Intrinsic Goals for Autonomous Agents: Model-Based Exploration in Virtual Zebrafish Predicts Ethological Behavior and Whole-Brain Dynamics
Neuroscience Institute, Carnegie Mellon University(卡内基梅隆大学神经科学研究所);Robotics Institute, Carnegie Mellon University(卡内基梅隆大学机器人研究所);Machine Learning Department, Carnegie Mellon University(卡内基梅隆大学机器学习系);IBM Thomas J. Watson Research Center, IBM Research(IBM沃森研究中心)
针对无奖励环境下探索不一致问题,提出基于模型的内在驱动力3M-Progress,通过在线世界模型与生态位先验的差异实现类动物探索,并首次仅凭内在目标预测斑马鱼全脑神经-胶质动力学,建立连接内在动机与自然行为的计算框架。
2025-10-24 cs.AI cs.LG cs.RO
Graph analysis of spontaneous brain network using EEG source connectivity
在休息时探索人类大脑网络是一个非常有趣的话题。一些结构和功能的研究已经进行了研究的内在脑网络。在本文中,我们专注于研究人类大脑网络拓扑结构,使用密集的脑电图(EEG)源连接方法。我们应用图论方法从14名健康受试者的EEG采集的静息状态数据重建的功能网络。我们的研究结果证实了被认为是功能枢纽的大脑区域的存在。特别是,扣带峡部和眶额区揭示了高水平的整合。结果还强调了默认模式网络(DMN)在实现大脑区域之间有效通信方面的关键作用。
2016-07-04 q-bio.NC
Influence of Neighborhood SES on Functional Brain Network Development
儿童时期较高的社会经济地位(SES)与认知能力的提高、学业成就的提高以及发育后期精神疾病发病率的降低有关。越来越多的证据表明,这些影响可能是由于环境因素引起的大脑发育变化。虽然先前的工作已经映射了邻里SES和大脑结构之间的关联,SES和内在神经动力学之间的关系知之甚少。在这里,我们利用一个大的社区为基础的样本(费城神经发育队列,年龄8-22岁,n=1012),检查发展变化的功能性脑网络拓扑结构估计从静息状态功能磁共振成像数据。我们定量地描述了这种拓扑结构,使用称为聚类系数的网络隔离的本地措施,并发现它占了更大程度的SES相关的方差比中尺度隔离捕获的模块化。虽然全脑聚类随着年龄的增长而增加,但高SES青年的聚类增长速度比低SES青年快,这种效应在边缘系统、躯体运动系统和腹侧注意系统中最为明显。SES对集群发展增长的影响是最强的中间物理长度的连接,与快速下降,在这些地区的本地连接在低SES青年一致,并跟踪BOLD信号复杂性的变化,在区域同质性的形式。我们的研究结果表明,邻里SES可能会从根本上改变内在模式的区域间的相互作用,在人类大脑的方式是一致的信息处理在童年后期和青春期更大的隔离。
2018-07-23 q-bio.NC
Topological Learning for Brain Networks
本文提出了一种新的拓扑学习框架,通过持久同源性集成不同大小和拓扑的网络。这种具有挑战性的任务是可能的,通过引入一个计算效率的拓扑损失。所提出的损耗的使用绕过了与匹配网络相关联的固有计算瓶颈。我们验证了广泛的统计模拟的方法,以评估其有效性时,区分不同的拓扑结构的网络。该方法在一项双胞胎脑成像研究中得到了进一步证明,我们在该研究中确定了大脑网络是否具有遗传性。这里的挑战是由于将从静息态功能MRI获得的拓扑不同的功能脑网络覆盖到通过扩散MRI获得的模板结构脑网络上的困难。
2023-01-27 cs.CG q-bio.NC
The neural ring: an algebraic tool for analyzing the intrinsic structure of neural codes
大脑中的神经元通过神经代码代表外部刺激。这些代码通常来自于刻板的刺激-反应图,将每个神经元与凸形感受野相关联。大脑面临的一个重要问题是在不知道感受野的情况下,仅使用神经代码的内在结构来推断所表示的刺激空间的属性。大脑是如何做到这一点的?为了解决这个问题,重要的是要确定什么样的刺激空间特征可以-原则上-从神经代码中提取。这促使我们定义神经环和相关的神经理想,代数对象编码的神经代码的完整组合数据。我们的主要发现是,这些对象可以表示在一个“规范形式”,直接转化为一个最小的描述感受野结构的内在代码。我们还发现连接到斯坦利-Reisner环,并使用类似的思想,在理论中的单项式理想,以获得一个算法,用于计算准单项式理想的主要分解。这使我们能够通过算法提取与任何神经代码相关的规范形式,为仅从神经活动推断刺激空间特征提供基础。
2013-05-21 math.AC math.AG math.CO
Flexible Traversal Through Diverse Brain States Underlies Executive Function in Normative Neurodevelopment
青春期的特点是执行功能的快速发展。越来越多的证据表明,成年人的执行功能可能是由神经生理过程的动态控制驱动的。然而,这些动态如何在青春期演变并有助于认知发展尚不清楚。使用一种新的动态图的方法,其中每个时刻的时间是一个节点,在两个不同的时间在大脑状态的相似性是一个边缘,我们确定两个主要的大脑状态,让人想起内在的和任务诱发的系统。我们证明,在这两种状态下花费的时间随着发育而增加,大脑在它们之间切换的灵活性也是如此。在初级状态和国家之间的灵活性所花费的时间增加与青少年时期的执行绩效增加有关。事实上,灵活性对成年早期的表现越来越有利。这些研究结果表明,大脑状态动力学的基础上的执行功能的发展,在关键时期的青春期。
2015-10-29 q-bio.NC
Frequency-specific segregation and integration of human cerebral cortex: an intrinsic functional atlas
National University of Defense Technology(国防科技大学)
