Does the motor cortex draw on a wire plane?
本文提出通过线性微分流形几何解释运动控制中的二分之三定律,无需额外结构或对称性限制,实现全微分同构协变性。
2026-05-13 q-bio.NC
Correlation-based model of artificially induced plasticity in motor cortex by a bidirectional brain-computer interface
实验表明,使用双向脑机接口(BBCI)进行的棘波触发刺激可以人为地加强运动皮层(MC)中不同神经部位之间的连接。负责这些变化的神经元机制是什么?BBCI的靶向刺激如何塑造群体水平的突触连接?目前的工作描述了一个经常性的神经网络模型,概率尖峰机制和塑料突触能够捕获相关的BBCI条件协议的神经和突触活动统计。当从一个神经元记录在一个MC网站触发刺激在第二个目标网站后,一个固定的延迟,网站之间的连接加强与实验推导的尖峰时间依赖可塑性(STDP)规则一致的尖峰刺激延迟。然而,在网络水平上的STDP机制之间的关系,以及它们与神经植入物的修改仍然知之甚少。使用我们的模型,我们成功地再现了关键的实验结果,并使用分析推导,以及新的实验数据。然后,我们推导出最佳的操作制度BBCI,并制定预测的尖峰触发刺激的疗效在不同的制度的皮层活动。
2016-09-02 q-bio.NC
Task-driven intra- and interarea communications in primate cerebral cortex
认知任务中的神经元关联是研究脑信息处理和计算的核心。然而,由于在任务执行过程中难以同时记录单个神经元,它们的分析很差。在目前的工作中,我们量化的神经方向的相关性,同时记录在感觉,运动前区,和运动皮质区的两只猴子在体感辨别任务的脉冲序列。在将脉冲序列建模为二进制时间序列后,我们使用非参数贝叶斯方法来估计任务不同阶段(即感知、工作记忆、决策和运动报告)中许多对神经元之间的成对方向相关性。我们发现,解决任务涉及前馈和反馈相关路径连接的感觉和运动区域在一定的任务间隔。具体来说,信息是通过任务驱动的神经相关性来传达的,当决策发生时,这些神经相关性在次级躯体感觉皮层、前运动区和运动区之间显著延迟。至关重要的是,当感觉比较不再被要求用于任务执行时,大部分方向相关性在所有皮层区域都消失了。
2015-05-05 q-bio.NC
The whole prefrontal cortex is premotor cortex
我们认为,整个前额叶皮层本质上可以被看作是运动前区。我们的意思是,前额叶皮层由一个行动抽象层次结构组成,其核心功能是在不同的粒度级别上增强和减弱可能的行动计划。我们认为,层次结构的顶点应该围绕目标选择的过程,我们认为这是内在的一种形式的抽象行动优化。解剖学和功能学证据支持这一观点,即这种层次结构起源于大脑的眶表面,并向背侧延伸到运动皮层。因此,我们的观点将眶额皮层定位为目标选择策略优化的中心部位,并认为其他提出的作用是这个更一般功能的方面。最后,我们提出,动力系统的方法,在运动系统中工作得很好,可以扩展到前额叶皮层的其余部分。我们提出的观点将重新构建悬而未决的问题,开辟新的研究领域,并将前额叶功能理论与进化原理相结合。
2021-06-08 q-bio.NC
Research on Event-Related Desynchronization of Motor Imagery and Movement Based on Localized EEG Cortical Sources
本研究利用sLORETA分析33名受试者运动想象与实际运动时的EEG皮层源,发现两者在Mu和Beta频带均引发显著ERD,且运动想象在感觉运动区激活更强,但差异不显著。
2025-02-27 eess.SP q-bio.NC
Leveraging Recurrent Neural Networks for Predicting Motor Movements from Primate Motor Cortex Neural Recordings
本研究针对非人灵长类神经记录的运动解码问题,提出采用AEGRU模型(训练阶段用自编码器提升泛化),结合预处理在Neurobench基准及IEEE BioCAS 2024神经解码挑战赛中取得最优$R^2$成绩,且剪枝后可大幅降低运算量且性能损失极小。
2024-11-01 cs.LG eess.SP q-bio.NC
Neurophysiological Analysis in Motor and Sensory Cortices for Improving Motor Imagination
Korea University(高丽大学)
本研究通过EEG分析运动执行与想象任务,发现感觉与运动条件分别激活感觉运动皮层后部和前部,并验证EEGNet等模型在运动执行中分类准确率更高,为优化脑机接口提供依据。
2024-10-31 cs.AI q-bio.NC
The Spatiotemporal Organization of Motor Cortex Activity Supporting Manual Dexterity
本研究通过ICMS和光学成像及电生理记录,揭示猕猴M1皮层支持伸手-抓握运动的活动呈斑块状空间组织,且伸手与抓握相关活动在空间上分离。
2025-08-05 q-bio.NC
Detecting Resting-state Neural Connectivity Using Dynamic Network Analysis on Multiband fMRI Data
本文介绍了一种方法,使用动态结构方程模型(SEM)分析估计的连接网络从静息状态的功能磁共振成像数据测量的多频带EPI序列。两个结构方程模型估计在每个体素相对于感觉运动网络和默认模式网络。由此产生的连接图表明,辅助运动区有显着的连接到左/右的主要运动区,内侧前额叶皮层连接显着的后扣带皮层和顶下小叶。结果表明,高时间分辨率的多频带功能磁共振成像数据获得的图像可以提供动态和方向性的神经连接的信息。
2017-03-30 q-bio.NC
