。cc-by-nc-nd 4.0国际许可证(未经同行评审证明)获得的是作者/资助者,他授予Biorxiv授予Biorxiv的许可,以永久显示预印本。它是制作
甲基苯丙胺(甲基苯丙胺)是全球使用的最广泛使用的非法药物之一,发挥了有效的心理刺激作用,可增强其高度上瘾的性质。慢性甲基苯丙胺的使用与严重的认知障碍有关,尤其是在执行功能,决策和工作记忆中,即使在停止使用甲基甲基苯丙胺后也持续了很长时间。这些认知统计与内侧前额叶皮层(MPFC)中谷氨酸能锥体神经元功能障碍有关,该神经元调节成瘾和认知。人类和动物研究都强调了甲基苯丙胺诱导的MPFC功能障碍,这有助于强迫行为和复发。新兴的证据还强调了甲基甲基苯丙胺障碍(MUD)的性别差异显着差异。先前的研究表明,男性和女性的甲基诱导的行为和神经元功能障碍是不同的,但是细胞和分子机制尚未完全了解。使用行为和电生理方法(全细胞弥补),这项研究确定了自我管理的METH(METH-SA)的MPFC中神经元功能障碍的某些性别差异,然后是短(2-5 d)或长期(≥30d)的短(2-5 d)或退出。我们发现,男性和雌性大鼠都以相似的模式自我施用甲基苯丙胺。然而,性别之间的MPFC神经元中产生的不良,多动症和钙失调不同。这种特异性神经元功能障碍分别与短期或长期戒断有关。通过理解不同的性别行为/神经元差异后,我们的新颖发现表明了性别作为生物学变量在甲基化和复发中的作用,并揭示了药物使用环境对MPFC神经元功能障碍的影响,在戒断过程中,在戒断过程中提供了洞察力治疗,从而提供了性别 - 适用策略。
运动皮层通过向下游神经回路发送时间模式来启动运动。运动执行过程中的模式被认为是由运动皮层网络内的内部动态产生的。然而,本体感受等外部输入也会影响运动皮层动态。为了研究内部动态和本体感受反馈对自愿运动执行的贡献,我们构建了几个运动皮层模型,从虚拟手臂接收不同组合的本体感受反馈来执行延迟到达任务。考虑到延迟、噪声和感觉反馈的来源,我们构建了一个感觉估计网络。我们发现抑制稳定网络接收的手部运动学和肌肉力量产生的模式与运动皮层神经元数据中观察到的模式最相似。此外,我们使用了一种破坏策略来剖析内部动态和本体感受反馈的贡献,发现内部动态占主导地位,而本体感受反馈可以微调运动命令。对消融实验的分析表明,本体感受反馈提高了对嘈杂初始条件的鲁棒性。我们的研究结果表明,内在结构和外部输入对于产生类似大脑的神经活动都至关重要。
半个世纪以来,普通实验室啮齿动物的桶状皮层一直是研究地形图,神经图案和可塑性的形成,在发育和成熟度中的形成非常有用。我们介绍了关于桶的发现方式的历史观点,以及此后如何成为发展性神经科学家的主力,并研究了大脑可塑性和脑电路的活动依赖性建模。对这种感觉系统的特殊值得注意的是一种细胞模式,它是由源自鼻须围绕的感觉受体得出的信号引起的,并以中央传播到脑干(桶形),丘脑(枪管)(枪管)(枪管)和新皮层(桶)。出生后不久对感觉受体的损伤会导致系统的所有级别可预测的模式改变。小鼠遗传学增加了我们对枪管的构造方式的理解,并揭示了将轴突生长和细胞规范的分子程序的相互作用以及活性依赖性机制。对这种感觉系统作为一种神经生物学模型存在着不断提高的兴趣,该模型在形态学和生理水平上都研究了体体,模式和可塑性的发展。本文是纪念神经科学学会50周年的一组文章的一部分。
。CC-BY 4.0 国际许可证可在未经同行评审认证的情况下获得)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是
恶意化)。此外,此SWTA图案的稀疏耦合也能够模拟TN芯片上的两态神经状态机,从而复制了对认知任务必不可少的工作记忆动力学。此外,将SWTA计算作为视觉变压器(VIT)中的预处理层的整合,增强了其在MNIST数字分类任务上的性能,证明了改进的概括性对以前看不见的数据进行了改进,并提出了类似于零量学习的机制。我们的方法提供了一个将大脑启发的计算转换为神经形态硬件的框架,并在英特尔的Loihi2和IBM的Northpole等平台上使用了潜在的应用。通过将生物物理精确的模型与神经形态硬件和高级机器学习技术集成,我们是将神经计算嵌入神经ai系统中的全面路线图。