人脑功能网络的频率特异性耦合机制是其复杂认知和行为功能的基础。然而,它并没有很好地揭示什么是人类大脑的频率特定的细分和网络拓扑结构。本研究利用频谱连接法估计了人类大脑皮层的功能连接,并利用特征聚类和梯度法对大脑皮层进行了频率特异性分组,探讨了其拓扑结构。使用HCP数据集中的184名受试者的7 T fMRI数据进行分组并探索功能网络的拓扑性质,使用另外890名受试者的3 T fMRI数据来确认频率特异性拓扑的稳定性。7 ~ 10个功能网络在特定频率下被2 ~ 4个可分离的枢纽类别稳定整合,根据跨频率的包裹,我们提出了一个包含456个包裹的内在功能图谱。结果表明,功能网络包含稳定的频率特异性拓扑结构,这可能意味着更丰富的功能单元的角色和更复杂的相互作用。
2021-03-27 cs.CV q-bio.NC
Functional brain modules reconfigure at multiple scales across the human lifespan
人类大脑是一个复杂的网络,由相互连接的大脑区域组成,这些区域被组织成在认知和行为中具有不同作用的功能模块。一个重要的问题是这些模块在人类生命周期中的持久性和稳定性。在这里,我们使用图论分析来算法揭示大脑在多个空间尺度上的内在模块化组织,从仅由几个大脑区域组成的小社区到由许多区域组成的大社区。我们发现,在粗尺度模块变得越来越隔离,而在更细的尺度隔离减少。模块组成也表现出规模特异性和年龄依赖性的变化。在粗略的尺度上,通常与控制、默认模式、注意力和视觉网络相关的区域的模块分配是高度灵活的。在精细尺度下,最灵活的区域与默认模式网络相关联。最后,我们发现,随着年龄的增长,在默认模式网络的一些区域,特别是压后皮质,保持更大比例的功能连接到自己的模块,而与躯体运动和显着性/腹侧注意网络相关的区域分布更均匀地跨模块的链接。
2015-10-27 q-bio.NC
Combined MEG and fMRI Exponential Random Graph Modeling for inferring functional Brain Connectivity
通过神经影像学技术估计的连接体丰富了我们对大脑组织特性的认识,从而发展了基于网络的临床诊断。不幸的是,迄今为止,许多基于网络的临床诊断工具,仅仅基于对所观察到的连接体的孤立实例的描述,是对真实连接网络的噪声估计。因此,对大脑连接网络进行建模对于更好地解释大脑的功能组织并允许推断特定的大脑特性非常重要。在这份报告中,我们提出了试点结果的建模组合MEG和功能磁共振成像神经成像数据期间获得的n-back记忆任务实验。我们采用混合指数随机图模型(Exponential Random Graph Model,ERGM)作为网络统计模型,对32名被试在0-back和2-back记忆任务实验中的9个脑磁图和功能磁共振成像数据进行了脑功能网络的底层处理。我们的研究结果表明,所有的功能连接体的9个主题具有强有力的证据,小世界的属性。通过成对比较条件进行的组水平比较显示,受试者之间的功能连接体没有显着差异。我们的混合ERGM成功地再现了重要的大脑特性,如功能分离和功能整合。然而,再现脑网络功能分离的ERGM区分了0-back和2-back条件,而再现这两种属性的模型未能成功区分这两种条件。我们的结果是有希望的,并将提高鲁棒性与更大的样本量。尽管如此,我们的初步结果倾向于支持以前的发现,功能分离和整合足以在统计上重现大脑网络的主要属性。
2018-05-23 q-bio.NC
Network properties of healthy and Alzheimer's brains
小世界结构通常被用来描述大脑中的结构连接。在这项工作中,我们比较了健康大脑和受阿尔茨海默病影响的大脑皮质区与人工小世界网络的结构连接。基于统计分析,我们证明了类似的小世界网络可以用Newman-Watts过程来构造。两个结构矩阵的网络量词的概率谷内确定。尽管结构连接矩阵和采样的小世界网络之间有相似之处,但在阿尔茨海默氏症的大脑中可以发现增加的重复性。我们的研究结果表明,网络量词可以帮助识别真正的结构连接矩阵的异常。
2019-05-24 physics.soc-ph q-bio.NC
Altered Topological Properties of Functional Brain Network Associated with Alzheimer's Disease
The Chinese University of Hong Kong(香港中文大学)
本研究利用图论分析对比了175名AD患者与415名对照的脑网络拓扑性质,发现AD组存在异常的网络整合与分离,有助于理解AD病理生理学并识别生物标志物。
2023-05-16 cs.CV q-bio.NC
Same Cause; Different Effects in the Brain
Princeton University(普林斯顿大学);Max Planck Institute for Software Systems(马克斯·普朗克软件系统研究所);Carnegie Mellon University(卡内基梅隆大学);Google Research(谷歌研究院)
为了研究大脑中的信息处理,神经科学家在记录参与者大脑活动的同时操纵实验刺激。然后,他们可以使用编码模型来找出从刺激属性预测哪个大脑“区域”(例如,哪个感兴趣区域、体积像素或电生理传感器)。考虑到这种设置的假设,当刺激属性预测区域中的活动时,这些属性被理解为导致该区域中的活动。近年来,研究人员已经使用神经网络来构建表征,以捕捉复杂刺激的不同属性,例如自然语言或自然图像。使用这些高维表征构建的编码模型通常能够显著预测大片皮层的活动,这表明所有这些大脑区域的活动都是由表征中捕获的刺激属性引起的。于是,人们自然会问:“这些不同脑区的活动是由刺激特性以相同的方式引起的吗?“用神经科学的术语来说,这相当于问这些不同的区域是否以相同的方式处理刺激特性。在这里,我们提出了一个新的框架,使研究人员能够询问刺激的属性是否以相同的方式影响两个大脑区域。我们使用模拟数据和两个真实的功能磁共振成像数据集与复杂的自然刺激,以表明我们的框架使我们能够做出这样的推论。我们的推论在两个数据集之间惊人地一致,这表明所提出的框架是神经科学家了解大脑如何处理信息的一个有前途的新工具。
2022-02-21 cs.AI cs.LG cs.NE