Essential Motor Cortex Signal Processing: an ERP and functional connectivity MATLAB toolbox -- user guide version 2.0
本文档的目的是帮助个人使用“基本运动皮层信号处理MATLAB教程”。该工具箱实现了从神经科学观点研究人类运动皮层的三个主要方面的各种方法:(1)ERP估计和量化,(2)皮层功能连接分析和(3)EMG量化。工具箱--它是根据GNU通用公共许可证的条款作为一组MATLAB R例程分发的--可以直接从以下地址下载:http://oset.ir/category.php? dir=Tools或来自GitHub上的公共存储库,地址如下:https://github.com/EsiSeraj/ERP Connectivity EMG Analysis此工具箱的目的有三个:1.从预处理的脑信号(即EEG、MEG等)中提取事件相关电位(ERP),识别并量化事件相关同步/去同步化(ERS/ERD)事件。包括时间过程动态和时间-频率(TF)分析。2.测量、量化和展示头皮电极之间的皮层功能连接(CFC)。这些函数集也可以应用于各种类型的大脑信号(即电和磁)。3.量化在执行运动任务期间从活动肌肉记录的肌电图(EMG)。
2020-07-22 cs.CE eess.IV eess.SP
Detecting neural activity and connectivity by perfusion-based fMRI
本研究提出了一种方法来估计的CBF和BOLD信号同时测量ASL(动脉自旋标记)MRI的功能定位和连接,特别是使用探索性的结构方程模型分析。在视觉任务实验中,通过分析灌注数据定位初级视皮层。在静息状态实验中,针对感觉-运动网络和默认模式网络,在每个体素上估计两个结构方程模型。由此产生的连接图表明,辅助运动区有显着的连接到左/右的主要运动区,和下顶叶小叶显着连接到后扣带皮层和内侧前额叶皮层。模型拟合结果表明,BOLD信号比CBF信号更直接地与功能连接的潜在原因相关。
2017-04-10 q-bio.NC
Serotonergic and noradrenergic contributions to human motor cortical and spinal motoneuronal excitability
本研究通过整合人体实验数据,揭示了5-羟色胺能与去甲肾上腺素能系统对人类运动皮层和脊髓运动神经元兴奋性的不同调控作用,明确了单胺类神经调节剂对运动通路的重要性及相关药物的超说明书应用潜力。
2023-04-27 q-bio.NC
Bilinear gating of motor primitives: a principle linking dendritic computation to rapid goal-directed adaptation
Istituto Superiore di Sanità(意大利高等卫生研究院);Fondazione S. Lucia IRCCS(圣卢西亚基金会IRCCS);University of Sheffield(谢菲尔德大学)
研究发现猕猴运动皮层神经元的爆发比例编码目标信息,提出双线性门控机制解释其来源,并展示该机制支持零样本泛化和快速适应。
2026-06-09 q-bio.NC
Self-configuring feedback loops for sensorimotor control
哺乳动物神经系统区域之间的动态相互作用如何执行在线运动控制仍然是一个未解决的问题。在本文中,我们表明,反馈控制是一个简单的,但强大的方式来理解感觉运动控制的神经动力学。我们使用一个最小的模型来证明我们的观点,这个模型包括脊髓、感觉和运动皮层,它们由长的塑料连接连接起来。它成功地从零开始学习如何在几个方向上执行具有6块肌肉的平面手臂的伸展运动。该模型满足生物相容性约束,如神经实现,传输延迟,局部突触学习和连续在线学习。利用微分赫布可塑性,该模型可以在不到10分钟的时间内从运动牙牙学语到达到任意目标。此外,与学习机制无关,适当配置的反馈控制具有许多涌现的特性:运动皮层中的神经元群体表现出定向调谐和振荡动力学,脊髓产生线性增加的收敛力场,运动是共济失调的(就像没有小脑的运动系统一样)。
2022-10-21 q-bio.NC
Emergent Bio-Functional Similarities in a Cortical-Spike-Train-Decoding Spiking Neural Network Facilitate Predictions of Neural Computation
Qiushi Academy for Advanced Studies, Zhejiang University(浙江大学求是高等研究院);College of Biomedical Engineering and Instrument Science, Zhejiang University(浙江大学生物医学工程与仪器科学学院);College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院);China Nanhu Academy of Electronics and Information Technology (CNAEIT)(中国电子科技南湖研究院)
尽管目标驱动的发放神经网络(SNN)具有更好的生物可识别性,但它在生物脉冲序列方面并没有达到适用的性能,而且与传统的人工神经网络相比,SNN的生物功能相似性很小。在这项研究中,我们提出了motorSRNN,一个经常性的SNN拓扑启发灵长类动物的神经运动回路。通过采用motorSRNN在解码脉冲序列从初级运动皮层的猴子,我们取得了很好的平衡之间的分类精度和能量消耗。motorSRNN通过捕获和培养更多的余弦调谐(运动皮层神经元的基本属性)与输入进行通信,并在训练期间保持稳定。在我们的猴子中也观察到这种训练诱导的培养和余弦调谐的持续性。此外,motorSRNN在单神经元、群体和电路水平上产生了额外的生物功能相似性,证明了生物真实性。因此,对motorSRNN的消融研究表明,长期稳定的反馈突触有助于运动皮层的训练诱导培养。除了这些新的发现和预测,我们还提供了一个新的框架来构建真实的神经计算模型。
