俱乐部可能通过不同的选择压力演变。考虑到我们分析的各种不同的网络，C。线虫、猕猴的大脑、人类的大脑、美国的电网和全球的空中交通--这个多样化的俱乐部在复杂的网络中似乎无处不在。这些结果保证了所有复杂系统中两个临界节点俱乐部的区分和分析。
2017-06-27 physics.soc-ph q-bio.NC
Brain modularity controls the critical behavior of spontaneous activity
人类大脑呈现出一种由无标度的高度连接模块组成的复杂结构，这些模块通过较弱的链接松散地相互连接，形成一个小世界网络。这些特征出现在健康患者中，而神经系统疾病通常会改变这种结构。一个重要的悬而未决的问题是关于大脑模块化在维持自发活动的关键行为中的作用。在这里，我们分析了一个模型的神经元活动，成功地在非模块化网络上再现了实验数据中观察到的缩放行为，在模块化网络上实现了在人脑中测量的主要统计特征。我们表明，在一个模块化的网络，无论突触连接的强度或模块的大小和数量，活动从来没有完全无标度。神经元雪崩可以侵入不同的模块，导致活动抑制，阻碍进一步的雪崩传播。如果添加模块间连接，将模块修改为更随机的结构，则仅恢复关键行为。
2014-03-25 q-bio.NC
Heterarchy in the Brain: Control as a Spectrum, Not a Chain of Command
University of Maryland, College Park（马里兰大学帕克分校）；Université du Luxembourg（卢森堡大学）
本文反驳大脑为固定控制层级，提出控制是关系性、过程特异的谱系，由动力学解耦索引，并产生可检验预测。
2026-10-06 q-bio.NC
Using EEG-based brain connectivity for the study of brain dynamics in brain-computer interfaces
大脑连接的分析旨在了解功能网络进入大脑的出现。这些信息可用于脑机接口（BCI）的脑电（EEG）信号分析和分类过程中。这些系统为有运动障碍的人提供了另一种沟通和控制渠道。在这篇文章中，提出了四种策略，用于在BCI环境中使用脑连接作为工具，以更深入地了解大脑机制，其主要目的是结合不同的神经技术和外骨骼开发面向步态神经康复的方案。这一计划将有助于改进现有计划和/或设计新的控制战略以及康复方法。
2020-07-18 q-bio.NC stat.AP
Ownership and Agency of an Independent Supernumerary Hand Induced by an Imitation Brain-Computer Interface
为了研究身体的所有权和控制权，人们广泛使用了在非身体物体上引发这些感觉的错觉。经典的介绍与橡胶手错觉，这些幻想已被复制最近在虚拟现实和使用脑机接口。传统上，这些错觉研究的是用人造的对应物替换身体的一部分，然而，随着脑机接口研究的发展，它为我们提供了探索除了我们自己的肢体运动之外还控制非身体物体的可能性。因此，我们提出了一个新的错觉，旨在测试的感觉拥有和控制的独立多余的手。受试者的印象是他们通过脑机接口控制虚拟现实手，但实际上大脑活动和虚拟手运动之间没有因果关系，但观察到正确运动的概率为80%。这些模拟的脑机接口试验穿插着受试者真实双手的动作，这在整个实验中都是可见的。我们发现，受试者对第三只手产生了强烈的所有权和控制感，尽管他们只接受视觉反馈，与实际的大脑信号没有因果关系。我们的错觉与以前报道的研究有很大的不同，因为我们证明了第三只手的独立所有权和控制权，而不会失去真正手中的所有权。
2016-05-27 cs.HC q-bio.NC
Closed-loop control of gamma oscillations in the brain connections through the transcranial stimulations
本研究结合EEG数据分析与皮层神经网络建模，探究经颅刺激调控脑连接重构的机制，发现长时程tDCS/rTMS下持续伽马振荡可促进星形胶质细胞释放BDNF，正向重塑兴奋性神经元连接。
2024-03-11 q-bio.NC
Cognitive Control in the Controllable Connectome
认知是由神经生理过程支持的，这些过程既发生在局部解剖学邻域中，也发生在分布式大规模回路中。网络控制理论的最新证据表明，连接大规模大脑区域的白质通路提供了一个关键的底物，限制了单个区域影响控制这些过程的能力。然而，没有直接的证据存在大脑网络的可控性和认知控制性能之间的关系。在这里，我们通过从125名健康成年人获得的弥散张量成像数据构建结构脑网络来解决这一差距。我们定义了一个简化的大脑动力学模型，并模拟网络控制来量化模态和边界可控性，它们共同描述了一个区域的理论预测偏好的互补特征，以驱动大脑进入不同的认知状态。我们观察到，这些控制功能的结构连接性的个体差异显着相关的认知控制性能的个体差异，测量的连续性能注意力测试，颜色/形状切换任务，Stroop抑制任务，和空间n-回工作记忆任务。事实上，像前扣带回这样的控制中枢与默认模式和额叶联想区的区别在于它们的控制特性与认知功能的个体差异之间的关系。这些结果提供了第一个经验证据，网络控制形成了认知控制的基本机制。
