Phase lagging model of brain response to external stimuli - modeling of single action potential
在本文中,我们详细介绍了一个相位滞后模型的大脑反应的外部刺激。该模型是使用能量守恒定律等基本物理定律推导出来的。该模型消除了动作电位在大脑中瞬时传播的悖论。然后给出了该模型的求解方法。该模型被进一步应用在单个神经元的情况下,并通过模拟单个动作电位进行验证。这种建模的结果不仅对单个动作电位生成的基本理解是有用的,而且它们可以应用于神经元相互作用的情况下,其中结果可以针对真实的EEG信号进行验证。
2012-04-03 q-bio.NC
Diffusion Based Modeling of Human Brain Response to External Stimuli
人类大脑反应是大脑分析内部和外部刺激的整体能力,这些刺激以能量转移到心灵/大脑相空间的形式,从而做出正确的决定。在过去的十年中,科学家们发现了这一现象,并提出了一些基于计算,生物或神经心理学方法的模型。尽管在这一领域的研究中取得了一些进展,但在人脑对外部刺激反应的数学建模方面所做的努力较少。本文基于分数阶扩散方程,对脑电信号进行建模,作为对整个人脑活动监测的一种警戒状态。该模型的建模结果与真实的人的脑电信号非常吻合,因此,该模型可以用作人脑活动的强代表。
2012-04-03 math.AP q-bio.NC
Phase Entrainment by Periodic Stimuli In Silico: A Quantitative Study
我们提出了一个定量研究的相位夹带周期性视觉刺激的生物启发神经网络。目的是了解神经元种群动力学,其基础是外部刺激引起的脑振荡的相位夹带,其用于神经系统疾病的治疗性处理,例如帕金森震颤。然而,这种夹带的神经动力学基础还没有完全理解。有节奏的感觉刺激是研究大脑相位同步的一种方法。最近的一项实验研究报告了稳态视觉诱发电位(SSVEP)中脑振荡的相位夹带,SSVEP是与周期性刺激相对应的头皮脑电图。我们模拟了SSVEP样信号对应于周期性脉冲输入到我们的硅片模型。我们使用锁相值,归一化香农熵和条件概率作为同步指标,以显示在神经元群体的相位同步。我们的实验表明,相位同步消失与输入脉冲间的间隔抖动,这将不会是这种情况下,如果输出信号是叠加的响应不同的输入信号。因此,相位同步意味着周期性输入对网络响应的夹带。总体而言,我们的研究表明,使用经过实验工作验证的生物启发计算机模型来理解脑夹带作为特定神经系统疾病的治疗方法并做出可测试的预测是合理的。
2021-11-15 q-bio.NC
Out of sight out of mind: Perceived physical distance between the observer and someone in pain shapes observer's neural empathic reactions
社会关系和情感关系可以塑造对他人情感状态的移情。先前的研究还表明,人们倾向于根据他们的物理距离形成非常不同的刺激心理表征。在这方面,具身认知提出,个体之间不同的物理距离激活不同的人际处理模式,因此,近的物理距离往往会激活典型的社会和情感密切关系的人际处理模式。实验一采用事件相关电位(ERP)技术,对两组被试分别进行了正脸和反脸的疼痛决策任务,并对两组被试的神经共情反应进行了监测。至关重要的是,参与者被提供了两种可能大小之一的面部刺激,以操纵视网膜大小和感知的物理距离,大致对应于社交距离的近和远部分。与共情反应兼容的ERPs调制只观察到暴露于面部刺激似乎是在一个密切的社会距离的参与者。这种反应是不存在的一组暴露于较小的刺激相对应的面部刺激观察到从一个遥远的社会距离。在实验2中,一个不同的组的参与者进行了一个匹配到样本的任务,涉及两个大小的直立的脸刺激的实验1,以测试是否调制的神经共情反应观察到的实验1可以归因于能力的差异,以确定两个不同大小的面孔。结果表明,两种尺寸的面部刺激可以同样识别。根据联想水平和联想模拟的理论框架,我们得出结论,知觉的物理距离可能会形成共情以及社会和情感距离。
2018-08-06 q-bio.NC
Mapping fMRI Signal and Image Stimuli in an Artificial Neural Network Latent Space: Bringing Artificial and Natural Minds Together
Tilburg University(蒂尔堡大学)
本研究通过表征相似性分析比较自编码器与视觉变换器的潜在空间,初步探究fMRI数据与图像刺激的共享信息,发现两者存在差异,需进一步研究。