2023-03-14 cs.AI q-bio.NC
Groupwise Structural Parcellation of the Cortex: A Sound Approach Based on Logistic Models
目前的理论认为,脑功能与通过轴突束的长距离物理连接(即外部连接)密切相关。然而,获得一个groupwise皮质包裹的基础上外在的连接仍然具有挑战性。目前的分割方法计算成本高,需要调整几个参数或依赖于ad-hoc约束。此外,这些方法中没有一个提出了一个模型的皮质外部连接的皮质。为了解决这些问题,我们提出了一个简约的模型的外部连接和一个有效的包裹技术的基础上聚类的跟踪图。我们的技术允许创建单个主题和整个皮层的分组。与我们的技术获得的包裹与文献中的结构和功能的包裹。特别是,运动和感觉皮层的细分与人类彭菲尔德的ho-munculus一致。我们通过将我们得到的包裹与人类连接组项目数据中包含的运动带映射进行比较来说明这一点。
2017-01-05 q-bio.NC stat.AP
Avalanche analysis from multi-electrode ensemble recordings in cat, monkey and human cerebral cortex during wakefulness and sleep
自组织临界态存在于许多自然系统中,从地震到森林火灾,它们也在神经系统中被观察到,特别是在神经元培养中。然而,在清醒的大脑中临界状态的存在仍然存在争议。在这里,我们比较了雪崩分析不同的体内制剂在觉醒,慢波睡眠和REM睡眠,使用高密度电极阵列在猫运动皮层(96个电极),猴子运动皮层和运动前皮层和人类颞叶皮层(96个电极)癫痫患者。在从单位(高达160个单位)定义的神经元雪崩中,雪崩的大小从未明显地按幂律缩放,而是按指数缩放或显示中间缩放。我们还分析了不同电极之间局部场电位(LFP)的动态变化,特别是LFP负峰(nLFP)(颞叶皮质中多达96个位点或相邻运动和前运动皮质中多达128个位点)。在这种情况下,从nLFP定义的雪崩显示幂律缩放双对数表示,如先前在猴中所报道的。然而,雪崩定义为正LFP(pLFP)峰,这是不太直接相关的神经元放电,也表现出明显的幂律缩放。使用更可靠的累积分布函数(CDF)和其他严格的统计方法对这种比例进行更仔细的检查,并没有证实幂律比例。同样的模式也出现在猫、猴子和人类身上,以及清醒和睡眠的不同大脑状态。我们还测试了其他替代发行版。多重指数拟合得到了雪崩动力学与双指数分布的最佳拟合。总的来说,这些结果没有明确的证据表明,从猫到人,哺乳动物清醒和睡眠的大脑中存在幂律缩放或自组织临界状态。
2012-07-15 nlin.AO q-bio.NC
Paired associative stimulation demonstrates alterations in motor cortical synaptic plasticity in patients with hepatic encephalopathy
目的:肝性脑病(Hepatic encephalopathy,HE)是一种由肝功能衰竭引起的可逆性脑功能障碍.改变的突触可塑性被认为在HE的病理生理学中起主要作用。在这里,我们使用成对的联想刺激,刺激间隔为25 ms(PAS 25),经颅磁刺激(TMS)协议,以测试突触可塑性的运动皮层的患者明显HE。方法:23例HE患者和23例健康对照者入组研究。运动诱发电位(MEP)振幅作为皮质兴奋性的指标进行评估。比较PAS25干预后两组MEP振幅变化的时间进程。结果:对照组中PAS 25后MEP振幅增加,表明健康对照组中PAS 25诱导的突触可塑性,正如预期的那样。相比之下,MEP振幅在HE组没有变化,低于对照组,表明没有诱导可塑性。结论:HE大鼠初级运动皮层突触可塑性降低。重要性:HE中突触可塑性的降低提供了分子水平上的病理变化与疾病的早期临床症状之间的联系。这种降低可能是由于HE患者中已知的高氨血症引起的多巴胺能神经传递障碍所致。
2022-05-06 q-bio.NC
The pernicious danger of cortical brain maps
灵长类动物的大脑皮层根据细胞结构划分为不同的区域,这种划分始于神经解剖学家科布里尼安·布罗德曼(Kobrinian Brodmann)的开创性研究。虽然区域之间的边界已经发生了一些变化,在某些情况下仍然存在争议,但将皮层划分为不同编号区域的想法已经成为理解大脑功能的核心目标。事实上,区域地图确实为功能分区提供了一个很好的起点。例如,很明显,视觉区V1与初级运动皮层有不同的功能。然而,就像任何好的事情一样,人们可以把事情做得太远。事实上,皮层区域虽然有用,但对对功能感兴趣的神经科学家来说,有几个有害的副作用,特别是在前额叶皮层。
2022-09-14 q-bio.NC
A Framework for Exploring Non-Linear Functional Connectivity and Causality in the Human Brain: Mutual Connectivity Analysis (MCA) of Resting-State Functional MRI with Convergent Cross-Mapping and Non-Metric Clustering
我们提出了一个计算框架,用于从静息状态功能性MRI(fMRI)数据中分析和可视化人脑中的非线性功能连接,以恢复底层网络社区结构并探索网络组件之间的因果关系。我们提出的非线性互连接分析(MCA)的方法包括两个计算步骤。首先,在大脑内的静息状态fMRI像素时间序列之间的成对交叉预测性能进行评估。随后从通过MCA使用非度量网络分区/聚类与所谓的Louvain方法构建的亲和矩阵中恢复底层网络结构。我们证明了我们的方法,在任务中确定与手部运动相关的运动皮层区域的静息状态功能磁共振成像数据采集从八个切片位置在四个科目。为了进行比较,我们还通过基于任务的功能磁共振成像序列,涉及手指敲击刺激范式的运动皮层的本地化区域。最后,我们整合收敛交叉映射(CCM)到MCA的第一步,调查运动皮层区域之间的因果关系。关于运动皮层区域之间的因果关系的结果显示了显着的方向变异性,并且在所有受试者中不容易以一致的方式解释。然而,我们的研究结果表明,全切片功能磁共振成像分析,MCA为基础的无模型恢复与初级运动皮层和辅助运动区的区域是在接近协议的本地化与基于任务的功能磁共振成像采集实现类似的地区。因此,我们的结论是,我们的计算框架MCA可以提取和可视化有价值的信息有关的底层网络结构和静息状态功能磁共振成像中大脑不同区域之间的因果关系。
