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
Brain temperature: what it means and what it can do for (cognitive) neuroscientists
温度对从单细胞到神经回路水平的神经活动的各个方面的影响早已为人所知。然而,温度如何影响使用非侵入性成像技术的实验中典型的系统水平的活动,例如脑电图的磁脑成像,其中既不可能直接测量也不可能操纵,基本上是未知的。从它的基本物理定义开始,我们讨论了可能的方式,其中温度可以被用来作为一个参数,控制通过观察大脑活动的其他变量的演变,并作为一个集体变量描述大脑活动。这两个方面在与学习相关的大脑活动中得到了进一步的说明。最后,从实验数据中提取温度的方法进行了评论。
2013-10-10 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
The Energy Landscape of Neurophysiological Activity Implicit in Brain Network Structure
神经科学中的一个关键谜团在于确定解剖结构如何影响人类思维的复杂功能动力学。大规模的大脑回路如何限制神经元活动的状态以及这些状态之间的转换?我们解决这些问题,使用最大熵模型的大脑动力学白质纤维束成像。我们证明,最可能的大脑状态-其特征在于最小的能量-显示共同的激活配置文件跨大脑区域:局部空间连续的大脑区域的集合,让人联想到认知系统的共同激活频繁。这些系统的预测激活率与在单独的静息状态fMRI数据集中测量的观察到的激活率高度相关,验证了最大熵模型在描述神经生理学动力学中的实用性。这种方法还提供了系统内活动能量和系统间共享活动能量的正式概念。我们观察到,系统内和系统间的能量干净地将认知系统分成不同的类别,优化了对综合与非综合的差异贡献。分离功能这些结果支持了能量和结构约束限制大脑动力学的观点,为认知系统在驱动全脑激活模式中所扮演的角色提供了新的见解。
2016-07-07 q-bio.NC
Predicting brain evoked response to external stimuli from temporal correlations of spontaneous activity
自发性和受激性脑活动之间的关系是理解脑功能的一个基本问题。在非平衡涨落耗散关系的背景下,从理论和实验两方面研究了这个问题。我们考虑随机粗粒度的Wilson-Cowan模型的线性噪声近似和比较分析结果的实验数据从脑磁图(MEG)的人脑。自发活动的自相关函数的短时间行为的特征在于双指数衰减,具有两个特征时间,相差两个数量级。相反,响应函数表现出一个单一的指数衰减与视觉刺激下的诱发活动的实验数据。结果表明,大脑对弱的外部刺激的反应,可以预测从自发活动的观察,并铺平了道路,在不同的外部扰动下的大脑反应的对照实验。
2020-09-04 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
Inferring brain-computational mechanisms with models of activity measurements
高分辨率功能成像为动物和人类的大脑活动提供了越来越丰富的测量。一个主要的挑战是利用这些数据来深入了解大脑的计算机制。第一步是定义可以执行所讨论的行为任务的候选大脑计算模型(BCM)。然后,我们想推断出,哪一个候选的BCM最能解释测量的大脑活动数据。在这里,我们描述了一种通过测量模型(MM)补充每个神经元的方法,该模型模拟了大脑活动测量反映神经元活动的方式(例如,fMRI体素中的局部平均或阵列记录中的稀疏采样)。由此产生的生成模型(BCM-MM)产生模拟测量。为了避免拟合MM来预测脑活动数据的每个单独测量通道,我们在汇总统计量的水平上比较测量数据和预测数据。我们描述了这种方法的一种新的特定实现,称为概率RSA(pRSA)与测量模型,它使用代表性相异性矩阵(RDM)作为汇总统计。我们验证了这种方法的fMRI测量(局部平均体素)的基础上的深度卷积神经网络的视觉对象识别的模拟。结果表明,测量样本的活动模式的方式强烈影响了明显的代表性的差异。然而,测量过程的建模可以解释这些影响,并且即使在大量噪声下,不同的BCM仍然可以区分。pRSA方法使我们能够对BCM集执行贝叶斯推断,并在每种情况下识别数据生成模型。
2016-08-05 q-bio.NC
Optimizing deep video representation to match brain activity
INRIA(法国国家信息与自动化研究所);Paris-Sud University(巴黎南大学)
将观察到的大脑活动与人工智能系统生成的统计数据进行比较,有助于探索生态条件下的大脑功能组织。在这里,我们研究了10个受试者观看彩色自然电影的功能磁共振成像活动,并使用依赖于光流和图像内容的架构计算这些电影的深度表示。视觉区的活动与深层结构的不同层之间的关联显示了视觉区与复杂性相关的对比,并揭示了一个引人注目的中央凹/周边二分法。
2018-09-07 cs.CV cs.LG cs.NE
Brain2Music: Reconstructing Music from Human Brain Activity