2016-06-29 q-bio.NC
Controlling the Error on Target Motion through Real-time Mesh Adaptation: Applications to Deep Brain Stimulation
我们提出了一个误差控制的网格细化过程针插入模拟，并将其应用于模拟电极植入脑深部刺激，包括脑移位。我们的方法能够通过适当地细化网格来控制针尖和针轴周围的位移和应力场的计算中的误差，同时在域的其他部分保持较粗的网格。我们证明，通过学术和实际的例子，我们的方法提高了针周围的位移和应力场的精度，而不增加计算费用。这使得实时的【形】模拟成为可能。所提出的方法有直接的影响，以增加准确性和控制的计算费用的模拟经皮手术，如活检，近距离放射治疗，区域麻醉，或冷冻治疗，并可能是必不可少的机器人指导的发展。
2017-09-30 cs.CE q-bio.NC
Airborne Ultrasonic Tactile Display Brain-computer Interface -- A Small Robotic Arm Online Control Study
University of Tsukuba（筑波大学）；RIKEN Brain Science Institute（日本理化学研究所脑科学研究所）；The University of Tokyo（东京大学）
我们报告了一个扩展的机器人控制应用程序的非接触式和机载超声触觉显示器（AUTD）刺激为基础的脑机接口（BCI）的范例，获得了去年的年度BCI研究奖2014年。在获奖的人类通信增强范例中，六个手掌位置被用来唤起体感大脑反应，以定义一种新的非接触式触觉BCI。最后给出了一个小型机器人管理的应用实例，用户可以在线控制小型机器人。
2015-01-30 cs.HC cs.RO q-bio.NC
Models of communication and control for brain networks: distinctions, convergence, and future outlook
最近在人脑中信号传播和路由的计算模型方面的进展强调了白质结构的关键作用。一种补充方法利用网络控制理论的框架来更好地理解白质如何约束一个区域或一组区域可以指导或控制其他区域活动的方式。尽管这两种方法都有可能增强我们对网络结构在大脑功能中的作用的理解，但很少有工作试图了解它们之间的关系。在这里，我们寻求明确的桥梁计算模型的通信和网络控制的原则，在目前的文献的概念审查。通过绘制通信和控制模型之间的抽象层次，动态复杂性，对网络属性的依赖性，以及多个时空尺度的相互作用的比较，我们突出了这两个框架之间的收敛性和区别。基于对人脑网络中通信和控制相互交织本质的理解，这项工作为该领域提供了综合视角，并概述了未来工作的令人兴奋的方向。
2020-02-17 physics.bio-ph q-bio.NC
Large-scale neural recordings call for new insights to link brain and behavior
今天的神经科学家可以测量比以往任何时候都多的神经元的活动，并且面临着将这些大脑范围的神经记录与计算和行为联系起来的挑战。在这里，我们首先描述了用于探测大规模大脑活动的新兴工具和技术，以及在这种测量的背景下表征行为的新方法。接下来，我们强调了从不同模型系统中的大规模神经记录中获得的见解，并认为其中一些对传统的理论框架构成了挑战。最后，我们阐述了现有的建模框架来解释这些数据，并认为解释全脑神经记录需要新的理论方法，这可能取决于所需的理解水平。神经记录和理论发展的这些进展将为我们理解大脑的关键进展铺平道路。
2021-07-25 q-bio.NC
BrainWorld: A Structural-Prior-Conditioned Generative Model for Whole-Brain 4D fMRI Dynamics
Department of Biomedical Engineering, Southern University of Science and Technology（南方科技大学生物医学工程系）；School of Biomedical Engineering, Shenzhen University（深圳大学生物医学工程学院）
提出BrainWorld模型，利用结构MRI作为解剖先验条件，通过去噪过程生成全脑4D fMRI动态，在22个数据集上稳定生成400帧轨迹，并通过生成样本增强提升下游任务性能。