2014-07-14 cs.NE q-bio.NC
Neural Representational Consistency Emerges from Probabilistic Neural-Behavioral Representation Alignment
本文提出概率性神经-行为表征对齐框架 PNBA,通过零样本验证在猴运动皮层和小鼠视觉皮层中揭示跨个体保留的神经表征,从而解决神经异质性悖论并实现零样本行为解码。
2025-05-07 q-bio.NC
A sub-Riemannian model of the functional architecture of M1 for arm movement direction
本研究构建初级运动皮层M1手臂区域的次黎曼神经几何模型,将超柱结构表达为纤维丛,编码运动片段概念并通过谱聚类复现相关模式,结果与神经生理学实验吻合良好。
2023-06-13 q-bio.NC
Decoding hand kinematics from population responses in sensorimotor cortex during grasping
手是一个复杂的效应器,包括数十个运动自由度,赋予我们灵活,精确和毫不费力地与物体交互的能力。初级运动皮层(M1)和体感皮层(SC)中与灵巧手运动相关的神经信号比与近端肢体控制相关的神经信号受到的关注相对较少。为了填补这一空白,我们训练了三只猴子抓住大小,形状和方向不同的物体,同时跟踪他们的手部姿势,并记录M1和SC的单单位活动。我们发现,我们可以用少量的神经信号准确地解码运动学,并且与近端肢体解码器相比,解码关节角度的性能高于解码关节角速度。我们的结论是,皮质信号可用于灵巧的手控制在脑机接口的应用程序,并在SC的姿势表示可利用通过皮质内刺激关闭的感觉运动回路。
2019-06-20 q-bio.NC
Chronic, cortex-wide imaging of specific cell populations during behavior
跨脑区神经元活动的测量对于理解认知和运动过程(如注意力、决策和动作选择)的神经相关性非常重要。然而,允许细胞分辨率测量的技术是昂贵的,并且需要高度的技术专业知识,这限制了它们的广泛使用。遗传编码指示物的宽视场成像是一种高通量、成本有效且灵活的方法,用于以高时间分辨率和皮层范围的视场测量特定细胞群的活性。在这里,我们概述了我们的协议,组装一个宽场设置,手术准备通过完整的颅骨成像,成像神经活动长期在行为,转基因小鼠表达的钙指标在特定的亚群皮层神经元。此外,我们强调了一个处理管道,它利用新颖的基于云的方法来分析大规模成像数据集。该协议的目标实验室正在寻求建立宏观镜,优化长期慢性成像的外科手术,和/或分析皮层范围的神经元记录。
2020-10-28 q-bio.NC
Internal feedback in the cortical perception-action loop enables fast and accurate behavior
动物在不可预测的环境中平稳可靠地移动。感觉运动控制的模型假设来自环境的感觉信息会导致动作,然后动作会对环境产生反馈,从而形成一个单一的、单向的感知-动作循环。这个循环包含感觉和运动通路的内部延迟,这可能导致不稳定的控制。我们在这里表明,这些延迟可以通过从运动区向感觉区反向流动的内部反馈信号来补偿。内部反馈在神经感觉运动系统中普遍存在,控制理论的最新进展表明内部反馈如何补偿内部延迟。这是通过过滤掉早期感觉区域中自我产生的和其他可预测的变化来实现的,这样,不可预测的、可操作的信息就可以通过最快的组件迅速传递到行动中。例如,快速、巨大的神经元必然不如较小的神经元准确,但它们对于快速和准确的行为至关重要。我们使用一个数学上易于处理的控制模型来表明,内部反馈在实现状态估计、功能定位(皮层的不同部分如何控制身体的不同部分)和注意力方面具有不可或缺的作用,所有这些对于有效的感觉运动控制都至关重要。该控制模型可以解释解剖学、生理学和行为学观察,包括视觉皮层中的运动信号、感觉受体的异质动力学和人类运动皮层中的巨大Betz细胞、视觉皮层中的Meynert细胞和前额叶皮层中的巨大von Economo细胞的存在,以及其他神经系统中的内部反馈模式和无法解释的异质性。
2023-01-10 cs.SY eess.SY math.OC
Modeling Basal Ganglia for understanding Parkinsonian Reaching Movements
我们提出了一个计算模型,强调基底神经节(BG)在产生简单的达到运动的作用。该模型在强化学习(RL)框架内进行铸造,RL组件和神经解剖学之间的对应关系如下:黑质多巴胺信号作为时间差误差,纹状体作为Critic的基底,运动皮层作为Actor。这种神经生物学解释的一个关键特征是我们的假设,即间接途径是探索者。混沌活动,起源于模型的间接路径部分,驱动着手臂的游荡和探索运动,因此直接路径有利于开发,而间接路径有利于探索。随着训练的进行,运动皮层变得越来越独立于BG的校正影响。到达轨迹显示出随着训练而减少的可变性。与帕金森病(PD)相关的到达运动是通过(a)减少多巴胺和(b)通过将其从混沌切换到周期性行为来降低间接通路动力学的复杂性来模拟的。在模拟PD条件下,手臂表现出PD运动症状,如震颤、运动迟缓和下冲。该模型反映了PD是一种动态疾病的概念。
2010-09-23 q-bio.NC
What are the functions of primary visual cortex (V1)?