Joint processing of linguistic properties in brains and language models
Inria Bordeaux(法国国家信息与自动化研究所波尔多分部);MPI for Software Systems(马克斯·普朗克软件系统研究所);Microsoft(微软)
本文通过消除语言模型表征中的表层、句法和语义信息,评估其与fMRI大脑记录对齐的变化,证明各类语言属性均有作用且句法属性影响最大。
2023-11-08 cs.CL q-bio.NC
Scaling in topological properties of brain networks
脑网络的组织结构具有高度的模块化特征,但模块间的相互作用较弱。网络的拓扑结构涉及到由分形定律支配的不同结构层次上的模块和子模块的出现。模块化组织,在模块质量,模块间和模块内的相互作用,也服从分形性质。表征脑网络拓扑性质的参数在网络结构的各个层次上都遵循一个参数标度理论,揭示了网络结构的自相似规律。不同物种大脑网络的分形维数随着物种层次的升高而降低,表明物种层次越高,其网络拓扑结构越有序,越具有自组织性。大脑网络中稀疏分布的枢纽节点可能是最具影响力的节点,但它们的缺失可能不会导致网络崩溃,表征它们的中心性参数也遵循一个参数标度律,表明这些枢纽节点在大脑网络的不同组织水平上的自相似作用。
2015-09-20 physics.soc-ph q-bio.NC
Learning differentially reorganizes brain activity and connectivity
人类学习是一个复杂的过程,在这个过程中,未来的行为通过大脑活动和连接的重组而改变。目前尚不清楚在学习过程中活动和连接是否会发生差异性重组,如果是的话,这种差异性重组如何跟踪不同大脑区域的学习阶段。在这里,我们通过在纵向fMRI实验中测量大脑活动和功能连接来解决这一知识差距,在这个实验中,健康的成年人参与者在四天的时间里学习新物体的价值。在学习过程中,受试者之间的活动或功能连接的相似性增加,反映了朝着共同功能架构的重组。我们评估了在价值学习和休息状态期间活动和连接的重组的存在,使我们能够区分常见的诱发过程与内在过程。我们发现大脑连接和活动的复杂和动态重组-作为时间,空间和性能的函数-在受试者学习时发生。在学习早期,空间定位的大脑活动在整个大脑中重组为共同的功能架构,这种重组跟踪早期学习表现。相比之下,随着训练的进行,空间分布的连接性在整个大脑中重组为一个共同的功能架构,这种重组会跟踪后来的学习表现。特别好的性能与粘性连接有关,这种连接一直持续到休眠状态。从广义上讲,我们的工作揭示了在价值学习的不同阶段,活动和连通性的重组的不同原则,这为正在进行的学习过程的研究提供了更广泛的信息。
2020-09-10 q-bio.NC
Bursty and persistent properties of large-scale brain networks revealed with a point-based method for dynamic functional connectivity
在本文中,我们提出了一种新的和通用的方法来研究动态的静息态功能磁共振成像大脑连接与高时间敏感性。而大多数现有的方法往往依赖于划分的时间序列成更大的数据段(即所谓的滑动窗口技术),基于点的方法(PBM)在这里提出的提供了一个估计的大脑连接在个别采样的时间点的水平。时间敏感性的提高,以及时间图网络理论,使我们能够研究功能之间的整合,以及在休息状态网络。我们的研究结果表明,两个静息态网络之间的功能整合主要发生在突发的活动与间歇期的连接性较低,而静息态网络内的功能连接的特点是由紧张/周期性的连接模式。此外,基于点的方法使我们能够估计大脑连接的持久性,即休息状态连接模式的内在痕迹或记忆的持续时间。所描述的基于点的动态静息态功能连接的方法允许详细和扩展的视图上的静息态连接的时间动态,提供了新的见解神经元信息处理是如何在大规模网络的水平集成在人脑中。
2016-01-13 q-bio.NC
Spontaneous back-pain alters randomness in functional connections in large scale brain networks: A random matrix perspective
我们使用随机性作为衡量标准,以评估诱发疼痛对大脑网络的影响。随机性在这里被定义为当大脑处于无任务状态时,不同大脑区域之间存在的内在相关性。我们使用功能磁共振成像数据的三个大脑状态在一组背痛患者监测超过6个月。我们发现,在无任务状态下的随机性密切遵循随机矩阵的高斯正交系综的预测。然而,当大脑专注于治疗患有早期背痛的患者的疼痛输入时,随机性就会降低。这种模式的持续性在慢性背痛患者中观察到,而六个月后从疼痛中恢复的患者,其随机性不再随疼痛任务而变化。这项研究表明,随机矩阵理论在区分休息状态和两个不同的任务状态在同一个病人。此外,它表明,随机矩阵理论是有效的测量系统的变化发生在功能连接,并提供了新的见解急性和慢性疼痛是如何在大脑中处理的网络水平。
2019-10-31 cond-mat.dis-nn q-bio.NC
Intrinsic timescales of spiking activity in humans during wakefulness and sleep
大脑中的信息处理需要随着时间的推移整合信息。如果信号在网络活动中保持所需的时间段,则可以实现这种集成,如由固有时间尺度量化的。虽然短时间尺度被认为有利于对刺激的快速反应,但长时间尺度有利于信息存储和整合。我们量化了人类内侧颞叶尖峰活动的内在时间尺度。我们发现了从几十毫秒到几百毫秒的延长和高度多样化的时间尺度,尽管没有证据表明子区域之间存在差异。然而,值得注意的是,睡眠阶段之间的时间尺度不同,并且在慢波睡眠期间最长。这支持了这样一个假设,即内在时间尺度是调整网络以适应不同任务和认知状态要求的核心机制。
2022-05-20 q-bio.NC
A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks
McGovern Institute for Brain Research, Massachusetts Institute of Technology(麻省理工学院麦戈文脑研究所);Complutense University of Madrid(马德里康普顿斯大学);Harvard Medical School(哈佛医学院)