Google(谷歌);Osaka University(大阪大学);NICT(日本信息通信研究机构);Araya Inc.(Araya公司)
通过fMRI数据和MusicLM模型,从人类脑活动重建音乐,揭示大脑对音乐的语义表征与生成机制
2023-07-20 cs.LG cs.SD eess.AS
Activity-dependent brain model explaining EEG spectra
大多数大脑模型专注于联想记忆或计算能力,使用生理学方法在实验上无法实现。在这里,我们提出了一个模型,解释了脑电图(EEG)的基本特征。我们的模型基于具有阈值放电和突触可塑性的电网络,该网络非常鲁棒地再现了医学脑电频谱的测量指数0.8,这是自组织临界性的有力证据。我们的结果在小世界格上也是有效的。我们建议,一个普遍的标度行为的特点,许多生理信号频谱的大脑控制的活动。
2004-11-23 q-bio.NC
Community structure and modularity in networks of correlated brain activity
我们提出了一种方法来研究功能的分离和整合在活的大脑社区结构分解的基础上确定的最大模块化。我们证明了这种方法与网络来自功能成像数据与节点定义的个别图像像素,和相关的信号变化方面的边缘。我们发现社区的解剖分布对应于生物学意义的结构,包括解剖学上等同的大脑区域之间的令人信服的功能细分。
2007-01-30 q-bio.NC
Temporal sequences of brain activity at rest are constrained by white matter structure and modulated by cognitive demands
多样化的白质网络和微调的神经元膜特性使大脑能够在认知状态之间无缝转换。然而,目前尚不清楚静态结构连接如何引导不同认知状态下大规模大脑活动模式的时间进展。在这里,我们分析了大脑的轨迹,通过一个高维的活动空间在单时间点活动模式的水平,从功能磁共振成像数据采集被动视觉固定(休息)和n-回工作记忆任务。我们发现,特定的状态空间轨迹,这代表了大脑活动的时间序列,调制的认知负荷和相关的任务性能。使用从相同的主题获得的扩散加权成像,我们使用网络控制理论的工具,以表明沿白质连接的活动的线性传播约束大脑的状态空间轨迹在休息。此外,考虑刺激驱动的视觉输入解释了在n-back任务期间采取的不同轨迹。我们还使用了网络重新布线的模型,以表明这些发现是白质结构的非平凡几何和拓扑特性的结果。最后,我们研究了年龄和时间分辨的大脑状态动态之间的关联,揭示了默认模式和执行控制网络功能变化的新见解。总体而言,这些结果阐明了认知和发育相关的时空脑动力学的结构基础。
2019-09-30 q-bio.NC
Brain activity on a hypersphere
神经科学的最新进展涉及中枢神经系统的功能结构,为提高我们对大脑活动的理解的整体理论铺平了道路。从拓扑学的角度来看,一个强有力的概念在理解大脑信号时发挥了作用,即信号到超球体上的连续映射,超球体是一个四维空间,具有甜甜圈状的形状,生活在三维世界中的观察者无法检测到。我们评估的基础上静息态功能磁共振成像系列的不可察觉的第四维的特征。特别是,我们寻找同时激活的对跖信号的表面上的皮质超球体。在这篇文章中,我们证明了自发脑活动显示的典型特征,揭示了存在一个功能性超球体。这里的建议是,大脑嵌入在一个超球体中,这有助于解决长期存在的关于我们心理活动的谜团,例如走神和记忆检索或连接过去和未来事件的能力。
2015-10-04 q-bio.NC
Modeling the dynamics of human brain activity with recurrent neural networks
编码模型用于预测大脑对感官刺激的反应,目的是阐明感官信息在大脑中的表现方式。编码模型通常包括刺激到特征的非线性变换(特征模型)和特征到响应的线性变换(响应模型)。虽然在开发更好的特征模型方面做了大量工作,但开发更好的响应模型的工作相当有限。在这里,我们研究递归神经网络模型可以在多大程度上使用其内部记忆的任意特征序列的非线性处理,预测功能磁共振成像测量的特征诱发反应序列。我们表明,所提出的递归神经网络模型可以通过准确估计驱动血流动力学反应的长期依赖性,显着优于已建立的反应模型。这一结果为模拟大脑对感官刺激的动态反应打开了一扇新的窗户。
2016-06-09 q-bio.NC
Kurt Lewin, psychological constructs and sources of brain cognitive activity
理解心-脑-环境的关系是心理学的关键课题之一。Kurt Lewin受到理论物理学的启发,试图建立拓扑和向量心理学,分析个人与环境之间的互动模式。重新制定他雄心勃勃的目标的时机已经成熟,他正在寻找用合适的心理结构来解释客观测量的大脑过程的方法。将认知和社会心理学结构与神经表型组学联系起来,就像现在在精神病学中所做的那样,应该使它们在物理现实中扎根。
2017-11-06 q-bio.NC
Allometric scaling of brain activity explained by avalanche criticality
