XiaoMi-AI文件搜索系统
World File Search SystemCortex
在基于ECOG的大脑计算机界面的长期临床试验中，运动皮层中误差相关的检测
摘要：错误相关性被认为是BCI的有望作为执行错误校正或预防的一种方式，或标记数据以在线适应BCIS的控制模型。当前最新的BCIS是基于运动模拟的侵入性BCI，因此除了感觉运动皮质外，无法访问神经数据。我们在单个试验级别研究了在观察或运动成像（MI）控制BCI期间，误差的存在和可检测性与四翼型用户对BCI进行了两个离散类别。We show that error correlates can be detected using a broad range of classifiers, namely Support Vector Machine (SVM), logistic regression, N-way Partial Least Squares (NPLS), Multilayer Perceptron (MLP) and Convolutional Neural Network (CNN) with respective mean AUC of the ROC curve of 0.645, 0.662, 0.642, 0.680 and 0.630在观察条件下，在MI-Control条件下，0.623、0.605、0.603、0.626和0.580。我们还建议这些误差相关的时间稳定。这些发现表明，使用基于侵入性运动模拟的BCI进行误差校正或预防，可以在临床试验中使用误差相关性。
四肢瘫痪患者运动皮层中不同抓握类型的力量神经表征
1 凯斯西储大学生物医学工程系，俄亥俄州克利夫兰 44106，2 斯坦福大学神经外科系，加利福尼亚州斯坦福 94035，3 斯坦福大学电气工程系，加利福尼亚州斯坦福 94035，4 VA 医学中心路易斯斯托克斯克利夫兰系，俄亥俄州克利夫兰 44106，5 布朗大学神经科学系，罗德岛州普罗维登斯 02912，6 布朗大学罗伯特 J. 和南希 D. 卡尼脑科学研究所，罗德岛州普罗维登斯 02912，7 VA RR&D 神经修复和神经技术中心，罗德岛州普罗维登斯 02912，8 克利夫兰大学医院医学中心神经外科系，俄亥俄州克利夫兰 44106，9 凯斯西储医学院神经外科系，俄亥俄州克利夫兰 44106，10克利夫兰大学医院医学中心神经内科，俄亥俄州克利夫兰 44106，11 布朗大学工程学院，罗德岛州普罗维登斯 02912，12 麻省总医院神经内科神经技术和神经康复中心，马萨诸塞州波士顿 02114，13 哈佛医学院神经内科，马萨诸塞州波士顿 02114，14 斯坦福大学生物工程系，加利福尼亚州斯坦福 94035，15 斯坦福大学神经生物学系，加利福尼亚州斯坦福 94035，16 斯坦福大学霍华德休斯医学研究所，加利福尼亚州斯坦福 94035，17 斯坦福大学吴仔神经科学研究所，加利福尼亚州斯坦福 94035，以及 18 斯坦福大学 Bio-X 项目，加利福尼亚州斯坦福 94035
观点文章 经过 50 年的桶状皮层研究，走向新皮层计算的生物物理机制
皮质回路中的计算在高级脑功能中起着根本性的作用。最近的技术进步极大地促进了对细胞类型特异性皮质突触回路的结构和连接及其在小鼠执行简单的目标导向感觉知觉任务中的功能的定量描述。对皮质回路如何处理感觉信息的机制理解需要详细的生物物理计算建模，从而需要越来越精确的数据。通过对结构、功能和模拟的综合研究，神经科学家现在能够研究皮质计算的因果机制。研究神经回路结构与功能关系的一个关键模型系统是小鼠桶状皮质，它处理来自鼻子 1 周围的胡须阵列的触觉感觉信息（图 1A）。自 1970 年 Thomas Woolsey 和 Hendrik van der Loos 发现桶状皮层以来，对其进行了 50 年的研究。2 我们在此讨论桶状皮层电路的结构、功能和模拟的未来研究途径，需要将这些研究途径整合起来，以建立行为结构与功能关系的因果关系。
图像完成的自我监视的深神经网络类似于早期的视觉皮层fMRI活动模式