2026-06-17 cs.CV q-bio.NC
Do Language Models Align with Brains? Prediction Scores Are Not Enough
School of Artificial Intelligence, The Chinese University of Hong Kong, Shenzhen, China（人工智能学院，香港中文大学（深圳））
本文通过L-PACT框架评估语言模型与大脑的对齐性，发现预测分数不足以支持两者对齐的结论，所有测试结果均被控制条件解释。
2026-05-13 cs.AI q-bio.NC
Controlling collective dynamical states of mesoscale brain networks with local perturbations
振荡同步被假设为支持大脑区域之间的信息流动，不同的锁相配置能够激活不同的有效相互作用。沿着这些思路，过去的工作提出了多稳态锁相作为硬连线大脑网络灵活支持多种功能模式的一种手段，而不必重新配置它们的解剖连接。考虑到实际通信和相位锁定状态之间的潜在联系，理解如何控制这些状态以实现实际电路中功能连接的快速改变是很重要的。在这里，我们研究功能状态控制的耦合神经质量的小网络，显示集体多稳定性下确定性的条件下，并显示更多的生物现实的不规则振荡和瞬态锁相条件是随机的。特别是，我们调查这些中尺度电路的外部信号，目标只有一个单一的子单元的全球响应。主要集中在更现实的情况下，其中网络动态是随机的，我们确定的条件下，本地输入（i）可以触发快速过渡到拓扑不同的功能连接图案是暂时稳定的（“状态切换”），（ii）可以平滑地调整用于特定的超前-滞后关系集合的相位关系的空间模式（“状态变形”），以及（iii）不能调节全局锁相状态。总的来说，我们的研究结果增加了越来越多的文献，强调多稳态，interreal相干模式的调制可以为灵活的大脑网络操作提供基础。
2022-08-25 q-bio.NC
Real-Time Brain-Computer Interface Control of Walking Exoskeleton with Bilateral Sensory Feedback
本研究首次提出双向脑机接口（BDBCI），利用双侧腿部运动和感觉皮层，在便携嵌入式系统上实现大脑控制行走与双侧腿部感觉反馈，为截瘫患者提供全植入式且无外部依赖的解决方案。
2025-04-30 cs.HC q-bio.NC
Learning and comparing functional connectomes across subjects
功能性连接体通过功能性磁共振成像信号的同步波动来捕获大脑相互作用。如果在休息时测量，它们会映射大脑的内在功能结构。通过任务驱动的实验，它们代表了专门大脑区域之间的整合机制。分析它们在不同受试者和条件下的变异性可以揭示大脑病理和认知机制的标志。从成像信号中估计功能连接体的方法经历了快速的发展，文献中充满了不同的策略来比较它们。本文旨在阐明功能连接方法之间的联系，并揭示不同的步骤来进行功能连接组的研究。
2013-04-14 q-bio.NC
Prediction and Control of Focal Seizure Spread: Random Walk with Restart on Heterogeneous Brain Networks
全脑模型提供了一种很有前途的预测癫痫发作扩散的方法，这对于成功地手术治疗局灶性癫痫至关重要。现有的研究方法大多基于结构连接体，忽略了大脑区域兴奋性异质性的影响。在这项研究中，我们使用了一个全脑模型来证明节点兴奋性的异质性对网络中的癫痫发作传播有显著影响，并损害了结构连接的预测准确性。然后，我们解决了这个问题的一个算法的基础上重新开始的随机游走图。实验结果表明，该算法通过建立各节点的重启概率与兴奋性之间的关系，可以显著提高异构网络中癫痫发作传播的预测精度，并且对异构程度具有更强的鲁棒性.我们还制定了手术癫痫控制的策略，作为一个过程，以确定和删除负责从病灶区域癫痫发作的早期传播的关键节点（连接）。与基于结构连接的策略相比，采用基于mRWER的策略的虚拟手术产生了高成功率的结果，同时通过去除更少的解剖连接来保持对大脑的低损伤。这些发现可能在制定个性化的癫痫手术策略方面具有潜在的应用价值。
2022-04-14 physics.bio-ph q-bio.NC
Stimulation-based control of dynamic brain networks
University of Pennsylvania（宾夕法尼亚大学）；US Army Research Laboratory（美国陆军研究实验室）；University at Buffalo, SUNY（纽约州立大学布法罗分校）；University of California, Riverside（加州大学河滨分校）；University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