University of Campania “Luigi Vanvitelli”(坎帕尼亚路易吉范维特利大学);Universidade Federal do Ceará(塞阿拉联邦大学);Center for Complexity and Biosystems, Department of Physics, University of Milan(米兰大学复杂系统与生物系统中心);CNR - Consiglio Nazionale delle Ricerche, Istituto di Chimica della Materia Condensata e di Tecnologie per l’Energia(国家研究委员会凝聚态化学与能源技术研究所)
通过雪崩临界性理论,推导出亚线性活动-大小关系的解析标度律,并在神经元网络和自组织临界性模型中验证,揭示了大脑代谢异速缩放的基本机制。
2025-12-11 q-bio.NC
Latent Representation Learning for Multimodal Brain Activity Translation
Mila - Quebec AI Institute(米拉-魁北克人工智能研究所);Wu Tsai Institute(吴蔡研究所);Yale University(耶鲁大学)
提出SAMBA框架,通过学习无模态偏差的统一潜在空间,结合小波分解、图注意力网络和循环层,实现多模态脑活动翻译并学习丰富表示以分类外部刺激,助力神经科学下游应用。
2024-09-27 cs.LG q-bio.NC
Combining cortical voltage imaging and hippocampal electrophysiology for investigating global, multi-time scale activity interactions in the brain
新一代分析神经活动的分子工具有助于阐明神经科学中的经典开放问题。随着增强的GEVI和先进的光学成像技术,电压成像技术已越来越多地用于观察大型电路的动态。在这一章中,我们描述了如何结合大脑皮层宽场电压成像与海马电生理清醒行为的小鼠。此外,我们强调这种方法如何可以用于不同的可能的调查。
2021-12-06 q-bio.NC
Quasi-universal scaling in mouse-brain neuronal activity stems from edge-of-instability critical dynamics
大脑处于一种永久的神经活动状态,即使没有特定的任务或刺激。阐明这种动态状态的起源和功能意义对于理解大脑如何传输、处理和存储信息至关重要。一个鼓舞人心的,虽然有争议的猜想提出,一些统计特征的经验观察神经元活动可以理解的假设,大脑网络的运作在一个动态的制度,接近边缘的相变。此外,由此产生的关键行为,其伴随的规模不变性,被认为是进行至关重要的功能优势。在这里,我们提出了一个数据驱动的分析,该分析基于对小鼠大脑不同区域中数千个单个神经元活动的同时高通量记录。为了分析这些数据,我们协同结合了研究大脑活动的尖端方法(如现象学重整化群方法和推断神经种群一般动力学状态的技术),同时设计了互补工具。这一策略使我们能够发现尺度不变性的强烈特征,这种特征在大脑区域中是“准普遍的”,并揭示所有这些区域都在或多或少的程度上接近不稳定的边缘。此外,这一框架使我们能够区分准普遍背景活动和非普遍输入相关活动。总之,这项研究提供了强有力的证据表明,大脑网络实际上是在一个关键的制度,除其他功能优势,为他们提供了一个规模不变的活动协方差,可以维持最佳的输入表示基板。
2022-07-07 cond-mat.stat-mech physics.comp-ph q-bio.NC
Frequency-dependent covariance reveals critical spatio-temporal patterns of synchronized activity in the human brain
研究提出一种探索跨频带临界性特征的新框架及时间依赖降维方法,应用于脑磁图数据揭示了健康人与帕金森病患者大脑活动模式的显著差异。
2024-03-22 cond-mat.dis-nn cond-mat.stat-mech physics.bio-ph
Spatiotemporal Dissociation of Brain Activity underlying Subjective Awareness, Objective Performance and Confidence
尽管最近有大量的研究,有意识的视觉感知的神经相关性仍然难以捉摸。研究有意识知觉背后的大脑机制的最成熟的范式是保持物理感觉输入恒定,并识别与有意识的变化内容相关的大脑活动。然而,这种基于意识内容的对比不仅会揭示直接有助于意识知觉的大脑活动,而且还包括在它之前或之后的大脑活动。为了解决这个问题,我们设计了一个范式,通过这个范式,我们收集了一次又一次的试验,客观表现,主观意识和主观意识的置信水平。使用健康志愿者的脑磁图记录,我们分离了这些不同认知现象背后的大脑活动。我们的研究结果提供了强有力的证据表明,广泛分布的慢皮层电位(SCP)与主观意识,即使在客观性能和信心的影响都被删除。有意识知觉的SCP相关性在其波形、相位和功率中表现得很强。相比之下,客观表现和信心都是由相对短暂的大脑活动贡献的。这些结果为意识、无意识和元认知加工的脑机制提供了新的线索。