人工智能在理解生物学视觉方面的承诺依赖于将计算模型与大脑数据的比较，以捕获视觉信息处理的功能原理。卷积神经网络（CNN）成功地匹配了沿着大脑前馈视途径延伸到腹侧颞叶皮质中的层次处理中的转换。但是，我们仍然要了解CNN是否可以成功地描述早期视觉皮层中的反馈过程。在这里，我们研究了人类早期视觉皮层和具有编码器/解码器体系结构的CNN之间的相似性，并接受了自我监督的学习训练以填充闭塞并重建了看不见的图像。使用代表性相似性分析（RSA），我们比较了人类参与者中未刺激的早期视觉皮层贴片的3T fMRI数据，这些数据是查看部分遮挡图像的人，以及来自同一图像的CNN层激活不同。结果表明，我们的自我监督图像完成网络在与fMRI数据的相似性方面优于经典的对象识别网络（VGG16）。这提供了其他证据，表明视觉系统的最佳模型可能来自较少的监督训练的饲养架构。我们还发现，与编码器激活相比，CNN解码器途径激活与大脑处理更相似，这表明早期视觉皮层中的中和低/中级特征的整合。挑战AI模型和人脑解决相同的任务提供了一种将CNN与大脑数据进行比较的宝贵方法，并有助于限制我们对信息处理的理解，例如神经元预测性编码。
模拟CNN前部的主要视觉皮层可改善对图像扰动的鲁棒性
当前的最新对象识别模型主要基于会议神经网络（CNN）架构，这些架构是受灵长类动物视觉系统的启发。然而，这些CNN可以被严重的小型，明确的精心制作的扰动而愚弄，并难以识别被人类易于认可的损坏的图像中的物体。在这里，通过与灵长类神经数据进行比较，我们首先观察到具有神经隐藏层的CNN模型更好地匹配灵长类动物的一级视觉皮层（V1），也对广告症的攻击也更为强大。受到这一观察的启发，我们开发了Vonenets，这是一种新的混合CNN视觉模型。每个vonenet都包含一个固定的权重神经网络前端，该vonnet模拟灵长类动物V1，称为VoneBlock，然后是由当前CNN视觉模型改编的神经网络后端。voneBlock基于V1的经典神经科学模型：线性 - 非线性 - 偏见模型，由生物学上约束的Gabor滤波器库组成，简单且可构成细胞的非线性和V1 Neuronal neuronal neuronal stochasticity生成器。训练后，Vonenets保留了较高的ImageNet性能，但每种表现都更高，在由白色盒子对抗性攻击和常见的图像腐败组成的扰动的基准上，分别超过了CNN和最先进的方法，分别超过了18％和3％的基本方法。最后，我们证明了VoneBlock在协同作用中的所有组成部分都可以提高鲁棒性。虽然当前的CNN体系结构可以说是受到脑部启发的，但此处介绍的结果表明，更精确地模仿灵长类动物视觉系统的一个阶段会导致Imagenet级计算机视觉应用中的新增长。
单维的人脑信号，用于两个...
1霍夫斯特拉/诺斯韦尔的神经外科系和芭芭拉·扎克医学院，纽约汉普斯特德，北汉普斯特德，11549，2费恩斯坦医学研究所，纽约，纽约，曼海斯特，11030，3 3号基础神经科学系，医学中心，医学院，医学中心，1211 Genurand，switfa neeva，switfa neeva，4.布朗克斯，纽约10467，5神经科学系，阿尔伯特·爱因斯坦医学院，布朗克斯，纽约，10461，6神经科学学院，艾克斯尔大学，阿克西尔大学，梅赛，13005年，马赛，法国，法国7号，克里姆利西范围的脑，脑，脑，脑，脑，脑海中心，哥伦比亚群岛。中心，伊兰大学，拉马特·甘5290002，以色列9号电气工程系，哥伦比亚大学，纽约，纽约，纽约10027，10 Neurosurgery系，贝勒医学院，德克萨斯州休斯敦市贝勒医学院，德克萨斯州77030，11 Nathan S. Kline Institute，New York 10962，纽约市纽约市纽约市纽约市纽约市纽约市纽约市纽约市纽约市纽约市纽约市纽约市纽约市纽约市，纽约市。
顶层皮层中的振荡爆发反映了多个对象和合奏之间的动态关注
