XiaoMi-AI文件搜索系统
World File Search System创脑
深度学习分类对持续无创脑机接口控制的好处
图 1 | BCI 数据的持续深度学习分类。在线 BCI 任务期间记录的 EEG 数据滑动窗口用于训练 Schirrmeister 等人（2017 年）报告的浅层 CovNet 架构。这些窗口长 500 毫秒，每 40 毫秒移动一次。根据提供的数据训练了两种类型的模型。“运动模型”使用与在线 BCI 实验相同的运动皮层电极蒙太奇进行训练。“所有模型”均使用所有可用电极进行训练。在连续步骤中，浅层 CovNet 架构使用密集层和 softmax 变换执行时间卷积、空间滤波、平方非线性、均值池化、对数变换和线性分类。在测试期间，训练后的模型为每个窗口提供类成员的估计概率。在模拟光标控制环境中，具有最高估计概率的类（红色圆圈）用于将虚拟光标移动到该最高估计概率的方向，并与该最高估计概率成比例。通过改变试验分类所需的总概率阈值（神经网络输出随时间的总和），探索了神经网络预测和控制系统之间的功能映射。低概率阈值模拟更快的光标控制，而高阈值模拟更慢的光标控制（有关更多详细信息，请参阅文本）。
双谱无创脑电信号分析可区分复杂和自然的抓握类型
摘要 — 双谱是频域分析中一种革命性的工具，它通过捕获频率分量之间的关键相位信息，超越了通常的功率谱。在我们的创新研究中，我们利用双谱分析和解码复杂的抓握动作，收集了来自五名人类受试者的脑电图数据。我们用三个分类器对这些数据进行了测试，重点关注幅度和相位相关特征。结果突出了双谱深入研究神经活动和区分各种抓握动作的惊人能力，其中支持向量机 (SVM) 分类器表现出色。在二元分类中，它在识别强力抓握方面实现了惊人的 97% 的准确率，而在更复杂的多类任务中，它保持了令人印象深刻的 94.93% 的准确率。这一发现不仅强调了双谱的分析能力，还展示了 SVM 在分类方面的卓越能力，为我们理解运动和神经动力学打开了新的大门。索引术语 —EEG（脑电图）、双谱、交叉双谱、握力解码和机器学习。
专题前言：脑科学的物理电子学...
DOI: 10.7498/aps.71.140101 类脑计算技术作为一种脑启发的新型计算技术 , 具有存算一体、事件驱动、模拟并行等特征 , 为 智能化时代开发高效的计算硬件提供了技术参考 , 有望解决当前人工智能硬件在能耗和算力方面的 “ 不可持续发展 ” 问题 . 硬件模拟神经元和突触功能是发展类脑计算技术的核心 , 而支持这一切实现 的基础是器件以及器件中的物理电子学 . 根据类脑单元实现的物理基础 , 当前类脑芯片主要可以分 为数字 CMOS 型、数模混合 CMOS 型以及新原理器件型三大类 . IBM 的 TrueNorth 、 Intel 的 Loihi 、清华大学的 Tianjic 以及浙江大学的 Darwin 等都是数字 CMOS 型类脑芯片的典型代表 , 旨 在以逻辑门电路仿真实现生物单元的行为 . 数模混合型的基本思想是利用亚阈值模拟电路模拟生物 神经单元的特性 , 最早由 Carver Mead 提出 , 其成功案例有苏黎世的 ROLLs 、斯坦福的 Neurogrid 等 . 以上两种类型的类脑芯片虽然实现方式上有所不同 , 但共同之处在于都是利用了硅基晶体管的 物理特性 . 此外 , 以忆阻器为代表的新原理器件为构建非硅基类脑芯片提供了新的物理基础 . 它们 在工作过程中引入了离子动力学特性 , 从结构和工作机制上与生物单元都具有很高的相似性 , 近年 来受到国内外产业界和学术界的广泛关注 . 鉴于硅基工艺比较成熟 , 当前硅基物理特性是类脑芯片 实现的主要基础 . 忆阻器等新原理器件的类脑计算技术尚处于前沿探索和开拓阶段 , 还需要更成熟 的制备技术、更完善的系统框架和电路设计以及更高效的算法等 .
心脏骤停患者的无创脑灌注监测：一项前瞻性队列研究
a 魁北克中央医院 — 拉瓦尔大学研究中心，人口健康与最佳健康实践研究单位（创伤 — 急诊 — 重症监护医学），拉瓦尔大学，加拿大魁北克省魁北克市 18e rue 1401 b 重症监护医学科，麻醉学和重症监护医学系，拉瓦尔大学，加拿大魁北克省魁北克市 c 神经重症监护科，宾夕法尼亚大学医院，美国宾夕法尼亚州费城 Spruce St 3400 号，邮编 19104 d 神经内科和神经外科，西奈山医院，美国纽约州纽约市麦迪逊大街 1468 号，邮编 10029 e 心脏病学、肺科、重症监护和睡眠医学，西奈山医院，美国纽约州纽约市麦迪逊大街 1468 号，邮编 10029 f心脏重症监护 Zena 和 Michael A. Wiener 心血管研究所，西奈山医院，1468 Madison Ave，纽约，NY 10029，美国 g 心脏重症监护室和心脏降压病房，西奈山医院，1468 Madison Ave，纽约，NY 10029，美国 h 神经内科，亨利福特医疗系统，2799 W. Grand Blvd，Clara Ford Pavillion，Room 462，底特律，MI 48202，美国 i 神经内科，韦恩州立大学医学院，密歇根州底特律，美国
基于机器学习的无扫描非相干显微镜可用于微创深部脑成像
摘要：深层脑显微镜受成像探头尺寸的严重限制，无论是在可实现的分辨率方面，还是在手术可能造成的创伤方面。在这里，我们展示了一段超薄多模光纤（套管）可以取代大脑内部笨重的显微镜物镜。通过创建一个自洽的深度神经网络，该神经网络经过训练可以从套管传输的原始信号中重建以人为中心的图像，我们展示了单细胞分辨率（< 10 µ m）、深度切片分辨率 40 µ m 和视野 200 µ m，所有这些都使用绿色荧光蛋白标记的神经元在距离大脑表面 1.4 毫米的深度处进行成像。由于在体内很难获得这些深度的真实图像，我们提出了一种新颖的集成方法，该方法对来自不同深度神经网络架构的重建图像进行平均。最后，我们展示了移动的 GCaMp 标记的 C . elegans 蠕虫的动态成像。我们的方法大大简化了深部脑显微镜检查。