摘要 目的 在通过脑机接口操纵假肢的过程中,皮质表面的分布式微刺激可以有效地向受试者提供反馈。这种反馈可以向假肢使用者传达大量信息,可能是获得假肢的精确控制和实施的关键。然而,到目前为止,人们对解码此类模式的生理限制知之甚少。在这里,我们旨在测试一种旋转光遗传反馈,该反馈旨在有效地编码假肢中使用的机器人执行器的 360° 运动。我们试图评估通过闭环脑机接口控制假肢关节的小鼠对其的使用情况。 方法 我们测试了小鼠优化虚拟假肢关节轨迹的能力,以解决奖励性伸手任务。它们可以通过调节初级运动皮层中单个神经元的活动来控制关节的速度。在任务期间,投射到初级体感皮层上的模式化光遗传刺激不断向小鼠传递有关关节位置的信息。主要结果 我们表明,小鼠能够在任务的主动行为环境中利用连续、旋转的皮质反馈。小鼠通过更频繁地检测奖励机会,以及通过将关节更快地移向奖励角区,并在奖励区停留更长时间,实现了比没有反馈时更好的控制。控制关节加速度而不是速度的小鼠无法改善运动控制。 意义 这些发现表明,在闭环脑机接口的背景下,可以利用具有优化形状和拓扑的分布式皮质反馈来控制运动。我们的研究直接应用于机器人假肢中经常遇到的旋转关节的闭环控制。 1. 简介
卷积神经网络(CNN)受到灵长类动物视觉系统的组织的启发,进而成为视觉皮层的有效模型,从而可以准确预测神经刺激反应。虽然对与大脑相关的对象识别任务进行培训可能是预测大脑活动的重要前提,但CNN的大脑样结构可能已经允许准确预测神经活动。在这里,我们在预测视觉皮层的神经反应方面评估了任务精制和脑部优化的卷积神经网络(CNN)的性能,并进行了系统的架构操作以及受过训练的和未经训练的特征提取器之间的比较,以揭示关键的结构组件影响模型性能。对于人类和猴子区域V1,采用RELU激活函数的随机重量CNN与平均或最大池的结合,显着超过了其他激活函数。随机体重CNN在预测V1响应时与训练有素的对应物相匹配。可以预测V1响应的程度与神经网络的复杂性密切相关,这反映了神经激活功能和汇总操作的非线性。但是,对于与物体识别(例如IT)相关的较高视觉区域,编码性能与复杂性之间的这种相关性显着弱。测试视觉区域之间的这种差异是否反映了功能差异,我们在纹理歧视和对象识别任务上训练了神经网络模型。与我们的假设一致,模型的复杂性与纹理歧视的性能更加密切,而不是对象识别。我们的发现表明,具有足够模型复杂性的随机重量CNN允许将V1活动视为训练有素的CNN,而较高的视觉区域则需要通过梯度下降通过训练获得的精确重量配置。
摘要 — 癫痫是一种神经系统疾病,其特征是由大脑异常电活动引起的突发和反复发作。反应性神经刺激 (RNS) 为药物难治性癫痫患者提供了一种有希望的治疗选择。反应性神经刺激 (RNS) 是一种采用闭环系统的植入式设备。它通过皮层脑电图 (ECoG) 记录持续监测大脑活动。当系统检测到癫痫发作活动时,它会向大脑发送直接电刺激以抑制癫痫发作。癫痫发作检测算法需要针对患者进行优化,这导致近年来人们对深度学习方法的兴趣日益浓厚。虽然更深的网络架构通常可以提高检测准确性,但它们在植入式设备中的实现受到硬件资源有限和可用于 ECoG 监测的电极通道数量有限的限制。为了确保 RNS 的实际可行性,系统地最小化患者特定深度学习模型的计算成本和连接的 ECoG 电极数量至关重要。本研究通过分析在 3D ECoG 数据上训练的 3D 卷积神经网络 (3D CNN) 的第一个卷积层学习到的时空核,系统地减少了癫痫检测模型中的电极通道数量和计算成本。这种方法充分利用了网络学习网格电极之间的空间关系和 ECoG 信号的时间动态的能力。缩小后的癫痫检测 CNN 模型与原始 CNN 模型之间的性能比较表明,至少对于某些患者,可以在减小模型尺寸的同时保持推理性能。
Quentin le Grand,Claudia L. Satizabal,Muralidharan Sargurupremraj,Aniket Mishra,Aicha Soumare等。整个生命周期的基因组研究指向早期机制,决定了亚皮肤量。生物精神病学:认知神经科学和神经影像学,2021,101016/j.bpsc.2021.10.011。hal-03466940