2014-03-20 q-bio.NC
Brain-optimized inference improves reconstructions of fMRI brain activity
University of Minnesota(明尼苏达大学)
该研究提出大脑优化推理方法,通过迭代优化重建图像与fMRI脑活动的一致性来提升解码效果,验证了其优于基础解码方法,并揭示了视觉皮层不同区域的优化速率差异。
2023-12-12 cs.AI cs.CV cs.LG
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
Activity-dependent epidemic spreading on multiscale brain networks predicts Alzheimer's disease progression
University of Pennsylvania(宾夕法尼亚大学);Wu Tsai Institute, Yale University(耶鲁大学吴氏研究所);Northeastern University(东北大学);Ludwig-Maximilians-Universität(路德维希-马克西米利安大学);Yale University(耶鲁大学)
该研究将神经元活性耦合到流行病动力学模型,结合多尺度脑网络分析,证实神经元活性是阿尔茨海默病病理扩散的关键驱动因素,其模型可预测疾病进展的空间模式与范围。
2026-08-14 q-bio.NC
OMiSO: Adaptive optimization of state-dependent brain stimulation to shape neural population states
提出脑刺激框架OMiSO,利用刺激前大脑状态并自适应优化参数,将神经群体活动驱动至指定状态,在猴子实验中优于竞争方法,提升了神经调控准确性。
2025-07-10 q-bio.NC
Second Sight: Using brain-optimized encoding models to align image distributions with human brain activity
University of Minnesota(明尼苏达大学)
本文提出Second Sight,通过迭代优化图像分布使其与体素级编码模型预测和人脑活动对齐,实现高质量图像重建,并揭示视觉皮层不同区域的收敛与表征差异。
2023-06-01 cs.CV cs.LG q-bio.NC
Hodge-Decomposition of Brain Networks
University College London(伦敦大学学院);University of Wisconsin, Madison(威斯康星大学麦迪逊分校)
本文提出用霍奇分解将动态脑网络分解为三个正交分量并量化其强度,通过模拟和静息态fMRI数据验证了该方法能揭示传统方法难以捕捉的具有生物学意义的拓扑特征。
2026-10-26 q-bio.NC q-bio.QM
Structural mediation of human brain activity revealed by white-matter interpolation of fMRI
人类大脑的解剖结构限制了大规模功能网络的形成。在这里,考虑到测量的大脑活动的灰质,我们插入这些功能信号到白质的结构,知情的高分辨率体素水平的大脑网格。内插体积反映了潜在的解剖信息,揭示了介导时间相干灰质区域之间的功能信号流的白质结构。内插体积的功能连接分析揭示了丰富的图片默认模式网络(DMN)及其子组件,包括白质束如何支持它们的形成,从而超越目前已知的空间模式,仅限于灰质。这些子组件有不同的结构功能模式,其中每一个差异招聘任务期间,展示合理的结构机制之间的功能切换任务积极和消极的组件。这项工作为大脑结构和功能的整合开辟了新的途径,并展示了全球活动模式如何从沿着不同白质通路的信号传播的集体相互作用中产生。
2019-08-26 eess.IV q-bio.NC
Local inhibitory plasticity tunes global brain dynamics and allows the emergence of functional brain networks
丰富的,自发的大脑活动已经在不同的时间和空间尺度上被观察到。这些动力学被认为对有效的神经功能很重要。实验证据表明,这些神经动力学在各种不同的认知状态下保持不变,以响应环境的改变和大脑结构的变化(例如,在个体、发育和许多神经系统疾病中)。这表明大脑已经进化出了稳定动态并在一系列情况下保持动态的机制。在这里,我们采用局部稳态抑制可塑性机制,平衡抑制和兴奋性活动的宏观大脑活动模型的基础上白质结构连接。我们证明,除了稳态可塑性调节网络活动,并允许出现丰富的,自发的动态在一系列的大脑配置。此外,稳态可塑性的存在最大化了功能连接的经验和模拟模式之间的重叠。因此,这项工作提出了一个简单的,本地的,生物学上合理的抑制机制,使稳定的动力学出现在大脑中,并促进功能连接网络的形成。