研究通过数据驱动模型探讨区域刺激对脑网络的影响，揭示区域可控性与局部/全局刺激效应的关系，并发现默认模式系统在结构约束下仍能产生大范围变化。
2016-01-05 cs.SY eess.SY q-bio.NC
Brain Network Adaptability Across Task States
人类大脑的活动在不同的功能状态之间移动，以满足我们动态环境的需求，但指导这些转变的基本原则仍然知之甚少。在这里，我们利用网络科学的最新进展来分析大脑区域之间的功能相互作用模式。我们使用动态网络表征来探测大脑重构的景观，这些重构伴随着四种认知状态内和之间的任务表现：无任务休息状态，注意力要求状态和两种记忆要求状态。使用超图的形式主义，我们确定了存在的功能性相互作用，随着时间的推移，在（特定任务）和跨（一般任务）的大脑状态的强度波动连贯的组。与先前强调的许多二元（区域到区域）关系的复杂性相反，这些结果表明，大脑的适应能力可以通过驱动认知系统动态整合的共同过程来描述。此外，我们的研究结果建立了超图作为理解功能性脑动力学的有效措施，这也可能被证明是有用的检查跨任务，跨年龄，跨队列的功能变化。
2014-07-30 q-bio.NC
Controlling seizure propagation in large-scale brain networks
信息在人脑中的传递从根本上说是一个动态网络过程。在部分性癫痫中，这一过程受到干扰，高度同步的癫痫发作起源于一个局部网络，即所谓的致痫区（EZ），然后再招募其他近距离或远距离的大脑区域。我们研究了15例植入立体定向脑电图（SEEG）电极的耐药癫痫患者的患者特异性脑网络模型。每个个性化的大脑模型来自磁共振成像（MRI）和扩散张量加权成像（DTI）的结构数据，包括88个节点配备有区域特异性神经质量模型，能够证明一系列癫痫样放电。每个病人的虚拟大脑进一步个性化，通过整合临床假设的EZ。随后的模拟和连接调制进行，并发现了一个有限的剧目癫痫发作传播模式。在患者中，我们发现（i）患者特定的网络连接性可预测随后的癫痫发作传播模式;（ii）癫痫发作传播的特征在于大脑状态的系统序列;（iii）传播可以通过对连接矩阵的最佳干预来控制;（iv）与传统切除手术相比，通过本文提出的癫痫发作控制可以显著降低侵入性程度。为了阻止癫痫发作，神经外科医生通常会完全切除EZ。我们表明，稳定性分析的网络动态使用图论度量估计可靠的时空特性的癫痫发作传播。这表明新的微创手术干预模式，以治疗和管理部分癫痫。
2018-04-10 cond-mat.dis-nn nlin.AO nlin.CD
Orangutan: A Multiscale Brain Emulation-Based Artificial Intelligence Framework for Dynamic Environments
Alibaba Group（阿里巴巴集团）
本研究提出多尺度类脑AI框架Orangutan，模拟多尺度脑结构与生化机制，构建了模拟人眼扫视的感觉运动模型，并经手写数字图像测试验证了算法有效性，为AGI研究提供新路径。
2024-06-18 cs.AI q-bio.NC
Gridbot: An autonomous robot controlled by a Spiking Neural Network mimicking the brain's navigational system
Rutgers University（罗格斯大学）
诚然，“最好的”神经网络不一定是具有最“类脑”行为的网络。然而，理解生物智能是几个不同学科的基本目标。将我们对智能的理解转化为机器是机器人技术中的一个基本问题。在神经科学新进展的推动下，我们开发了一个尖峰神经网络（SNN），该网络从越来越多的实验证据中得出，许多单个神经元与空间导航相关。通过遵循大脑的结构，我们的模型假设没有初始的所有对所有的连接，这可能会抑制其翻译到神经形态硬件，并通过将其识别的组件映射到有限数量的神经表征中，通过尖峰时间依赖可塑性（STDP）来学习未知的领域。在我们正在进行的努力，采用生物启发SNN控制的机器人在现实世界的空间映射应用程序，我们在这里演示如何SNN可以鲁棒地控制自主机器人在映射和探索未知的环境，同时补偿其自身固有的硬件缺陷，如部分或全部损失的视觉输入。
2018-07-05 cs.AI q-bio.NC
Towards the Artificial Brain: A Base Framework for Modelling Consciousness and Unconsciousness
本文提出了一个基础框架，通过借鉴身体、意识与无意识的交互来建模人类大脑运作，以辅助开发自主多用途人工大脑，从而创建、理解和控制人工意识系统。
2023-05-19 q-bio.NC