表征与阿尔茨海默病(AD)的病理级联相关的功能性脑网络的细微变化对于在临床症状之前早期诊断和预测疾病进展是重要的。我们开发了一种新的深度学习方法,称为多图高斯嵌入模型(MG2G),它可以通过将高维静息态大脑网络映射到低维潜在空间来学习高度信息化的网络特征。这些基于潜在分布的嵌入能够定量表征不同区域的细微和异质的大脑连接模式,并且可以用作传统分类器的输入,用于各种下游图形分析任务,例如AD早期预测和跨大脑区域的组间显著改变的统计评估。我们使用MG2G检测MEG脑网络的内在潜在维度,预测轻度认知障碍(MCI)患者向AD的进展,并识别与MCI相关的网络改变的脑区。
2020-11-10 cs.LG eess.SP q-bio.NC
Graph Theory in Brain Networks
复杂网络的图论分析的最新发展使人们对大脑网络有了更深入的了解。许多复杂网络表现出相似的宏观行为,尽管在微观细节上存在差异。复杂网络最常见的两个特征可能是无标度和小世界特性。在本文中,我们将探讨大脑网络是否遵循无标度和小世界等图论性质。
2021-03-09 q-bio.NC q-bio.QM
Responses to transient perturbation can distinguish intrinsic from latent criticality in spiking neural populations
Stony Brook University(石溪大学)
通过研究神经元对瞬态扰动的响应,区分神经活动中的内在临界性与潜在变量驱动的相关性。
2025-12-19 cond-mat.dis-nn q-bio.NC
Coalescent embedding in the hyperbolic space unsupervisedly discloses the hidden geometry of the brain
人脑显示出复杂的网络拓扑结构,其结构组织被广泛使用扩散张量成像研究。从其出现网络拓扑的原始几何形状是已知的,以及网络节点相对于大脑形态和解剖结构的定位。当前网络科学最具挑战性的问题之一是从复杂网络的拓扑结构中推断出潜在的几何结构。人脑结构连接体是测试旨在解决这一问题的算法的完美基准。最近设计的融合嵌入映射一个复杂的网络在双曲空间,推断节点的角坐标。在这里,我们表明,这种方法是能够unsupervisedly重建潜在的几何形状的大脑具有令人难以置信的准确性和内在的几何形状的大脑网络密切相关的脑叶组织在神经解剖学。此外,结合包埋允许检测帕金森病患者的连接体中的几何病理变化。本研究代表了双曲空间中大脑网络角聚结的第一个证据,开辟了一个全新的视角,可能实现潜在几何网络标记,用于评估大脑疾病和病理。
2017-05-10 cond-mat.dis-nn q-bio.NC
Biophysical models of intrinsic homeostasis: Firing rates and beyond
考虑到外部世界和内在大脑状态的不断变化,保持计算的鲁棒性是一个挑战,我们才刚刚开始了解适当的解决方案。在细胞内在特性的水平上,神经元的生物物理模型允许人们识别可以作为神经元兴奋性调节器的相关生理底物,并测试反馈回路如何稳定关键变量,如长期钙水平和放电率。数学理论还揭示了一组丰富的互补计算特性,这些特性来自于不同的细胞动力学,甚至是网络层面的成形处理。在这里,我们提供了一个概述最近探索的稳态机制来自生物物理模型和假设如何多个动态特性的细胞,包括其内在的神经元兴奋性类,可以稳定地控制。
2022-03-28 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
Dark Signals in the Brain: Augment Brain Network Dynamics to the Complex-valued Field
Institute of Science and Technology for Brain-Inspired Intelligence, Fudan University(复旦大学生物启发智能科学与技术研究院);Key Laboratory of Computational Neuroscience and Brain-Inspired Intelligence (Fudan University), Ministry of Education, China(教育部计算神经科学与生物启发智能重点实验室(复旦大学));School of Mathematical Sciences, Fudan University(复旦大学数学科学学院);Center for Brain and Cognition, Computational Neuroscience Group, Department of Information and Communication Technologies, Universitat Pompeu Fabra(庞培法布拉大学信息与通信技术系脑与认知中心计算神经科学组);MOE Frontiers Center for Brain Science, Fudan University(复旦大学教育部脑科学前沿中心);Department of Computer Science, University of Warwick(华威大学计算机科学系)
本文提出物理信息驱动的数据驱动框架,用Hilbert变换引入作为共轭动量的潜在“暗信号”,将全脑活动提升到复值场,显著提升预测与拟合并揭示有效连接的年龄及任务重构。
2025-09-29 q-bio.NC
Graph analysis of functional brain networks: practical issues in translational neuroscience
大脑可以被视为一个网络:一个连接的系统,其中节点或单元代表不同的专门区域,链接或连接代表通信路径。从功能的角度来看,沟通是由不同脑区活动之间的时间依赖性编码的。在过去的十年中,大脑作为一个图形的抽象表示已经允许可视化功能的大脑网络,并以紧凑和客观的方式描述其非平凡的拓扑特性。如今,在转化神经科学中使用图形分析已经成为量化功能性脑网络异常重构方面的脑功能障碍的关键。尽管功能性大脑网络的图形分析具有明显的影响力,但它并不是一个简单的工具箱,可以盲目地应用于大脑信号。一方面,它需要知道处理管道的所有方法步骤,这些步骤处理输入的大脑信号并提取功能网络属性。另一方面,需要了解所研究的神经现象以进行生理相关分析。这篇评论的目的是提供实际的迹象,使大脑网络分析的意义和对比适得其反的态度。