2015-01-20 q-bio.NC
Brain-wide functional imaging to highlight differences between the diurnal and nocturnal neuronal activity in zebrafish larvae
本研究利用定制双光子光片显微镜,首次揭示斑马鱼幼鱼昼夜间多脑区神经元活动及信号自亲和性的差异,为昼夜节律神经机制研究提供有效工具。
2023-08-25 q-bio.NC
Estimating direction in brain-behavior interactions: Proactive and reactive brain states in driving
传统的神经影像学分析揭示了局部脑区的计算特异性,利用功能磁共振成像中的减法技术和脑电图中的事件相关电位分析。超越这一惯例,许多研究人员已经开始探索基于网络的神经动力学和大脑区域之间的协调作为行为参数或环境统计的函数;然而,大多数方法在整个实验会话中平均诱发活动来研究任务依赖网络。在这里,我们研究了正在进行的振荡活动,并使用一种方法来估计大脑行为相互作用的方向性。在源重建之后,先验感兴趣区域中特定频带内的活动与连续的行为测量相关联,并且我们使用预测过滤方案来估计大脑对行为和行为对大脑预测之间的不对称性。我们将这种方法应用于模拟驾驶任务,并研究大脑活动和连续驾驶行为(转向或航向错误)之间的直接关系。我们的研究结果表明,两个神经行为状态出现在这个自然的环境:一个积极主动的大脑状态,积极计划的感官信息的反应,和一个反应性的大脑状态,处理传入的信息,并对环境统计数据作出反应。
2016-06-14 q-bio.NC
A data-driven approach to modeling brain activity using differential equations
Faculty of Computer Science(计算机学院);HSE University(高等经济大学)
本文提出一种利用不完整数据和先验领域知识恢复微分方程的新算法,用于脑活动建模,并在合成与真实数据集上验证了其实用性。
2024-04-14 cs.AI cs.LG q-bio.NC
Forecasting Brain Activity Based on Models of Spatio-Temporal Brain Dynamics: A Comparison of Graph Neural Network Architectures
理解神经动力学的时空特性之间的相互作用有助于我们理解人脑中的信息处理。图神经网络(GNN)提供了一种新的可能性,解释图结构的信号,如在复杂的大脑网络中观察到的。在我们的研究中,我们比较了不同的时空GNN架构,并研究了它们对功能性MRI(fMRI)研究中获得的神经活动分布进行建模的能力。我们评估了GNN模型在MRI研究中各种场景下的性能,并将其与VAR模型进行了比较,该模型目前常用于定向功能连接分析。我们表明,通过学习局部功能相互作用的解剖基板,GNN为基础的方法能够强大的规模,大型网络研究,即使在可用的数据是稀缺的。通过将解剖连接性作为信息传播的物理基础,这种GNN还提供了关于定向连接性分析的多模态视角,为研究大脑网络中的时空动态提供了新的可能性。
2022-04-28 q-bio.NC stat.ML
Generative forecasting of brain activity enhances Alzheimer's classification and interpretation
针对阿尔茨海默病相关脑成像数据集不足限制深度学习模型泛化的问题,本研究用基于LSTM和BrainLM的脑活动生成式预测做数据增强,提升了AD分类性能,还揭示了疾病相关的特异性脑网络敏感性。
2024-10-30 cs.LG q-bio.NC
EEGs disclose significant brain activity correlated with synaptic fickleness
在这里,我们研究了一个网络的突触关系混合兴奋性和抑制性神经元节点,显示振荡非常类似于脑电图(EEG)的脑电波,并确定突然的变化所带来的快速突触介导。因此,我们得出结论,相应的变化,脑电序列肯定来自于神经元群体的活动,由于突触的限制放缓。后者恰好在兴奋和抑制之间产生不平衡,导致兴奋活动的快速爆炸性增加,这被证明是动态心理阶段之间的(一阶)过渡。此外,在该相变附近,我们的模型系统表现出与快速振荡共存的所谓的\textit{delta-theta domain}中的强分量的波。这些发现为在实际大脑中观察到的\textit{delta-gamma}和\textit{theta-gamma modulation}提供了一个简单的解释,并为深入理解大量明显不稳定的、容易获得的大脑数据开辟了一条严肃而通用的道路。
2021-02-16 cond-mat.dis-nn q-bio.NC
Reconstructing seen images from human brain activity via guided stochastic search
University of Minnesota(明尼苏达大学)