2025-03-27 cs.CV q-bio.NC
A Novel Framework for Visual Motion Imagery Classification Using 3D Virtual BCI Platform
本研究利用3D脑机接口(BCI)训练平台刺激被试进行视觉运动表象和视知觉训练。我们测量了被试在感知和想象刺激时的脑区激活和α-波段功率活动。在此基础上,分别在视觉刺激和视觉运动表象两个阶段将其分为4类。结果表明,枕区参与视知觉和视觉运动表象,在视觉运动表象时,枕区α波功率增加,在视觉运动刺激时,枕区α波功率降低。与视觉运动表象和运动表象的成绩相比,视觉运动表象的成绩显著高于运动表象。使用一个相对于休息的方法以及大脑激活的分析来证明视觉相关的脑电波信号是有意义的,并且结果是显著的。
2020-02-04 cs.HC 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
Multi-command Tactile and Auditory Brain Computer Interface based on Head Position Stimulation
我们研究在何种程度上传递到受试者的头部的振动触觉刺激可以作为一个平台,脑机接口(BCI)的范例。六个头部位置被用来唤起组合的体感和听觉(通过骨传导效应)的大脑反应,以定义一个多模态的触觉和听觉脑计算机接口(taBCI)。受试者进行在线taBCI的实验结果,使用适度快速的刺激间间隔(ISI)的刺激,验证taBCI范式,而通过信息传输率的案例研究的概念的可行性被照亮。
2013-05-12 cs.HC q-bio.NC
Novel Virtual Moving Sound-based Spatial Auditory Brain-Computer Interface Paradigm
本文报告了一项研究,其中一个新的虚拟移动的声音为基础的空间听觉脑机接口(BCI)的范例开发。经典的听觉BCI依赖于空间静态刺激,当受试者具有非均匀的空间听觉感知特性时,这些刺激通常是无聊的并且难以感知。移动声音的概念提出和测试的文件允许创建一个P300的古怪范式的必要的目标和非目标的听觉刺激,这是更有趣,更容易区分。我们提出了一份报告,我们的研究7名健康受试者,这证明了移动的声音刺激的概念,一种新的BCI的可用性。我们比较在线BCI分类结果在静态和移动的声音范例产生类似的准确性结果。受试者偏好报告表明,所提出的移动声音协议更舒适,更容易与在线BCI区分。
2013-08-14 cs.HC q-bio.NC
Zigzag Persistence of Neural Responses to Time-Varying Stimuli
Area Science Park(地区科学园);Department of Mathematics, Informatics and Geosciences University of Trieste(的里雅斯特大学数学、信息学和地球科学系);SISSA(的里雅斯特高级研究学院)
该研究利用拓扑数据分析,通过锯齿形持续同调捕捉神经响应随时间变化的拓扑结构,验证了拓扑描述符在区分不同刺激神经响应中的可靠性。
2026-03-03 math.AT q-bio.NC
Semantic learning in autonomously active recurrent neural networks
人脑是自主活动的,其特征在于即使在没有外部感觉刺激的情况下也会存在的自我维持的神经活动。在这里,我们研究自主活动的递归神经网络和外部感官刺激的自我维持的活动之间的相互关系。外部刺激的涌入与自主和持续的大脑动力学内部产生的模式之间没有先验的语义关系。那么问题就来了,内部和外部动态过程之间的语义相关性是何时以及如何习得和建立起来的?我们研究这个问题的瞬态动力学的范式内的神经活动在循环神经网络,即一个自治的神经活动的特点是由一个无限的时间序列的瞬态稳定的吸引子状态。我们建议,外部刺激将是相关的敏感期,{ \it即}过渡期之间的一个瞬态和随后的半稳定吸引子。每当刺激定性地影响内部动态时,无监督地生成扩散学习信号。为了测试,我们已经提出了相应的酒吧和条纹问题的模型系统的刺激。我们发现,该系统执行非线性独立分量分析本身,是连续和自主的活动。这种涌现的认知能力是由神经动力学的一个普遍原理--神经集合之间的竞争--产生的。
2009-03-11 q-bio.NC
Neuronal Correlates of Semantic Event Classes during Presentation of Complex Naturalistic Stimuli: Anatomical Patterns, Context-Sensitivity, and Potential Impact on shared Human-Robot Ontologies