University of Tübingen(蒂宾根大学);Max Planck Institute for Biological Cybernetics(马克斯·普朗克生物控制论研究所)
研究揭示V1皮层通过构建视觉场底向salience图引导眼动、作为信息瓶颈起点及支持持续识别的核心功能。
2026-04-24 q-bio.NC
A sub-Riemannian model of the visual cortex with frequency and phase
INRIA Sophia Antipolis(法国国家信息与自动化研究所索菲亚·安蒂波利斯中心);EHESS(法国社会科学高等研究院);University of Bologna(博洛尼亚大学)
本文基于初级视觉皮层简单细胞的方向、频率和相位选择行为,提出了一种新的视觉皮层模型。我们从视觉感知的第一级机制开始:接受性轮廓。该模型通过引入方向、频率和相位作为内在变量,将V1解释为二维视网膜平面上的纤维束。光纤上的每个接收轮廓在数学上被解释为旋转的、频率调制的和相移的Gabor函数。我们从Gabor函数开始,并表明它以一种自然的方式诱导模型几何形状和相关的水平连接模型V1中的神经连接模式。我们提供了一个图像增强算法采用的模型框架。该算法不仅能够利用二维输入图像中固有的方向信息,而且能够利用二维输入图像中固有的频率和相位信息。我们提供了相应的增强算法的实验结果。
2019-10-11 cs.CV math.AP math.DG
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
On the assesment of functional connectivity in an immersive brain-computer interface during motor imagery
脑机接口(BCI)设计的新趋势旨在将该技术与沉浸式虚拟现实相结合,以便为其用户提供真实感。在这项研究中,我们提出了一个实验性的脑机接口控制沉浸式临场感系统使用运动想象(MI)。该系统是沉浸式的,因为用户可以在第一人称视角(1 PP)中控制NAO人形机器人的移动,即,就好像机器人的运动是他/她自己的一样。我们分析功能性脑连接之间的1 PP和3 PP在控制我们的BCI使用图论属性,如度,介数中心,和效率。这些度量的变化是针对1 PP的情况以及针对传统的第三人称视角(3 PP)获得的,在传统的第三人称视角中,用户可以看到机器人的移动作为反馈。作为概念验证,记录了两名受试者的脑电图(EEG)信号,同时他们执行MI以控制机器人的运动。将图论分析应用于通过部分有向相干(PDC)得到的二元有向网络。在我们的初步评估中,我们发现,与前额叶皮层的3 PP相比,1 PP条件下α脑节律的效率更高。此外,在1 PP条件下,在C3通道(初级运动皮层)测量的EEG信号对其他区域的影响更强。此外,我们的初步结果似乎表明,α和β脑节律在1 PP条件下的前额叶皮层有较高的深度,这可能与代理感的经验。因此,在沉浸式系统中控制远程呈现机器人的同时,使用PDC结合图论可能有助于理解这些环境中大脑网络的组织和行为。
2019-12-05 eess.SP q-bio.NC
Deep learning as a tool for neural data analysis: speech classification and cross-frequency coupling in human sensorimotor cortex
神经科学中的一个基本挑战是从多个单次试验测量中了解世界上的什么结构在神经活动的空间分布模式中表示。这通常通过学习神经特征与感觉刺激或运动任务的特征之间的简单线性变换来实现。虽然在某些早期感觉处理领域取得了成功,但线性映射不太可能成为阐明复杂任务(如人类产生语音)中高阶大脑区域的非线性分层表征的理想工具。在这里,我们应用深度网络来预测从人类感觉运动皮层记录的皮层表面电位产生的语音音节。我们发现,与基线模型相比,深度网络具有更高的解码预测准确性,并且随着数据集大小的增加,准确性也有了更大的提高。我们进一步证明,深度网络的混淆揭示了神经数据中的层次潜在结构,这概括了语音运动控制的潜在发音性质。最后,我们使用深度网络比较了不同神经频带中的任务相关信息,发现高伽马频带包含了与语音预测任务相关的绝大多数信息,而低频几乎没有额外的贡献。总之,这些结果证明了深度网络作为神经科学数据分析工具的实用性。
2018-03-26 cs.NE q-bio.NC
Two types of criticality in the brain
具有相等的兴奋性和抑制性反馈的神经网络显示出高的计算性能。它们在接近临界点的地方工作,其特征是大量神经元的联合激活。然而,在猕猴运动皮层,我们观察到非常不同的动态与人口水平上的弱波动。这表明运动皮质以次优状态运行。在这里,我们展示了相反的情况:跨神经元的相关性的大分散是丰富的动态库的特征,其隐藏于宏观脑信号之外,但对于诸如库计算的概念中的高性能是必不可少的。我们的研究结果表明,在神经系统中的临界性的观点的细化:网络拓扑结构和异质性赋予大脑两个互补的基板,在很大程度上不同的复杂性的关键动态。
2018-03-19 cond-mat.dis-nn q-bio.NC
Reconfiguring motor circuits for a joint manual and BCI task
