AI神经科学家：用于神经影像分析的交互式智能体界面
The AI Neuroscientist: An Interactive Agentic Interface for Neuroimaging Analysis
浏览论文内容
中文总结 AI 辅助
本文提出AI神经科学家，一个结合LLM与神经影像工具集的交互式智能体，支持自然语言查询和参数指定，实现质量控制、建模与可视化，并在fNIRS基准上验证其优于通用LLM智能体。
中文摘要 AI 辅助
分析神经影像数据需要专门的编码和统计专业知识，这限制了没有计算背景的研究人员的可及性。我们提出了AI神经科学家，一个用于交互式数据探索的语言智能体。该系统将大型语言模型（LLM）与神经影像工具集相结合，以执行质量控制、建模和可视化。这使得研究人员能够直接用自然语言查询数据质量并指定分析参数，为小规模数据探索提供了一种透明且交互式的替代传统脚本化流程的方案。我们使用功能性近红外光谱（fNIRS）数据展示了这些能力，并在一个自定义的fNIRS基准测试套件上，将智能体与具有代码沙箱的通用LLM智能体进行了评估。未来的扩展将把该架构推广到其他模态，包括功能性磁共振成像（fMRI）数据，并将基准测试套件扩展到更多的fNIRS任务。
英文摘要
Analyzing neuroimaging data requires specialized coding and statistical expertise, which limits accessibility for researchers without computational backgrounds. We present the AI Neuroscientist, a language agent for interactive data exploration. The system integrates a large language model (LLM) with a neuroimaging toolset to perform quality control, modeling, and visualization. This allows researchers to query data quality and specify analysis parameters directly in natural language, providing a transparent and interactive alternative to conventional scripted pipelines for small-scale data exploration. We demonstrate these capabilities using functional near-infrared spectroscopy (fNIRS) data, and evaluate the agent on a custom fNIRS benchmarking suite against general-purpose LLM agents with code sandboxes. Future extensions will generalize the architecture to additional modalities, including functional magnetic resonance imaging (fMRI) data, and expand the benchmarking suite to additional fNIRS tasks.
发表机构
- Yale University（耶鲁大学）
机构由 AI 辅助整理，请以论文原文为准。