本研究通过对观看复杂自然视频刺激的参与者fMRI数据进行GLM和RSA分析,探究语义事件类别(拾取、放置等)的神经关联,为认知赋能机器人的人机共享本体开发提供神经科学依据。
2025-02-12 q-bio.NC
Detection of brain activations induced by naturalistic stimuli in a pseudo model-driven way
自然主义的功能磁共振成像已被认为是一个强大的替代调查人类大脑功能。刺激诱导的激活在基于fMRI的脑功能分析中起着至关重要的作用。然而,由于刺激的复杂性,检测自然刺激(AINS)诱导的激活一直是一个棘手的问题,因为AINS不能简单地以模型驱动的方式检测。在这项研究中,我们提出了一种方法来检测AINS在一个伪模型驱动的方式。受利用大脑在相同刺激下的共性进行受试者间相关性分析的策略启发,我们通过对多个受试者的fMRI信号进行平均,建立了一个受试者的反应模型,然后使用一般线性模型检测该受试者的AINS。我们评估了AINS的有效性,对性别和智商(IQ)的个体差异进行了统计和预测分析,基于人类连接组项目数据集中的四部电影fMRI运行。结果表明,AINS不仅对性别和智商相关的差异敏感,而且对个体的性别和智商有足够的特异性。具体来说,与视觉空间处理相关的大脑区域的激活在男性中被观察到始终更强,而具有较高智商的个体在视觉和默认模式网络内的区域中表现出始终更强的激活。对个体性别和智商的预测效果显著优于随机标签法(P < 0.005)。因此,本研究提出的AINS可以有效地评价人脑功能。AINS的概念简单,易于应用,它的检测可能是一个有利的选择,未来的脑功能分析和个性化医疗的基础上自然fMRI。
2022-12-03 q-bio.NC
Modeling Dynamic Neural Activity by combining Naturalistic Video Stimuli and Stimulus-independent Latent Factors
针对现有动态神经编码模型无法同时建模潜状态与完整神经元响应分布的不足,提出结合视频刺激与刺激无关潜变量的概率预测模型,在小鼠V1神经响应数据上验证了其性能优势与无监督习得潜变量的生物学意义。
2025-11-17 cs.AI q-bio.NC
Modeling Retinal Ganglion Cell Population Activity with Restricted Boltzmann Machines
Istituto Italiano di Tecnologia(意大利理工学院)
视网膜是一个复杂的神经系统,它在视觉皮层进行高阶处理之前对视觉刺激进行编码。在这项研究中,我们评估了有关视网膜接收到的刺激的信息是否可以从视网膜神经节细胞(RGC)的放电率分布中检索,利用高密度64x64 MEA技术。为此,我们使用平均协方差限制玻尔兹曼机(英语:Restricted Boltzmann Machines),能够学习一组连续观测随机变量和一组二进制未观测随机单位的联合分布的潜变量模型,来模拟研究资助局的人口活动。这个想法是为了弄清楚二进制潜在状态是否将与不同视觉刺激相关的信息编码为联合分布中的模式。我们通过计算潜在状态和刺激之间的互信息来衡量mcRBM编码的优劣。结果表明,二进制状态可以编码与不同的刺激,使用光栅和自然场景的刺激。我们还发现,隐变量编码视网膜活动的有趣特性,解释为人口感受野。我们进一步研究了该模型学习不同模式的群体活动的能力,通过比较与正常条件下的视网膜相关的结果和在阻断GABA受体(首先是GABAC,然后是GABAA和GABAB)后的结果。正如预期的那样,如果我们阻断受体,互信息往往会减少。最后,我们强调,在这项工作中描述的计算方法可以潜在地应用于任何类型的神经数据通过MEA技术,虽然不同的技术应适用于解释的结果。
2017-01-17 cs.CV q-bio.NC
Contrastive Learning of Shared Spatiotemporal EEG Representations Across Individuals for Naturalistic Neuroscience
Tsinghua University(清华大学);Southern University of Science and Technology(南方科技大学)
本研究提出跨个体共享时空EEG表征对比学习框架CL-SSTER,通过时空卷积结合对比学习提取跨个体共享神经模式,在三类EEG数据集上取得最优被试间相关性,为自然神经科学研究提供可解释、可扩展的分析工具。