2014-06-28 q-bio.NC
Scaling Properties of Human Brain Functional Networks
我们研究了人脑功能网络在静息状态下的标度特性。通过分析网络度分布,统计检验了其尾部是否服从幂律分布。最初的研究,最小二乘拟合的基础上,被证明是不够的精确估计幂律分布。随后,基于最大似然估计的方法被提出并应用于解决这个问题。然而,没有出现明确的共识,主要是因为结果显示出很大的差异,取决于所使用的数据集或其分辨率。在这项研究中,我们使用了来自人类连接组项目的高分辨率数据(10K节点),并考虑了网络权重。我们测试幂律,指数,对数正态分布和广义帕累托分布。我们的研究结果表明,统计一般不支持幂律,而是这些度分布趋向于广义帕累托模型的薄尾极限。这可能对人类大脑功能网络中的枢纽数量有影响。
2017-02-02 cond-mat.dis-nn cs.NE physics.data-an
From empirical brain networks towards modeling music perception -- a perspective
本文基于FitzHugh-Nagumo模型和经验脑连接数据,揭示听觉刺激频率与幅度对神经网络同步的影响,并强调gamma频段同步及网络拓扑在音乐感知中的关键作用。
2025-04-10 nlin.AO q-bio.NC
Gauging functional brain activity: from distinguishability to accessibility
标准的神经成像技术不仅提供了对人脑解剖学的非侵入性访问,而且还提供了对人脑生理学的非侵入性访问。用这些技术记录的活动通常被称为功能成像,但观察到的本身是动态的实例,应该从中提取功能性大脑活动。区分裸动力学和真正的功能是一项非常重要的任务,但在比较实验观察和解释其意义时至关重要。在这里,我们说明了神经成像提取真正的功能性大脑活动的能力如何受到功能表征结构的限制。为此,我们首先从系统级脑成像的角度提供了一个简单的功能性脑活动的定义。然后,我们回顾如何的属性的空间上,大脑活动的代表允许定义的关系,从可访问性的观察到的成像数据。我们展示了这些属性是如何从动态数据和动态功能投影定义的结构中产生的,并考虑了一些影响,这些定义的方式和程度对标准系统级脑记录技术的实验数据的解释有影响。
2019-02-22 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
An encoding framework with brain inner state for natural image identification
Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University(西安交通大学人工智能与机器人研究所)
神经编码和解码是认知神经科学的重要研究领域,其目的是表征刺激与大脑活动之间的关系。传统的编码模型,其重点是特征提取和映射,认为大脑是一个没有内部状态的输入输出映射器。在这项工作中,受人脑像状态机一样工作的启发,我们提出了一种新的编码框架,它结合了来自外部世界和内部状态的信息来预测大脑活动。该框架包括两个部分:前向编码模型,处理视觉刺激和内部状态模型,捕捉大脑中的内在连接的影响。前向模型可以是任何传统的编码模型,使框架灵活。内部状态模型是利用前向模型的预测残差中的信息的线性模型。与forwardonly模型相比,本文提出的编码框架在从fMRI响应中识别自然图像方面具有更好的性能。随着数据集规模的增加,识别精度会略有下降,但在不同的识别方法下,识别精度保持相对稳定。结果证实,新的编码框架是有效的和强大的,当用于大脑解码。
2019-08-22 cs.LG eess.IV q-bio.NC
PTGB: Pre-Train Graph Neural Networks for Brain Network Analysis
Emory University(埃默里大学)
针对脑网络数据集标注数据稀缺的问题,提出GNN预训练框架PTGB,通过无监督预训练捕获脑网络内在结构,并结合数据驱动的分区图谱映射流水线实现跨数据集知识迁移,显著提升了下游任务的性能。
2023-05-20 cs.LG q-bio.NC
Seven properties of self-organization in the human brain
自组织原理在新兴的计算哲学领域中具有重要意义。自组织系统在科学和哲学的各个领域都有描述,包括物理学,神经科学,生物学和医学,生态学和社会学。虽然系统架构及其一般目的可能取决于特定领域的概念和定义,但在大脑系统中至少有七个自组织的关键属性:模块连接,无监督学习,自适应能力,功能弹性,功能可塑性,从局部到全局的功能组织和动态系统增长。这些是根据神经生物学,认知神经科学和自适应共振理论(ART)和物理学的见解来定义的,以表明自组织实现稳定性和功能可塑性,同时最大限度地减少结构系统的复杂性。一个具体的例子告知实证研究进行了讨论,以说明如何模块化,自适应学习,和动态网络的增长,使稳定而可塑性的体感代表人类的握力控制。强人工智能的机器人设计的影响。
2020-11-11 q-bio.NC
The Increase of the Functional Entropy of the Human Brain with Age
我们使用熵来表征人脑的内在老化特性。使用静息状态BOLD信号对来自个体的大型数据集的fMRI数据进行分析,表明与大脑活动相关的功能熵随年龄增加而增加。在平均寿命期间,从个体群体计算的熵增加了大约0.1比特,这是由于BOLD活动的相关性变得更广泛分布。我们将此归因于兴奋性神经元的数量和兴奋性电导随年龄的增长而减少。将这些特性应用到计算模型中,可以得到与fMRI数据在数量上相似的结果。我们的数据集涉及男性和女性,我们发现他们之间存在显着差异。男性出生时的熵值低于女性。然而,两种性别的熵以不同的速度增加,并在大约50岁时相交;在这个年龄之后,男性有更大的熵。
2014-06-08 physics.med-ph q-bio.NC q-bio.QM
Reply to Comments on Neuroelectrodynamics: Where are the Real Conceptual Pitfalls?
