脑机接口 / BCI

Data-Driven Modeling of Spatiotemporal Dynamics Using Multimodal Imaging Data

基于多模态成像数据的时空动力学数据驱动建模

Chunyan Li, Yutong Mao, Xiao Liu, Wenrui Hao

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

AI总结 该研究提出基于图的个性化动力学建模框架，整合多模态纵向成像数据，在1891名阿尔茨海默病患者中准确预测生物标志物轨迹，揭示个体化进展模式，优于现有基准。

Comments Provisionally accepted for publication in PLOS Computational Biology

CytoNet: A Foundation Model for the Human Cerebral Cortex at Cellular Resolution

CytoNet：人类大脑皮层细胞分辨率的基础模型

Christian Schiffer, Zeynep Boztoprak, Jan-Oliver Kropp, Julia Thönnißen, Katia Berr, Hannah Spitzer, Mathis Bode, Thomas Lippert, Katrin Amunts, Timo Dickscheid

机构 * Institute of Neuroscience and Medicine (INM-1), Research Centre Jülich（神经科学与医学研究所（INM-1），贾格尔研究中心） ； Helmholtz AI, Research Centre Jülich（海德堡人工智能，贾格尔研究中心） ； Institute for Brain Research, University Hospital Düsseldorf（脑研究所在杜塞尔多夫大学医院） ； Institute of Computational Biology, Computational Health Center, Helmholtz Munich（计算生物学研究所，计算健康中心，海德堡慕尼黑） ； Institute for Stroke and Dementia Research (ISD), LMU University Hospital, LMU Munich（中风与痴呆研究所以（ISD），慕尼黑大学医院，慕尼黑大学） ； Computer Vision, Institute for Computational Visualistics, University of Koblenz（计算机视觉，计算视觉研究所，科布伦兹大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG

AI总结 CytoNet通过训练100万张显微图像片段，建立了人类大脑皮层细胞分辨率的基础模型，用于分析微架构并链接细胞结构与功能组织。

Comments 59 pages, 15 figures, 10 tables. Revised version

Primate vision reveals a missing principle for robust dynamic AI

灵长类视觉揭示了鲁棒动态人工智能缺失的原理

Matteo Dunnhofer, Christian Micheloni, Kohitij Kar

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 该研究对比人类与猕猴视觉及相关神经网络，发现预测世界模型兼具跨外观泛化与高神经保真度，提出将运动逐步整合到物体表征是鲁棒动态视觉的关键原理。

Dendritic structure enables powerful plasticity

树突结构可实现强大的可塑性

Ben von Hünerbein, Federico Benitez, Kevin Max, Julian Göltz, Paul Haider, Simon Brandt, Arno Granier, Timo Gierlich, Jakob Jordan, Katharina A. Wilmes, Jean-Pascal Pfister, Walter Senn, Mihai A. Petrovici

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 该研究聚焦树突结构对突触可塑性的影响，提出神经元区室化可让突触计算误差信号，通过梯度下降实现局部深度学习，能学习比全局赫布可塑性更复杂的任务。

Comments 30 pages, 4 figures, 3 boxes