XiaoMi-AI文件搜索系统
World File Search SystemRoelfsema
大脑计算机界面：一种新的存在风险因素
1型BCIS能够读取神经数据，但也出于多种目的报告并发送此数据。这些已被用来实时转化神经模式的语音（Allison等，2007; Guenther等，2009; Moses等，2019），并从神经模式中检测阳性和负面的情绪状态（Wu等，2017）。可以预期，这种此类的近任期BCI将能够检测出故意的欺骗，甚至检测潜意识的识别，并检测到更精确且复杂的思想含量（Bellman等，2018； Bunce等，2005； Evers和Sigman； Evers and Sigman，2013; Roelfsema，Roelfsema，Roelfsema，denys＆Klink＆Klink＆Klink，2018）。记录和解释神经数据有许多实际用途。到目前为止，BCIS已被用于灵长类动物，以使他们能够通过直接将心理命令直接发送到相关设备来控制假肢和智能设备（Carmena等，2003； Ifft，2013； Moore，2003）。这些相同的技术也已被用来帮助截瘫或四肢瘫痪的人，通过为它们提供一个神经分流，该神经分流记录大脑的信息并将这些信息直接发送到激活肌肉的地方，从而使患者可以使用先前残疾的四肢（Moore，2003）。许多公司还具有长期目标，即允许用户心理向其他BCI用户传输消息，从而仅允许使用思想的静音通信（Kotchetkov等，2010）。
CoralNet：用于自动注释底栖图像的 AI
Beijbom、Edmunds、Roelfsema、Smith、Kline、Neal、Dunlap、Moriarty、Fan、Tan、Chan、Treibitz、Gamst、Mitchell、Kriegman，“面向底栖调查图像的自动注释：人类专家的多变性和自动化操作模式”，PLOS ONE，2015 年
头部安装的微型镜钙成像在背前的恒河猕猴
尽管有这些重要的进步，但仍存在关键的需求，将这些新技术以外的新技术部署到与人类相关的大动物模型物种中（O'Shea等，2017）。非人类灵长类动物（NHP）是在这方面的特别重要的模型物种，具有大脑结构和功能以及复杂的认知和行为能力，与人类高度相似（Capitanio和Emborg，2008; Phillips et al。，2014; Roelfsema; Roelfsema and Treue and Treue，2014）。此外，基因组编辑的最新进展正在迅速使NHPS可行的人类疾病遗传模型（Sato和Sasaki，2018年）。因此，最新的光学技术从啮齿动物转移到行为NHP的转移有望在阐明健康和异常人类行为的临床相关神经活动中发挥关键作用。成功地应用钙成像在NHP中的开发很慢。特别是，使用常规病毒表达NHP脑中遗传编码的钙指标的困难（Sadakane等，2015a）和由较大体积NHP大脑运动引起的成像伪像（Trautmann等人，2021年； Choi等，2018，2018年）已证明最具挑战性。此外，与啮齿动物相比，NHP具有更成熟的免疫系统，需要复杂的手术策略和神经植入物硬件，并且在可用于试验和错误技术开发的动物总数上存在局限性（Phillips等人，2014年）。
伦敦大学学院神经科学研讨会 2024
今年研讨会的主题是“从分子到思维”——反映了伦敦大学学院在分子、细胞、回路和认知神经科学方面的杰出广度，以及弥合这些研究层面之间的鸿沟以获得更深入的理解和在治疗神经和精神疾病方面的临床潜力的日益重要性。我们的每位主讲嘉宾都反映了这一主题的各个方面。Pieter Roelfsema 教授（荷兰神经科学研究所）致力于了解视觉感知和认知的回路机制，同时也利用这些见解开发皮质假体以恢复失明者的视力。Karen Duff 教授（英国痴呆症研究所，伦敦大学学院）的实验室涵盖发现科学，专注于了解阿尔茨海默病中 tau 蛋白病变的分子原因和后果，同时也寻求识别和测试新的治疗靶点。
意识处理和全局神经元工作空间假说
George A. Mashour, 1 Pieter Roelfsema, 2 , 3 , 4 Jean-Pierre Changeux, 5 , 6 , 7 , * 和 Stanislas Dehaene 6 , 8 , * 1 密歇根大学意识科学中心、神经科学研究生课程和麻醉学系，美国密歇根州安娜堡 2 荷兰神经科学研究所视觉与认知系，Meibergdreef 47, 1105 BA，阿姆斯特丹，荷兰 3 荷兰阿姆斯特丹自由大学神经基因组学和认知研究中心综合神经生理学系 4 荷兰阿姆斯特丹学术医学中心精神病学系 5 CNRS UMR 3571，巴斯德研究所，75724 巴黎，法国 6 法国学院，11 Place Marcelin Berthelot，75005 巴黎，法国7 Kavli 脑与心智研究所，加州大学圣地亚哥分校，美国加利福尼亚州拉霍亚 8 认知神经影像中心，CEA，INSERM，巴黎南大学，巴黎萨克莱大学，NeuroSpin 中心，91191 Gif/Yvette，法国 *通讯作者：changeux@noos.fr (J.-PC)、stanislas.dehaene@gmail.com (SD) https://doi.org/10.1016/j.neuron.2020.01.026
数字大脑研究的未来十年