2024-07-14 cs.LG eess.SP q-bio.NC
NeuroVolve: Evolving personalized visual stimuli toward user-defined brain response targets
Cornell University(康奈尔大学);Cornell Tech(康奈尔科技);Weill Cornell Medicine(韦尔医学院)
NeuroVolve通过可编程神经目标生成视觉刺激,揭示大脑区域间的协同与对抗性调节关系,实现脑引导的图像编辑与首选刺激生成的统一。
2026-11-03 cs.CV q-bio.NC
PATHFINDER: Designing Stimuli for Neuromodulation through data-driven inverse estimation of non-linear functions
本文提出 PATHFINDER 优化框架,利用回归方法估计多对一非线性前向映射的逆,以解决数据驱动的神经调控刺激设计问题,并在小样本量下优于现有方法。
2023-05-30 q-bio.NC stat.AP
Bayesian Time-Series Classifier for Decoding Simple Visual Stimuli from Intracranial Neural Activity
Isfahan University of Technology(伊斯法罕理工大学);Worcester Polytechnic Institute(伍斯特理工学院);Massachusetts General Hospital(麻省总医院);Harvard Medical School(哈佛医学院)
针对颅内神经数据有限且具随机性的问题,提出可解释的贝叶斯时间序列分类器BTsC,用于解码视觉颜色刺激,并在4名患者数据上达到75.55%的平均准确率。
2023-07-28 cs.LG eess.SP q-bio.NC
Most discriminative stimuli for functional cell type clustering
Baylor College of Medicine(贝勒医学院);Rice University(莱斯大学);Max Planck Institute for Dynamics and Self-Organization(马克斯·普朗克动力学与自组织研究所)
提出基于优化和深度预测模型的聚类方法,利用最具判别性刺激在多种视觉系统中无偏识别功能细胞类型,实现快速可解释的细胞类型分配。
2024-03-14 cs.AI cs.LG q-bio.NC
Emotion Specification from Musical Stimuli: An EEG Study with AFA and DFA
本研究报告有趣的发现,在有关的情绪唤起为基础的活动,而听两个印度斯坦经典ragas的对比情绪。EEG数据取自5名天真的听众,同时他们听了两首ragas Bahar和Mia ki Malhar,这两首歌通常被认为是描绘对比情绪的。EEG数据分析的帮助下,两个强大的非线性工具,即自适应分形分析(AFA)和去趋势波动分析(DFA)。从这两种方法获得的赫斯特指数的比较研究已经表明,DFA提供了更严格的结果相比,AFA,当涉及到生物信号数据的缩放分析。结果和影响进行了详细讨论。
2017-04-29 nlin.CD q-bio.NC
Neuron's Eye View: Inferring Features of Complex Stimuli from Neural Responses
在单个神经元水平上研究刺激的神经编码的实验通常选择世界上存在的一小组特征--视觉的对比度和亮度,声音的音高和强度--并组装一个沿着这些维度系统变化的刺激集。对这些刺激的神经反应的后续分析通常集中在回归模型上,以实验者控制的特征作为预测因子,以尖峰计数或放电率作为反应。不幸的是,这种方法需要预先了解由给定神经元群体编码的相关特征。然而,对于像社会互动或自然运动这样复杂的领域,相关的特征空间知之甚少,并且任意的\emph{a priori}特征选择可能会引起确认偏差。在这里,我们提出了一个贝叶斯模型的探索性数据分析,是能够自动识别的功能,存在于非结构化的刺激的基础上,仅对神经元的反应。我们的方法是唯一的类内的潜在状态空间模型的神经活动,它假设神经元的放电率是敏感的多个离散的时变功能绑定到\emph{stimulus},其中每一个具有马尔可夫(或半马尔可夫)动态。也就是说,我们将神经活动建模为由多个同时刺激特征驱动,而不是内在的神经动力学。我们推导出一个快速变分贝叶斯推断算法,并表明它正确地恢复隐藏功能的合成数据,以及地面真实刺激功能的原型神经数据集。为了证明该算法的实用性,我们还将其应用于聚类神经反应,并成功地恢复了图像集中与猴子和人脸相对应的特征。