大脑中基本的、强大的计算过程一直被广泛误解。该论文[1]将构建智能思维机器的普遍失败与当前时间编码的还原主义原则联系起来,并倡导改变关于大脑类比的范式。由于信息片段存储在蛋白质中,蛋白质可以在几种结构之间转换以执行其功能,因此生物基质积极参与物理计算。动作电位和突触活动的内在非线性动力学维持脑中神经元内和神经元之间的物理相互作用。在这些事件中,所需的信息在存储信息片段的分子结构(蛋白质)和在大脑中携带和整合信息的产生的电通量之间交换。物理交互的整个过程解释了大脑如何积极地创造或体验意义。动作电位产生过程中的这种相互作用过程可以简单地看作是神经元解决多体问题的时刻。神经电动力学理论表明,神经元解决方程,而不是专门计算函数。由于主要关注时间模式,尖峰定时教条(STD)忽略了神经元内部发生的重要计算形式。此外,人工神经模型错过了最重要的部分,因为大脑真正的超级计算能力起源于神经元内发生的计算。
2012-10-06 cs.NE nlin.AO physics.bio-ph
Community detection in weighted brain connectivity networks beyond the resolution limit
图论为研究脑功能连接网络及其模块组织提供了一个强有力的框架。然而,大多数基于图的方法都受到基本分辨率限制的影响,这可能会影响以前的研究,并阻止检测小于特定尺度的模块或社区。Surprise是一个基于离散概率理论的无分辨率限制的函数,最近被引入并应用于大脑网络,揭示了功能模块的广泛尺寸分布,与许多以前的报道相反。然而,Surprise的使用仅限于二进制网络,而大脑网络本质上是加权的,反映了不同大脑区域之间连接强度的连续分布。在这里,我们提出了渐近惊喜,惊喜的连续版本,加权大脑连接网络的研究,并验证这种方法在合成网络赋予地面真理模块化结构。我们比较渐近惊喜与领先的社区检测方法目前正在使用,并显示其优越的灵敏度,即使在存在噪声和受试者间的变异性,如在功能磁共振成像数据中观察到的小模块的检测。最后,我们将我们的新方法应用于静息态fMRI实验中的功能连接网络,并展示了一个异构的模块化组织,具有跨越多个尺度的广泛分布的集群。
2016-09-14 physics.soc-ph q-bio.NC q-bio.QM
Evolvable Graph Diffusion Optimal Transport with Pattern-Specific Alignment for Brain Connectome Modeling
School of Future Technology, South China University of Technology(华南理工大学未来技术学院);School of Computer Science and Technology, South China University of Technology(华南理工大学计算机科学与工程学院);School of Computer Science and Technology, Sichuan University(四川大学计算机科学与技术学院)
本文提出EDT-PA框架,通过可演化图扩散建模高阶结构依赖,并以模式特异性对齐机制融合结构与功能连接,用于脑疾病分类。
2025-09-16 cs.GR 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
A statistical model for brain networks inferred from large-scale electrophysiological signals
网络科学已经被广泛发展,以表征复杂系统的结构特性,包括从神经成像数据推断的大脑网络。作为推理过程的结果,从实验获得的生物学数据估计的网络表示具有类似内在拓扑的大量实现的一个实例。因此,需要一种建模方法来支持自下而上的局部连接机制的统计推断,影响估计的大脑网络的形成。我们采用了基于指数随机图(ERGM)的统计模型来重现大脑网络,或连接体,通过高密度脑电图(EEG)信号之间的频谱相干性来估计。我们在108名健康受试者的数据集中验证了这种方法,这些受试者在睁眼(EO)和闭眼(EC)静息状态下。结果表明,形成三角形和星形的趋势,反映聚类和节点中心性,更好地解释了全球性的EEG连接组相比,其他组合的图形度量。由该模型配置生成的合成网络复制了在大脑网络中发现的特征差异,与EC相比,EO在α频带(8-13 Hz)中引起显著更高的分离。此外,拟合的ERGM参数值提供了补充信息,表明聚类连接在α范围内从EC到EO的代表性明显更强,但在β频带(14-29 Hz)中也是如此,已知β频带在视觉输入和外部定向注意的皮层处理中起着至关重要的作用。这些发现支持了当前关于大脑功能分离和整合的模块和枢纽的观点,并提供了一种统计方法来提取关于健康和患病大脑的(重新)组织机制的新信息。
2017-02-17 q-bio.NC
How structure sculpts function: unveiling the contribution of anatomical connectivity to the brain's spontaneous correlation structure
内在脑活动的特征是不同区域之间高度结构化的共激活,其起源仍在争论中。在本文中,我们解决的问题,是否有可能揭示如何潜在的解剖连接形状的大脑的自发相关结构。我们从假设开始,为了使两个节点表现出较大的协变,它们必须暴露于来自整个网络的相似输入模式。然后我们承认,信息很少只沿着一条独特的路线传播,而是沿着所有可能的路径传播。在真实网络中,局部扰动的强度随着它们远离源传播而衰减,导致原始信息内容的逐渐衰减,从而导致它们的影响。我们使用这些概念,以获得一种新的分析措施,$\mathcal{T}$,它量化的相似性,整个网络的输入模式到达任何两个节点,仅由于底层拓扑结构,在什么是一个概括的匹配指数。我们表明,这种拓扑相似性的措施,确实可以用来预测网络拓扑结构的预期相关结构的贡献,从而揭示了复杂网络的结构和功能之间的紧密,但难以捉摸的关系背后的机制。最后,我们使用这种方法来研究大脑的连通性,表明大脑轴突通路的复杂结构所定义的拓扑结构的信息在很大程度上指定了休息时观察到的时间平均功能连接。