设计可以与正在进行的运动行为结合使用的脑机接口(BCI)需要了解用于大脑控制的神经活动如何与现有的神经回路相互作用。例如,BCI可用于恢复中风后失去的运动功能。这要求控制未受影响肢体的神经活动与控制BCI的活动分离。在这项研究中,我们研究了初级运动皮层如何完成同时BCI控制和运动控制的任务,明确要求这两个活动从同一个大脑区域驱动(即双控制任务)。单单位的活动记录从皮质内,多电极阵列,而非人类灵长类动物进行这种双重控制任务。与在自然运动控制期间观察到的活动相比,我们发现用于直接驱动BCI的单元(控制单元)和不直接控制BCI的单元(非控制单元)显著改变了它们对手腕扭矩的调谐。使用有效连接的措施,我们观察到,控制单元减少其连接。通过方差分析,我们发现控制单元的内在变异性对任务熟练度有显著影响。当考虑到这种差异时,运动皮层活动足够灵活,可以执行新的BCI任务,这些任务需要主动解耦与手腕运动的自然关联。这项研究提供了深入的神经活动,使一个双控制脑机接口。
2019-09-12 q-bio.NC
Cortical Mirror-System Activation During Real-Life Game Playing: An Intracranial Electroencephalography (EEG) Study
类似的镜像神经元系统反复描述猴子作为一个可能的基板模仿学习和/或动作理解,神经元执行/观察匹配系统(OEMS)被认为在人类中,但很少有人知道这个系统在多大程度上被激活在非实验,现实生活中的条件。在本案例研究中,我们研究了这个系统的大脑活动在自然的,非实验性的运动行为,因为它发生在玩棋盘游戏“Malefiz”。我们比较了频谱调制的高伽玛波段相关的同侧达到运动执行和观察同类运动使用皮层电图(ECoG)在一个参与者。在运动前区/初级运动皮层的电极接触处记录了两种条件执行和观察期间的空间重合活动。地形和幅度的高伽马调制相关的两个,运动观察和执行明显的空间相关的几个额顶叶脑区。因此,我们的研究结果表明,在现实生活中,一个网络的皮质区有助于人类的OEMS,超越初级/运动前皮质,包括布罗卡区和颞顶枕交界区。
2019-03-27 q-bio.NC
The Motor System at the heart of Decision-Making and Action Execution
本文综述了十年间关于运动系统在感觉运动决策中作用的研究,通过扰动与测量方法揭示M1在决策变量整合中的功能,并探讨其活动变化的神经起源。
2023-06-21 q-bio.NC
See and Copy: Generation of complex compositional movements from modular and geometric RNN representations
生物智能和控制的一个标志是组合泛化:动物能够学习各种东西,然后将它们组合成新的组合,为新的任务产生适当的输出。受灵长类动物能够很容易地模仿看到的运动序列的启发,我们提出了一个模型的电机控制使用一个现实的手臂动力学模型,任务是模仿一个指导,使任意两段图纸。我们假设,模块化的组织是这样的灵活性和普遍性的控制的关键之一。我们构建了一个模块化的控制模型,由单独的编码和电机RNN和调度器组成,我们对任务进行端到端的训练。我们表明,模块化结构使模型不仅可以推广到看不见的两段轨迹,而且可以推广到由比训练时更多的段组成的新图纸,并且还可以快速适应扰动。最后,我们的模型概括了运动控制过程中的准备和执行相关过程的实验观察,为运动皮层内准备和执行相关活动的功能分离提供了规范性解释。
2022-10-05 q-bio.NC
Multi-Feature Riemannian Hypergraph for Online Test-Time Adaptation of Motor Imagery Brain-Computer Interface
Peking University(北京大学);Chinese Institute for Brain Research(中国脑科学研究院);NeuCyber Neurotech(纽赛博神经科技公司);Beijing Medical University(北京医科大学);Chinese Academy of Medical Sciences & Peking Union Medical College(中国医学科学院北京协和医学院)
针对MI-BCI解码的跨天可迁移性与在线运行挑战,提出MRieHy框架,通过融合黎曼几何的双超图实现在线测试时自适应,在三类数据集上性能优于现有基线。
2026-08-18 cs.HC cs.LG eess.SP
Multi-dimensional Neural Decoding with Orthogonal Representations for Brain-Computer Interfaces
提出多维神经解码任务表述MND及多任务框架OrthoSchema,通过强制表示正交性消除跨任务干扰并利用选择性特征重用实现少样本迁移,显著提升了脑机接口跨会话、受试者和范式的多维运动变量解码精度。
2025-08-12 q-bio.NC
Brain State Flexibility Accompanies Motor-Skill Acquisition
学习需要穿越固有的不同认知状态,以产生行为适应。然而,通过非侵入性成像明确测量这些状态的工具-以及评估学习过程中的动态-仍然有限。在这里,我们描述了一种基于图论的新应用的方法,其中时间点由网络节点表示,并且两个不同时间点之间的大脑状态的相似性表示为网络边缘。我们使用基于图形的聚类技术来识别代表典型大脑状态的时间点的聚类,并评估大脑随着学习的进展从一种状态移动到另一种状态的方式。我们观察到存在两个主要的状态,其特征在于无论是高激活的感觉运动皮层或高激活的额叶皮层下系统。随着学习的进展,这些主要状态和其他不太常见的状态之间的灵活切换变得更加频繁,并且与学习率的个体差异呈负相关。这些结果是一致的概念,即自动性的发展与更大的自由使用其他过程的认知资源。总而言之,我们的工作为早期学习特征的大脑动力学的受约束、低维本质提供了新的见解,而早期学习特征的大脑动力学本质则让位于后期学习中受约束较少的高维动力学。