2016-11-21 q-bio.NC stat.ML
Using persistent homology to reveal hidden information in neural data
我们提出了一种方法,基于持久的同源性,揭示神经元活动的先验未知协变量的拓扑性质。我们的输入数据包括一组感兴趣的神经元的脉冲序列测量值、控制神经元活动的已知刺激的候选列表以及整个实验过程中动物的相应状态。使用一个广义线性模型的神经元活动和简单的假设的影响,外部刺激,我们推断出任何贡献所观察到的脉冲序列的候选刺激。持续的同源性,然后揭示有用的信息,任何进一步的,未知的,协变量。
2015-10-22 math.AT q-bio.NC
A model for neural activity in the absence of external stimuli
本文研究了一个描述有限神经元系统在无外界刺激情况下膜电位随时间连续演化的随机过程。膜电位的值在{ \it化学突触}、{ \it电突触}和\textit{leak current}的作用下演变。这一进程的演变可以非正式地描述如下。每一个神经元随机地按照一个点过程发放脉冲,其频率取决于其膜电位。当一个神经元出现尖峰时,它的膜电位会立即重置为静息值。同时,受其影响的神经元的膜电位获得额外的正值。此外,在连续的尖峰之间,由于电突触和漏电流,系统遵循确定性运动。电突触将系统推向其平均电位,而漏电流将每个神经元的膜电位吸引到静息值。我们表明,在没有泄漏的过程中,指数快速收敛到一个独特的不变测度,只要初始配置是非空的。更有趣的是,当泄漏存在时,我们证明了系统几乎肯定会在有限的时间后停止尖峰。这意味着唯一的不变测度仅由空配置支持。
2016-11-16 math.PR q-bio.NC
Visual attention information can be traced on cortical response but not on the retina: evidence from electrophysiological mouse data using natural images as stimuli
National Technical University of Athens(雅典国家技术大学)
本研究通过计算方法分析小鼠电生理数据,发现视觉注意信息可在初级视觉皮层响应中追踪,但不存在于视网膜响应中,为改进视觉假体系统设计提供了贡献。
2023-08-01 cs.CV eess.IV q-bio.NC
Semantic Brain Decoding: from fMRI to conceptually similar image reconstruction of visual stimuli
University of Rome, Tor Vergata(罗马第二大学);Istituto di Bioimmagini e Fisiologia Molecolare, CNR(意大利国家研究委员会生物成像与分子生理学研究所);Martinos Center for Biomedical Imaging(马丁诺斯生物医学成像中心);MGH(麻省总医院);Harvard Medical School(哈佛医学院)
大脑解码是计算神经科学的一个领域,它使用可测量的大脑活动来推断心理状态或感知输入的内部表征。因此,我们提出了一种新的方法,大脑解码,也依赖于语义和上下文的相似性。我们采用自然图像视觉的fMRI数据集,并创建一个深度学习解码管道,灵感来自人类视觉中自下而上和自上而下的过程。我们训练了一个线性的脑-特征模型,将fMRI活动特征映射到视觉刺激特征上,假设大脑将视觉信息投射到一个空间上,该空间与预先训练的卷积神经网络的最后一个卷积层所表示的潜在空间同胚,该网络通常收集各种语义特征,这些语义特征总结并突出概念之间的相似性和差异性。这些功能,然后在潜在的空间中使用最近邻策略进行分类,其结果被用来调节生成潜空间扩散模型,以创建新的图像。仅从功能磁共振成像数据,我们产生的视觉刺激,匹配原始内容非常好的语义水平上的重建,超越了在以前的文献中的艺术状态。我们评估我们的工作,并获得良好的效果,使用定量语义度量(Wu-Palmer相似性度量WordNet词典,平均值为0.57),并进行了人类评价实验,导致正确的评价,根据人类标准的多样性在评估图像相似性,在超过80%的测试集。
2023-03-22 cs.CV q-bio.NC
Decomposing stimulus-specific sensory neural information via diffusion models