2016-12-07 q-bio.NC
Modelling Microtubules in the Brain as n-qudit Quantum Hopfield Network and Beyond
理解意识本质的科学方法围绕着对人类大脑的研究。比较不同物种的神经系统的神经生物学研究由于各种因素而给予人类最高的地位,这些因素包括由大约1000亿个神经元组成的高度发达的皮层区域,这些神经元内在地连接以形成高度复杂的网络。意识的量子理论建立在数学抽象的基础上,彭罗斯-哈默洛夫的Orch-OR理论是最有前途的理论之一。受Penrose-Hameroff Orch-OR理论的启发,Behrman et.等人(Behrman,2006)模拟了具有微管结构的量子Hopfield神经网络。他们使用了一个极其简化的微管蛋白二聚体模型,每个二聚体简单地表示为一个量子比特,一个单量子双态系统。将这个模型扩展到n维量子态,或在这项工作中提出的n-qudits,在建模意识系统时具有更高的数学抽象性。
2015-05-02 q-bio.NC quant-ph
Discovering dynamic functional networks in the human neonatal brain with electric source imaging
当人类大脑显示出局部和大规模神经元群体之间有组织的通信的诞生时,活动仍然没有描述。我们报告,在静息状态下的EEG源估计100名婴儿在足月年龄,存在宏观尺度的动态功能连接,具有丰富的拓扑组织,不同的频谱指纹和尺度不变性的时间动态。这些功能网络包括默认模式、初级感觉边缘系统、丘脑-额叶、丘脑-感觉运动和视觉边缘系统,这些系统局限于δ和低α频率间隔(1-8 Hz)。这些网络的时间动态不仅嵌套在更慢的时间尺度(<0.1 Hz)内,而且在层次领导-跟随组织中相互关联。我们发现,解剖约束丰富的组织空间拓扑结构,光谱内容和时间波动的休息状态网络反映了一个既定的内在动态功能连接体在人类大脑中的长期年龄。网络空间结构的图论分析揭示了小世界拓扑结构和不同的富俱乐部组织的相互连接的皮层枢纽,在多个时间尺度上表现出丰富的同步动态。该方法开辟了新的途径,以促进我们对人类大脑中动态网络的早期配置组织的理解,并提供了一个新的监测平台,以调查患病早产儿的功能性脑网络发育。
2020-09-05 math.DS physics.data-an q-bio.NC
Linguistic properties and model scale in brain encoding: from small to compressed language models
TU Berlin(柏林技术大学);IIIT-Hyderabad(海得拉巴理工学院);GE HealthCare(通用电气医疗);AWS AI Labs, Amazon(亚马逊AI实验室);Microsoft Research, Bangalore, India(微软研究院,班加罗尔,印度);Microsoft, Hyderabad, India(微软,海得拉巴,印度);IIT Delhi(德里理工学院)
研究发现小型语言模型在脑一致性上可与大模型媲美,压缩不影响脑可预测性,挑战了神经扩展的常见假设。
2026-02-07 cs.AI cs.CL cs.LG
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 mechanical properties of nerves, the size of the action potential, and consequences for the brain
Niels Bohr Institute, University of Copenhagen(尼尔斯·玻尔研究所, 哥本哈根大学)
本文回顾神经的机械变化及其理论解释,指出动作电位长度远超突触间隙和神经元尺寸,神经收缩可能促成快速机械突触,对大脑功能有重要影响。
2024-08-14 physics.bio-ph q-bio.NC
Does the brain behave like a (complex) network? I. Dynamics
本文探讨复杂网络结构对大脑动力学的影响,通过定义“网络性”并分析大脑解剖与动力学,论证网络结构是大脑活动真正的组织原则而非仅仅是描述工具。
2024-12-23 cond-mat.dis-nn nlin.AO q-bio.NC
Altered connectedness of the brain chronnectome during the progression of Alzheimer's disease
图论已被广泛用于研究大脑网络拓扑结构及其在疾病队列中的变化。然而,许多基于图论分析的大脑网络研究都集中在最短路径上,或者更一般地说,集中在成本效益上。在这项工作中,我们使用两个新的概念,连通性和2-连通性,以衡量不同的全球性相比,以前广泛采用的。
2021-03-30 q-bio.NC
A topological criterion for filtering information in complex brain networks
在许多生物系统中,元素之间的相互作用网络只能从实验测量中推断出来。在神经科学中,非侵入性成像工具被广泛用于获得体内结构或功能性脑网络。作为推理过程的结果,我们得到了一个对应于一个不切实际的全连接和加权网络的值矩阵。为了将其转化为有用的稀疏网络,通常采用阈值处理来取消一定比例的最弱连接。结果网络的结构属性取决于最终保留多少推断的连接性。然而,如何确定这一门槛仍然是一个悬而未决的问题。我们引入了一个标准,效率成本优化(ECO),选择一个阈值的基础上优化的网络的效率和布线成本之间的权衡。我们证明了分析,我们通过数值模拟确认,连接密度最大化这一权衡强调了给定网络的内在属性,同时保持其稀疏性。此外,该密度阈值可以先验地确定,因为根据幂律,要过滤的连接的数量仅取决于网络大小。我们在几个大脑网络上验证了这一结果,从微观到宏观尺度,用不同的成像方式获得。最后,我们测试了潜在的ECO在区分大脑状态方面的替代过滤方法。ECO提高了我们分析和比较生物网络的能力,从实验数据中推断,以快速和有原则的方式。