本研究提出结合条件生成扩散模型的引导式随机搜索方法,从7T fMRI大脑活动中解码语义描述符并迭代优化图像重建,不仅实现高质量重建,还发现视觉皮层不同区域收敛时间存在系统差异,为表征多样性测量提供新途径。
2023-05-02 cs.CV cs.LG eess.IV
Mapping how local perturbations influence systems-level brain dynamics
人类大脑表现出相对稳定的时空组织,支持大脑功能,并可以通过局部脑刺激进行操纵。这种对局部皮层动力学的扰动被不同的神经系统全局整合。然而,神经活动的局部变化如何以及为什么影响大规模系统动力学仍然不清楚。在这里,我们简要回顾了经验和计算研究,解决如何本地化扰动影响大脑活动。然后,我们系统地分析了一个大规模的大脑动力学模型,评估了不同部位大脑活动的局部变化如何影响全脑动力学。我们发现,局部刺激诱导大脑活动的变化,可以概括为相对平滑的调谐曲线,这涉及到一个区域的有效性作为一个刺激位点,其在皮层层次结构中的位置。我们的研究结果也支持这样的观点,即大脑中枢,在一个较慢的制度,更有弹性的焦点扰动和关键有助于保持稳定的全球大脑动力学。相比之下,以更快的活动为特征的周边区域的扰动对功能连接具有更大的影响。作为一个平行的区域水平的结果,我们还发现,周边系统,如视觉和感觉运动网络更受局部扰动比高层次的系统,如扣带-鳃盖网络。我们的研究结果强调了外围到核心层次结构的重要性,以确定局部刺激对大脑网络的影响。我们还提供了新的资源,以定向的经验工作,旨在操纵功能连接使用非侵入性脑刺激。
2016-09-02 q-bio.NC
Inducing brain-relevant bias in natural language processing models
Carnegie Mellon University(卡内基梅隆大学)
自然语言处理(NLP)模型估计单词序列的表示的进展最近被用来提高对大脑语言处理的理解。然而,这些模型并不是专门设计来捕捉大脑表示语言意义的方式的。我们假设,微调这些模型来预测人们阅读文本的大脑活动记录,将导致编码更多与大脑活动相关的语言信息的表征。我们证明了BERT,一个最近推出的强大的语言模型的版本,可以提高微调后的大脑活动的预测。我们发现,语言和大脑活动之间的关系,通过BERT在这种微调过程中学习转移到多个参与者。我们还表明,对于一些参与者来说,从脑磁图(MEG)和功能性磁共振成像(fMRI)中学习到的微调表示比从单独的fMRI中学习到的表示更好地预测fMRI,这表明学习到的表示捕获了大脑活动相关的信息,而不仅仅是模态的伪影。虽然语言表示的变化有助于模型预测大脑活动,但它们也不会损害模型执行下游NLP任务的能力。我们的发现对于大脑中语言理解的研究是值得注意的。
2019-10-29 cs.CL cs.LG q-bio.NC
Localization of Brain Activity from EEG/MEG Using MV-PURE Framework
本文提出基于MV-PURE框架的降秩活动指数,用于从EEG/MEG中定位脑活动源,证明其无偏性并在低信噪比下对邻近相关源具有比全秩指数更高的空间分辨率。
2024-08-01 eess.SP q-bio.NC
Mapping brain activity with flexible graphene micro-transistors
在大脑和电子设备之间建立可靠的通信接口对于充分利用神经假体的潜力至关重要。然而,用于记录电活动的当前微电极技术证明了重要的缺点,例如,具有挑战性的高密度集成。另一方面,如果有合适的晶体管材料,溶液栅场效应晶体管(SGFET)可以克服这些缺点。石墨烯由于其生物相容性、化学稳定性、柔性、低固有电子噪声和高载流子迁移率而特别有吸引力。在这里,我们报告使用一个灵活的石墨烯SGFET阵列记录自发慢波,以及视觉诱发和癫痫前活动在大鼠体内。石墨烯SGFET的柔性阵列允许以优异的信噪比(SNR)绘制脑电活动,这表明该技术可以为未来一代体内记录植入物奠定基础。
2016-11-17 physics.bio-ph q-bio.NC
The case for emulating insect brains using anatomical "wiring diagrams" equipped with biophysical models of neuronal activity
开发全脑仿真(WBE)技术将为神经科学、生物医学、人工智能和机器人技术带来巨大的好处。目前,由于实验数据和计算资源有限,构建模拟人脑缺乏可行性。然而,我建议通过努力实现一个中间目标,即昆虫脑仿真(IBE),可以加速实现这一目标的进展。更具体地说,这将需要创建整个昆虫神经系统的生物学真实模拟,以及非神经元昆虫生理学的更近似模拟,以制造“虚拟昆虫”。“我认为,这在未来20年内是现实可行的。我认为,开发昆虫大脑的仿真将激励全球科学家、企业家和政策制定者追求更崇高的目标,即模仿人类大脑。通过IBE证明WBE是可能的,模拟哺乳动物大脑和最终人类大脑可能不再被视为过于激进的野心,值得大量的资金和资源。此外,国际教育局将通过使用虚拟昆虫进行研究,促进认知神经科学,人工智能和机器人技术的巨大进步。
2019-10-27 q-bio.NC
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