视觉系统使用两种免费策略在场景中同时处理多个对象，并实时更新其空间位置。它要么使用选择性注意力将复杂的动态场景个性化成几个焦点对象（即对象个体化），要么通过在整个场景（即集合分组）中更全球地分布全球的注意力来代表多个对象作为集合。神经振荡可能是焦点对象个性与分布式集成组的关键签名，因为它们被认为可以通过抑制性控制机制调节视觉区域的神经兴奋性。，我们在多对象跟踪范式中记录了全头MEG数据，其中人类参与者（13位女性，11名男性）在不同的指令之间切换了对象个性化的指令，并在不同的试验中进行了集合分组。在两个条件之间，刺激，反应和跟踪多个空间位置的需求保持恒定。我们观察到在多对象加工过程中，在双侧下对顶皮层中增加了一个频带功率（9-13 Hz）。单审判分析表明，对物体个体与集成分组试验的爆发发生较大。相比之下，我们发现使用标准分析对跨审判的平均带功率没有差异。此外，爆裂效果仅在下方/at（但不高）发生，而不是上面的多个对象处理的典型容量限制（AT； 4个对象）。他们支持一种节奏，是对多个对象和合奏的动态关注的脉冲态度。我们的发现揭示了实时神经相关性的基础，即多对象方案的动态处理，这是通过对策略和能力进行分组来调节的。
![视频：人类视觉：主要视觉皮层[00:01] [幻灯片1 ...](/simg/9/974186eead103cb7dfdf44f695bede0d550b04d6.webp)
视频：人类视觉：主要视觉皮层[00:01] [幻灯片1 ...
> @> @ eudlq lq和此wkdw¶vriwhuhuhuhuhuhuhg wr dv sulpdu \ ylvdo fruwh [ru huhd 9 dqgzh¶ooo。 WKLV THIS AND AND WRS \RX OHDUQHG AND AND HGJ HGJ HGJS THIS IN THE FRPSXWHU YLVLQ V\VWHPV 7KLV GLDJUDP VKRZV WITH YLVDO SDWKKZD\V AND WHER H\HV WR YLVDO FRUWH[ 1001255. WZR VLGHV RI WHOW EUDLQ ,QIRUPPDWLQ IURP WKH WILL VLGH RI YLVDO ILVDO ILVDO VKRZQ AND JUHHQ SDVVHV AND WOMAN OHQVHV WR WR WR WHWLQD LQ ERW H\HV REAVE H\HV VLGH VLG HKK WKHQ SDVVHV XS WR WHE EUDLQ WITH OHIW VLGH VLGH RI WKH KHDG ,QIRUPDWLRQ IURP WKH OHIW VLGH VILY ILVDO LV WKH YLVDO LV AND AND RQWR AND WKH UHWLQD RQ WILL VLGH VLGH VLGH VLGHV SDVVHV XS WKH VLGH VLGH RI YLVDO FRUWH[ 6R HDFK VLGH RI THIS eudlq和dqdo \] hv with ylvdo with ylvdo vfpelqh frpelqjudwlq iurp erw h \ hv wklv lv，srlqw wildzh¶ooof with Will and Will and Will and Will and Will and and Vily Vily Vily Vily
噪声相关是由在灵长类动物的手动和观察任务期间双侧双侧的奖励期望调节
。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。这是该版本的版权持有人，该版本发布于2020年8月25日。 https://doi.org/10.1101/2020.03.09.984591 doi：Biorxiv Preprint
文章 隐性运动意象和侧枕颞皮质：定制非侵入性脑刺激的提示
摘要：背景：最近的证据表明，在老年人和患有帕金森病等神经退行性疾病的患者中，侧枕颞皮质在隐性运动意象中被过度招募。这些数据表明，当自动想象运动时，个体会利用视觉区域的神经资源来弥补激活运动表征的下降。因此，枕颞皮质可以作为非侵入性脑刺激与认知训练相结合的皮质目标，以提高运动意象表现。在这里，我们旨在阐明左右侧枕颞皮质在隐性运动意象中的作用。方法：我们在健康的右撇子判断手部图像的侧面性时，对左右侧枕颞皮质施加在线、高频、重复经颅磁刺激 (rTMS)。结果：与假刺激相比，左半球刺激特别降低了判断右手图像的侧向性的准确性。相反，运动模拟的标志，即生物力学效应，从未受到 rTMS 的影响。结论：侧枕颞皮质似乎参与了惯用手的心理表征，至少对右撇子来说如此，但不参与在模拟过程中重新激活感觉运动信息。这些发现为开发组合大脑刺激和行为训练以改善运动意象提供了有用的提示。