2016-11-23 q-bio.NC
Sparse Predictive Structure of Deconvolved Functional Brain Networks
大脑作为一个复杂网络的功能和结构表征的特点是,实验条件或组之间的噪声和内在相关的高维结构的比较避开了典型的质量单变量方法。此外,大多数网络估计方法不能区分由于节点的相互作用而从卷积产生的真实相关性和虚假相关性,这因此在数据中引入了额外的噪声。我们提出了一个机器学习管道,旨在识别与不同实验条件相关的大脑网络之间的多元差异。流水线(1)利用每个边的去卷积的个体贡献,以及(2)将任务映射到稀疏分类问题中,以便构建相关联的“稀疏去卷积预测网络”,即,具有与所比较的那些节点相同的节点的图,但是其边权重由它们对于分类中的样本外预测的相关性来定义。我们提出了一个应用所提出的方法解码的基础上的单次试验功能连接矩阵提取的高频脑磁图(MEG)数据的内隐注意方向(左或右)。我们的研究结果表明,网络反卷积匹配稀疏分类方法优于典型的MEG解码方法。
2013-10-24 q-bio.NC q-bio.QM stat.ML
Multiscale Topological Properties Of Functional Brain Networks During Motor Imagery After Stroke
近年来,网络分析已被用于评估中风后的脑重组。然而,许多研究往往集中在单一的拓扑尺度上,导致局灶性脑损伤如何同时影响多个网络特性以及较小尺度上的变化如何影响较大尺度上的变化的模型不完整。在20例单侧脑卒中患者的手运动想象(MI)表现的EEG为基础的实验中,我们观察到解剖损伤影响多层次的功能性脑网络。在β(13-30 Hz)频带中,与未受影响的手(Uhand)相比,受影响的手(Ahand)的MI引起显著较低的小世界性和局部效率(Eloc)。值得注意的是,Eloc的异常减少显著依赖于半球间连接的增加,而半球间连接的增加又主要取决于受影响半球顶枕部位区域连接的增加。此外,与Uhand MI相反,在未受影响的半球的对侧感觉运动区域观察到显著高的连接性,在Ahand MI期间连接增加的区域位于对侧受影响的半球的额叶和顶叶区域。最后,我们的患者的整体感觉运动功能,Fugl-Meyer评估(FMA)指数,显着预测其受影响的半球的连接。这些结果增加了我们对脑功能网络中中风引起的改变的理解。
2013-06-21 q-bio.NC stat.AP
Simulation of Robustness against Lesions of Cortical Networks
结构需要功能,因此大脑的结构描述将有助于理解其功能,并可能提供对大脑系统的许多特性的见解,从它们的鲁棒性和从损伤中恢复到它们的动态甚至它们的进化。复杂网络分析的进展为理解大脑网络的结构和功能特性提供了有用的新方法。最近描述的网络的结构特性允许其表征为小世界,随机(指数)和无标度。它们补充了在大脑连接的背景下探索的其他属性,如拓扑结构,hodology,聚类和层次组织。在这里,我们将新的网络分析方法应用于猫和猕猴大脑的皮层区域间连接网络。我们比较这些皮质纤维网络的基准重新布线,小世界,无标度和随机网络,使用两种分析策略,其中我们测量的节点和连接的皮质网络的结构特性的去除的影响。大脑网络的结构衰退在大多数方面与无标度网络相似。研究结果表明,大脑系统的某些条件鲁棒性的结构基础是高度连接的枢纽节点和瓶颈连接。这为理解大脑网络连接的发展提供了信息。
2007-04-03 cond-mat.dis-nn physics.soc-ph q-bio.NC
Statistical models of complex brain networks: a maximum entropy approach
本文聚焦指数随机图模型(ERGMs)这一最大熵方法,用于识别脑网络局部连接机制,并回顾其在解析人脑组织特性及发现中风等疾病预测性生物标志物中的应用。
2023-08-11 physics.bio-ph q-bio.NC q-bio.QM
Spatial Craving Patterns in Marijuana Users: Insights from fMRI Brain Connectivity Analysis with High-Order Graph Attention Neural Networks
School of Systems and Enterprises, Stevens Institute of Technology(史蒂文斯理工学院系统与企业学院);University of Minnesota(明尼苏达大学);Icahn School of Medicine at Mount Sinai(西奈山伊坎医学院);Mount Sinai(西奈山)
提出 HOGANN 框架,利用 fMRI 动态功能连接与高阶图注意力机制分类大麻成瘾,并识别长期使用相关的异常脑网络和渴求脑区。
2024-09-09 cs.LG eess.SP q-bio.NC
Recovery of activation propagation and self-sustained oscillation abilities in stroke brain networks
该研究分析卒中脑网络并结合反应-扩散模型,揭示结构损伤削弱激活传播与自维持振荡,且其恢复由连接修复驱动。
2025-01-09 physics.soc-ph q-bio.NC q-bio.QM