Scale-Free Exponents of Resting State provide a Biomarker for Typical and Atypical Brain Activity
无标度网络(SFN)源于简单的增长过程,它可以鼓励高效,集中和容错的通信(1)。最近的研究表明,稳定的网络枢纽结构是由指数(>2.0)的相变所控制的,导致网络结构的急剧变化,包括全局连通性的丧失,最小支配节点集的增加,以及与节点增长相比向连通性增长的转变。这种SFN的变化在非典型的大脑活动中是可识别的吗?中心度(D)上的Pareto分布(P(D)~D^- \b{eta})是无标度网络的一个特征。在静息状态下,我们评估了大范围的神经典型和非典型受试者的度指数。我们使用图复杂性理论来提供大脑网络结构的预测理论。结果我们发现,神经典型的静息态功能磁共振成像大脑活动具有无标度帕累托指数(1.8 SE .01)在一个单一的个人扫描超过66天,以及在60个不同的个人(1.8 SE .02)。我们还表明,60名自闭症谱系障碍患者和60名精神分裂症患者的无标度指数显着更高(>2.0)(2.4 se .03,2.3 se .04),这表明大脑网络中的动态更加细分和更不可控在休息状态。最后,我们表明,指数值随非典型疾病严重程度的表型指标而变化,表明网络本身的全局拓扑结构可以为非典型脑活动提供特定的诊断生物标志物。
2016-05-30 q-bio.NC
Neural Language Taskonomy: Which NLP Tasks are the most Predictive of fMRI Brain Activity?
INRIA(法国国家信息与自动化研究所);IIIT Hyderabad(印度海得拉巴国际信息技术学院);Microsoft(微软)
几种流行的基于Transformer的语言模型已经被发现对于文本驱动的大脑编码是成功的。然而,现有文献仅利用预训练的文本Transformer模型,并且尚未探索特定于任务的学习Transformer表示的功效。在这项工作中,我们探索了从十个流行的自然语言处理任务(两个句法和八个语义)学习的表征的迁移学习,用于预测来自两个不同数据集的大脑反应:Pereira(受试者阅读段落中的句子)和Narratives(受试者听口语故事)。基于任务特征的编码模型用于预测整个大脑不同区域的活动。共指消解、NER和浅层句法分析的特征解释了阅读活动的更大差异。另一方面,对于听力活动,任务,如释义生成,摘要,和自然语言推理表现出更好的编码性能。所有10个任务表征的实验提供了以下认知见解:(i)语言左半球比语言右半球具有更高的预测脑活动,(ii)后内侧皮层、颞顶枕交界区、背额叶与早期听觉和听觉联合皮层具有更高的相关性,(iii)句法和语义任务分别在阅读和听力刺激的大脑区域中显示出良好的预测性能。
2022-05-03 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
Quantifying the compressibility of the human brain
Yale University(耶鲁大学);Indiana University(印第安纳大学);University of Minnesota(明尼苏达大学)
本文提出信息论框架识别人脑神经状态预测中的关键相关性,发现少量稀疏相关性即可解释绝大多数活动方差,且该可压缩性跨个体和任务稳定存在。
2025-10-18 physics.bio-ph q-bio.NC
Universal Organization of Resting Brain Activity at the Thermodynamic Critical Point
热力学临界性描述了各种各样的复杂系统中的涌现现象。在哺乳动物大脑中,神经元相互作用自发产生的复杂动力学被表征为神经元雪崩,一种临界分支动力学形式。在这里,我们表明,神经元雪崩也反映了大脑动力学组织接近热力学临界点。我们分别使用高密度颅内微电极阵列和脑磁图记录了猴子和人类在休息时的自发皮层活动。通过数值改变一个相当于热力学温度的控制参数,我们观察到了接近实际生理条件下大脑皮层活动的典型临界行为,包括序参量的相变,以及磁化率和比热的发散。这些量的有限尺寸标度使我们能够推导出在猴子和人类之间高度一致的鲁棒临界指数,揭示了一个独特的,但普遍的大脑动力学组织。
2013-04-12 cond-mat.dis-nn physics.bio-ph q-bio.NC
Triple Configuration of Brain Networks Based on Recurrent Neural Networks: The Synergistic Effects of Exogenous Stimuli, Task Demands, and Spontaneous Activity
School of Future Technology, University of Chinese Academy of Sciences(中国科学院大学未来技术学院)
本文提出利用循环神经网络建模 resting-state EEG 数据,揭示由外源和内源因素驱动的脑网络三重配置,发现顶叶网络在支持多种配置模式中的关键作用,以及不同刺激模态下前顶叶和后顶叶区域的功能特化。
2026-04-26 q-bio.NC