Institut de la Vision, INSERM, CNRS Sorbonne Université(视觉研究所,INSERM,CNRS,索邦大学);Laboratoire des Systèmes Perceptifs Sorbonne University & École Normale Supérieure - PSL(感知系统实验室,索邦大学与巴黎高等师范学院-PSL)
针对感觉编码中互信息逐刺激分解这一不适定问题,研究者提出三大公理并推导出符合准则的可处理分解方法,借助扩散模型实现高效估计,可量化刺激及特征对神经编码信息的贡献,为神经表征研究提供可扩展可解释工具。
2025-10-22 q-bio.NC stat.ML
Improving Maximum Likelihood Difference Scaling method to measure inter content scale
Nantes Université(南特大学);Ecole Centrale Nantes(南特中央理工学院);CNRS(法国国家科学研究中心);LS2N(南特数字科学实验室);Netflix Inc.(网飞公司)
大多数主观研究的目标是将一组刺激放在感知尺度上。这主要是通过评级直接完成的,例如使用单一或双重刺激方法,或通过排名或成对比较间接完成的。所有这些方法都是在一个尺度上估计刺激的感知幅度。然而,最大似然差异标度(MLDS)等程序表明,考虑感知距离可以在辨别力、观察者的认知负荷和所需试验次数方面带来好处。MLDS方法的缺点之一是,从不同的源内容创建的刺激获得的感知尺度通常是不可比的。在本文中,我们提出了一个扩展的MLDS方法,确保内容间的可比性的结果,并显示其有用性,特别是在存在观察员误差。
2022-02-25 cs.LG 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
Optimal encoding in stochastic latent-variable Models
在这项工作中,我们探讨了在嘈杂的尖峰网络的感觉编码的统计模型学习的编码策略。神经系统中的感觉通信的早期阶段可以被视为信息理论意义上的编码通道。然而,神经元群体面临着通信理论中不常考虑的约束。使用受限玻尔兹曼机作为感官编码的模型,我们发现,具有足够容量的网络学习平衡精度和噪声鲁棒性,以便自适应地传达具有不同信息内容的刺激。在感觉系统中观察到的镜像变异抑制,信息刺激以高精度编码,代价是对频繁的、因此信息较少的刺激的更多可变反应。奇怪的是,我们还发现神经元群体代码中的统计临界性出现在输入统计被很好地捕获的模型大小上。这些现象有明确的热力学解释,我们讨论了他们的连接到流行的理论编码和统计临界神经元群体。
2020-06-24 q-bio.NC
Multi-Region Neural Representation: A novel model for decoding visual stimuli in human brains
Nanjing University of Aeronautics and Astronautics(南京航空航天大学)
多变量模式(MVP)分类具有巨大的潜力解码视觉刺激在人类大脑中采用基于任务的功能磁共振成像数据集。MVP技术面临着广泛的挑战,即降低噪声和稀疏性,定义有效的感兴趣区域(ROI),可视化结果以及大脑研究的成本。为了克服这些挑战,本文提出了一种新的神经表征模型,它可以自动检测每个视觉刺激的活动区域,然后利用这些解剖区域进行可视化和分析的功能活动。因此,该模型为神经科学家提供了一个机会来问这个问题:刺激对每个检测到的区域的影响是什么,而不仅仅是研究手动选择的ROI中体素的波动。此外,我们的方法引入了分析大脑图像的快照,而不是使用整个fMRI时间序列来降低稀疏性。在此基础上,提出了一种新的高斯平滑方法,用于在感兴趣区水平上去除体素噪声。所提出的方法使我们能够结合不同的fMRI数据集,以减少大脑研究的成本。对4个视觉类别(单词,辅音,物体和无意义的照片)的实验研究证实,所提出的方法实现了优于国家的最先进的方法的性能。
2016-12-26 cs.LG q-bio.NC stat.ML
Modeling and Interpreting Correlations, Null Distributions and Significance Levels in Neural Tracking of Natural Stimuli
KU Leuven(荷语鲁汶大学)
本研究针对自然刺激神经追踪的相关性解释问题,提出刺激-响应错位的零假设选择,构建半参数模型生成零归一化追踪分数,通过EEG数据反转原始相关性结论,提供了高效的神经追踪分析方法论。