2017-01-26 q-bio.NC
ORGaNICs: A Theory of Working Memory in Brains and Machines
New York University(纽约大学)
工作记忆是一种认知过程,负责暂时保存和处理信息。大多数关于工作记忆的经验神经科学研究都集中在测量简单延迟反应任务中前额叶皮层和/或顶叶皮层的持续活动,并且大多数工作记忆模型都是基于神经整合器。但工作记忆的意义远不止于在线保存一条信息。我们描述了一个新的工作记忆理论,基于一个循环神经电路,我们称之为ORGaetry(振荡循环门控神经积分电路)。ORGastric是一种长短期记忆单元(LSTM),从机器学习和人工智能中导入。ORGaNIC可用于解释工作记忆任务期间前额叶皮质(PFC)延迟期活动的复杂动态。该理论是易于分析的,使我们可以描述的动态,该理论提供了一种手段,读出信息的动态变化的响应在任何时间点,尽管复杂的动态。可以用锥体细胞的生物物理(电路)模型结合经由丘脑皮质回路的分流抑制来实施ORGastrin。虽然作为工作记忆的计算理论引入,但ORGastrophy也适用于感觉加工,运动准备和运动控制的模型。与人工智能应用中常用的其他LSTM相比,ORGastrom提供了计算优势。因此,ORGastric是大脑和机器中规范计算的框架。
2018-05-25 cs.AI q-bio.NC
Conserved Kinematic Representations enable Zero-Shot Decoding in Handwriting BCIs
UC San Diego(加州大学圣迭戈分校);Halicioglu Data Science Institute, UC San Diego(哈利奥格鲁数据科学研究所,加州大学圣迭戈分校)
本研究提出了一种基于保守运动表示的框架,用于在手写BCI中实现零样本解码,展示了神经运动轨迹表示在不同字符上下文中的鲁棒性,为复杂运动控制提供了新的研究视角。
2026-05-18 q-bio.NC
Assessment of cortical reorganization and preserved function in phantom limb pain: a methodological perspective
幻肢痛(PLP)与初级躯体感觉皮层(S1)的躯体位置图重组和保留的S1功能有关。在这里,我们评估的性质的信息(感觉,运动),达到S1和方法的差异,可能解释这些发现的皮质表征的评估。我们使用功能性磁共振成像在一个虚拟的手运动任务,类似于经典的镜盒任务,在截肢者和没有PLP和匹配的控制。我们评估了任务相关的激活最大值和PLP强度之间的关系,在S1与运动(M1)地图。我们还使用感兴趣区域(ROI)测量了激活最大值位置之间的皮质距离,该区域由个体或组分析定义。与对照组相比,截肢者的M1和S1活动显着增加,这与PLP强度无显着相关。根据M1和S1标测图,组间激活最大值的位置不同。神经活动与PLP呈正相关,只有在截肢者疼痛,只有当一组定义的ROI被选择。这些发现表明,对S1与M1变化的分析产生了不同的结果,可能表明不同的疼痛相关过程。
2019-03-05 q-bio.NC
Cortical Functional architectures as contact and sub-Riemannian geometry
本文扩展了视觉皮层功能几何的接触与辛化方法,构建了更复杂的功能架构以扩展空间维度,并概述了需要次黎曼提升的例子,以此致敬 Jean Petitot 对神经几何学的贡献。
2023-10-16 math.DG q-bio.NC
EEG Study of the Influence of Imagined Temperature Sensations on Neuronal Activity in the Sensorimotor Cortex
本研究通过脑电图比较真实热刺激与想象温度感觉,发现两者均引发感觉运动皮层mu节律事件相关去同步化且无显著差异,证明温度想象可用于非运动型脑机接口与神经康复。
2025-08-22 cs.HC q-bio.NC
Inferring Population Dynamics in Macaque Cortex
本研究针对猕猴皮层神经群体动力学建模问题,发现基于RNN的简单通用架构在基准测试中超越所有已发表模型,并提出结合自注意力的混合架构可进一步提升性能,强调了RNN自回归偏置的关键作用。
2023-10-19 cs.LG q-bio.NC
Comparing fingers and gestures for bci control using an optimized classical machine learning decoder
本研究利用ECoG数据比较手指屈曲和手势的可解码性,发现手指屈曲在多种手部运动解码中表现更优,且优化的经典机器学习模型可作为通信辅助系统的可行解码器。
2024-06-25 q-bio.NC
Neural Fields as World Models
Luddy School of Informatics, Computing, and Engineering, Indiana University, Bloomington(信息学、计算与工程学院,印第安纳大学,布卢明顿);Cognitive Science Program, Indiana University, Bloomington(认知科学项目,印第安纳大学,布卢明顿)
提出同构世界模型,利用运动门控神经场在空间图中进行物理预测,实现离线任务学习和身体相关表征。
2026-06-01 cs.CV cs.LG q-bio.NC