Forecasting Whole-Brain Neuronal Activity from Volumetric Video
Google Research(谷歌研究院);Harvard University(哈佛大学);HHMI Janelia(霍华德·休斯医学研究所珍妮亚研究园区)
本文研究直接从体积视频预测全脑神经元活动,设计了具有大感受野的深度学习模型以捕捉长程依赖,并在ZAPBench基准上证明其优于基于轨迹的方法,凸显了保留空间结构的优势。
2025-02-27 cs.CV cs.LG q-bio.NC
Improving visual image reconstruction from human brain activity using latent diffusion models via multiple decoded inputs
Graduate School of Frontier Biosciences, Osaka University(大阪大学前沿生物科学研究生院);CiNet, NICT(日本信息通信研究机构脑信息通信融合研究中心)
本研究基于已有框架,结合文本解码、非线性优化和深度信息三种解码技术,改进从人脑活动重建视觉图像的准确性,并讨论使用大规模深度生成模型时的注意事项。
2023-06-20 cs.AI cs.CV q-bio.NC
Effects of electrical and optogenetic deep brain stimulation on synchronized oscillatory activity in Parkinsonian basal ganglia
传统的基底神经节脑深部电刺激(DBS)使用高频规则电脉冲治疗帕金森病运动症状,具有一系列局限性。相对较新且尚未临床测试的光遗传学刺激是影响病理网络动力学的有效实验刺激技术。我们比较了电刺激和光遗传学刺激基底神经节对病理性帕金森病节律性神经活动的影响。我们研究了网络对电刺激以及兴奋性和抑制性光遗传学刺激的反应。不同的刺激与网络中的病理活动表现出不同的相互作用。我们研究了不同的网络和刺激参数值的这些相互作用。发现光遗传刺激在抑制病理节律性方面比电刺激更有效。我们的研究结果表明,神经同步的光遗传控制可能比电控制更有效,因为刺激与网络动力学相互作用的方式不同。
2017-06-03 q-bio.NC
Correntropy-Based Logistic Regression with Automatic Relevance Determination for Robust Sparse Brain Activity Decoding
Tokyo Institute of Technology(东京工业大学);Xi’an Jiaotong University(西安交通大学)
针对高维脑活动信号中噪声导致稀疏分类性能下降的问题,提出基于相关熵的鲁棒稀疏逻辑回归算法,在合成、EEG和fMRI数据集上验证了更高准确率和更具信息量的特征选择。
2022-07-20 cs.LG q-bio.NC
A class of mean-field models to bridge molecular to brain scales
Paris-Saclay University, CNRS, Paris-Saclay Institute of Neuroscience (NeuroPSI)(巴黎萨克雷大学、法国国家科学研究中心、巴黎萨克雷神经科学研究所)
该研究综述一类可整合生物物理细节的平均场模型,用于连接分子与脑尺度,以麻醉为例说明其能评估微观变化对脑活动的影响,还可推广至脑疾病及药物研究,连接不同神经科学领域。
2026-08-12 q-bio.NC
Classification of EEG recordings in auditory brain activity via a logistic functional linear regression model
我们想分析脑电图记录,以调查在听觉处理的早期阶段的音素分类。这个问题可以通过功能数据的监督分类来建模。通过逻辑功能线性模型,使用小波表示的数据的歧视进行了探讨。不同的程序进行了调查,基于惩罚似然和主成分减少或偏最小二乘减少。
2014-07-04 math.ST q-bio.NC stat.AP
EyeBrain: Left and Right Brain Lateralization Activity Classification Through Pupil Diameter and Fixation Duration
RPTU Kaiserslautern-Landau \& DFKI GmbH Kaiserslautern Germany;Osaka Metropolitan University \& DFKI Lab Japan Osaka Japan;RPTU Kaiserslautern-Landau \& DFKI GmbH;Osaka Metropolitan University \& DFKI Lab Japan
本文通过瞳孔直径和注视持续时间有效区分左右脑活动,达到0.894的F1分数,表明眼动指标可用于认知监测和神经康复。
2026-04-26 cs.AI cs.HC q-bio.NC