2026-08-12 eess.SP q-bio.NC q-bio.QM
Bimodular continuous attractor neural networks with static and moving stimuli
本文研究双模块连续吸引子网络在静态与运动刺激下的耦合动力学,揭示活动峰偏移、脉冲、多稳态及追踪转变,并将其解释为贝叶斯多感觉整合机制。
2023-07-16 nlin.AO physics.bio-ph q-bio.NC
Graph learning methods to extract empathy supporting regions in a naturalistic stimuli fMRI
本研究提出结合稀疏性方法的图学习处理流程,基于自然刺激fMRI数据识别共情相关脑区与动态神经机制,验证了相关脑区的核心作用,为共情相关干预治疗提供参考。
2024-03-11 eess.SP q-bio.NC
Reproducibility via neural fields of visual illusions induced by localized stimuli
Université Paris-Saclay, CNRS, CentraleSupélec(巴黎萨克雷大学,法国国家科学研究中心,中央理工-苏雷夫学院)
本文利用Amari型神经场模型V1区神经元活动平均膜电位,研究局部聚焦 funnel 模式诱导的视觉现象,探讨其非线性特性及兴奋性与抑制性神经元的交互作用。
2024-10-01 cs.NA math.AP math.NA
Representing stimulus motion with waves in adaptive neural fields
本文提出自适应神经场行波模型,通过微扰得到波响应函数,刻画行波对持续运动刺激与间歇闪光刺激的夹带机制,为视觉运动感知提供理论解释。
2023-12-11 nlin.PS q-bio.NC
Multi-modal brain encoding models for multi-modal stimuli
Technische Universität Berlin(柏林技术大学);Rice Univ(莱斯大学);Univ of Bonn(波恩大学);Spector Inc(Spector公司);Microsoft(微软);IIIT Hyderabad(海得拉巴国家理工学院)
本研究利用跨模态和联合预训练的多模态模型,探究其预测观看电影时fMRI脑活动的准确性,发现多模态模型在视觉和语言区域对齐更好,且跨模态模型主要依赖视频,联合预训练模型依赖视频和音频,为理解大脑多模态处理提供动机。
2025-05-26 cs.AI cs.CL cs.LG
Intrinsic adaptation in autonomous recurrent neural networks
大规模递归神经网络一方面对输入刺激做出响应,另一方面在没有感官输入的情况下自主活动。刺激和信息处理在很大程度上取决于正在进行的神经活动的动态状态的感受质。这种默认的神经活动可以在时间和空间上动态地构造,显示出规则的、同步的、突发的或混乱的活动模式。研究了非突触可塑性对循环神经网络默认动力学状态的影响。考虑的非突触自适应作用于内在神经参数,如阈值和增益,并由信息熵的优化驱动。我们观察到,在存在的内在适应过程中,三个不同的和全球吸引的动力学制度,定期同步,整体混乱和间歇性突发制度。间歇爆发制度的特点是定期流动的间隔,这是相当不敏感的外部刺激,interseeded由混沌爆发,敏感地响应输入信号。我们讨论这些发现的背景下,自组织信息处理和关键的大脑动力学。
2011-10-14 cond-mat.dis-nn nlin.AO nlin.CD
R&B -- Rhythm and Brain: Cross-subject Decoding of Music from Human Brain Activity
Department of Biomedicine and Prevention University of Rome Tor Vergata(生物医学与预防系罗马大学托尔维加塔分校);A.A. Martinos Center for Biomedical Imaging Harvard Medical School/MGH, Boston (US)(A.A. Martinos生物医学成像中心哈佛医学院/马萨诸塞总医院,波士顿(美国))
研究通过fMRI数据解码音乐,利用CLAP模型和voxel编码模型,实现跨被试音乐识别,提升音乐感知与情绪的神经基础理解。
2024-06-21 cs.AI cs.SD eess.AS