Embodied sensorimotor control: computational modeling of the neural control of movement
本文综述了感觉运动控制的神经机制,整合神经群体低维流形、最优反馈控制和具身肌肉骨骼动力学建模,并提出多任务、多区域环路与解剖细节等未来方向。
2025-09-17 cs.AI q-bio.NC
Duration-modulated neural population dynamics in humans during BMI controls
California Institute of Technology(加州理工学院);Casa Colina Hospital and Centers for Healthcare(卡萨科利纳医院与健康中心);Keck School of Medicine of USC(南加州大学凯克医学院);David Geffen School of Medicine at UCLA(加州大学洛杉矶分校大卫格芬医学院)
本文研究脑机接口控制中运动皮层神经群体动力学如何受运动持续时间影响,发现长持续时间运动通过持续外部输入有效暂停神经动力学,揭示了持续输入在运动控制中的关键作用。
2025-11-07 q-bio.NC
Deep Cross-Subject Mapping of Neural Activity
Objective.在本文中,我们考虑的问题,跨学科解码,从给定的主题(目的地)的前额叶皮层收集的神经活动数据被用来解码运动意图从不同的主题(源)的神经活动。Approach.我们将神经活动映射的问题置于概率框架中,在该框架中我们采用深度生成建模。我们提出的算法使用深度条件变分自编码器来推断源主体的神经活动的表示到神经解码发生的目的地主体的适当特征空间中。结果我们验证了我们的方法的实验数据集,其中两个猕猴执行记忆引导的视觉扫视的八个目标位置之一。结果表明,$8\%$的峰值跨主题解码的改善超过主题特定的解码。结论我们证明,一个主题的神经活动信号训练的神经解码器可以用来鲁棒地解码不同主题的运动意图,具有高可靠性。尽管神经活动信号的非平稳性质和记录条件的受试者特异性变化,这还是实现了。意义本文报道的发现是跨学科脑机发展的重要一步,它可以很好地在人群中推广。
2022-02-22 cs.NE q-bio.NC
Learning identifiable and interpretable latent models of high-dimensional neural activity using pi-VAE
Columbia University(哥伦比亚大学);UT Austin(德克萨斯大学奥斯汀分校)
同时记录大脑中数百个神经元的活动的能力对开发适当的统计技术来分析这些数据提出了越来越高的要求。最近,已经提出了深度生成模型来拟合神经群体响应。虽然这些方法是灵活的和表达性的,但缺点是它们可能难以解释和识别。为了解决这个问题,我们提出了一种方法,它集成了潜在模型和传统神经编码模型的关键成分。我们的方法,pi-VAE,灵感来自可识别的变分自动编码器的最新进展,我们适应,使适当的神经科学应用。具体来说,我们建议构建神经活动的潜变量模型,同时建模的潜变量和任务变量(非神经变量,如感官,运动,和其他外部可观察到的状态)之间的关系。将任务变量纳入模型中,不仅更具约束性,而且在可解释性和可识别性方面也有质的改进。我们使用合成数据验证pi-VAE,并将其应用于分析大鼠海马和猕猴运动皮层的神经生理数据集。我们证明了pi-VAE不仅更好地拟合数据,而且还提供了对神经代码结构的意想不到的新见解。
2020-11-09 cs.LG q-bio.NC stat.ML
Project Jenkins: Turning Monkey Neural Data into Robotic Arm Movement, and Back
MIT(麻省理工学院)
Project Jenkins基于猕猴Jenkins的皮层神经数据,开发神经解码与编码模型,结合Koch v1.1机械臂和交互式网络控制台,实现脑信号与机械臂运动的双向转换,并开源相关工具推动脑机接口研究。
2025-03-19 cs.AI cs.RO eess.SP
Wavelet Analysis of Noninvasive EEG Signals Discriminates Complex and Natural Grasp Types
University of Rhode Island(罗德岛大学)
本研究针对运动障碍患者的神经假体与BCI需求,提出基于小波特征的EEG抓握解码方法,结合机器学习实现高准确率分类,并通过置换特征分析明确运动皮层alpha/beta频段为关键活动区域。
2025-05-16 cs.AI cs.LG eess.SP
Demixed principal component analysis of population activity in higher cortical areas reveals independent representation of task parameters
高级皮层区域的神经元,如前额叶皮层,被认为可以调节各种感觉和运动变量。由此产生的神经调谐的多样性往往掩盖了所表示的信息。在这里,我们介绍了一种新的降维技术,分层主成分分析(dPCA),自动发现和突出的基本特征,在复杂的人口活动。我们重新分析了执行各种工作记忆和决策任务的大鼠和猴子的前额区的人口数据。在每种情况下,dPCA都在一张图中总结了群体响应的相关特征。人口活动被分解成几个分层的组件,捕获数据中的大部分方差,并突出动态调整人口的各种任务参数,如刺激,决策,奖励等,此外,dPCA揭示了强大的,条件无关的组件的人口活动,仍然与传统的方法被忽视。
2014-10-22 q-bio.NC stat.ML