Katrin Amunts 1,2，Markus Axer 1,3，Swati Banerjee 4，Lise Bitsch 5，Jan G. Bjaalie 6，Philipp Brauner 7，Andrea Brovelli 8，Navona Calarco 9，Navona Calarco 9，Marcel Carrere 3,8,8，Sven Casper 1 1，Sven Cine Cine，Sven Cine，Sven jcine jcine 1,1,1 1,1,12。 IO UGO D'Angelo 16，Giulia de Bonis 17，Gustavo Deco 18,19，Javier Defelipe 20,21，Alain Destexhe 22，Timo Dickscheid，Mark，23，EmrahDüzel，23，EmrahDüzel25,26,27，Simon B. Eickhoff 28,29，Gaute 28,29，Gaute Einevoll 30，kek Athinka Evers 35，Nataliia Fedorchenko 2，Phanie J. Stekel，36，D。Fous。 AG 47，I Sater 49，I Sabine。 Ver 5，Alois C. Knoll 60，Zeljka Krsnik 61，JuliaKämpfer1，Matthew E Larkum 62，Marja-Leena Linne 63，Thomas Lippert 59，Jafri Malin Abdullah 46 66，Jorge Mejias 67，Andreas Meyer-Lindenberg 68，Michele Migliore 69，Judith Michael 7，Yannick Morel 70，Fabrice O. Morin 60，Lars Muck Ogels，177，73，Nicola Palomero-Gallagher 1,2 Et M. Peeters 76，Spase Petkoski 37，Nicolai Petkov 7 7，Lucy S. Petro 7 7，Petro A. 9，Giovanni Pezzulo 80，Pieter Roelfsema 55,81,82,83 Maria V. Sanchez-Vives 18.94，Johannes Schemmel 77，Walter Senn 78，Alexandra A. de Sousa 95.96，FelixStröckens2，Bertrand Thirion 97，Kamil Uluda 9.52 ，Lisa Vincenz-Donnelly 1，Florian Walter 104，Laszlo Zaborszky 105
使用深度学习从 fMRI 进行自然图像重建：一项调查
1.1. 使用 fMRI 进行视觉解码 许多脑成像研究集中于解码人脑如何表示有关外部世界的信息。考虑到大多数外部感官信息是由人类视觉系统处理的（ Logothetis 和 Sheinberg，1996 ），需要更深入地了解人脑的视觉信息处理，这促使建立能够表征视觉刺激内容的复杂计算模型。这个问题被称为人类对感知图像的视觉解码，并受到越来越多的关注。功能性磁共振成像（fMRI）在最近的神经科学研究中取得了重大进展（ Poldrack 和 Farah，2015；Nestor 等，2020 ）。fMRI 技术通过测量血氧水平的变化来捕捉大脑中的神经活动（ Ogawa 等，1990；Bandettini，2012 ）。在各种脑成像技术中，fMRI 是非侵入性的并且具有很高的空间分辨率。这些特性使得 fMRI 能够用于广泛的问题，包括神经系统疾病诊断（Rakhimberdina 等，2020；Zhang 等，2020）和人类视觉解码（Haxby 等，2001；Kamitani and Tong，2005；Horikawa and Kamitani，2017）。人类视觉解码领域的最新进展表明，除了仅仅对视觉刺激的信息进行编码（Poldrack and Farah，2015）之外，fMRI 捕捉到的大脑活动还可用于重建视觉刺激信息（Kay 等，2008；Roelfsema 等，2018）。根据目标任务，人类视觉解码可分为刺激类别分类、刺激识别和重建（Naselaris 等，2011）。在分类中，大脑活动用于预测所呈现刺激的离散对象类别（Haxby 等人，2001；Horikawa 和 Kamitani，2017）。识别的目标是从一组已知的刺激图像中识别出与给定大脑活动模式相对应的特定刺激
2015 年排放差距报告
Maria Belenky（气候顾问）、Duncan Brack（皇家国际事务研究所）、Pieter Boot（荷兰环境评估机构 PBL）、Michael Bucki（欧盟委员会）、Katherine Calvin（太平洋西北国家实验室）、Tim Christophersen（联合国环境规划署）、Leon Clarke（太平洋西北国家实验室）、Michel Colombier（可持续发展和国际关系 - IDDRI）、Laura Cozzi（国际能源署）、Joe Cranston Turner（伦敦政治经济学院）、Rob Dellink（经济合作与发展组织）、Harald Diaz-Bone（独立顾问）、Steffen Dockweiler（丹麦能源署）、Thomas Enters（联合国环境规划署）、Thomas Hale（牛津大学）、Richard Houghton（伍兹霍尔研究中心）、Inkar Kadyrzhanova（联合国气候变化框架公约）、Johan Kieft（联合国 REDD+ 印度尼西亚协调办公室 - UNORCID）、Ariane Labat（欧盟委员会）、Axel Michaelowa（观点）、Perry Miles（欧盟委员会）、Peter Minang（世界农林业中心 - ICRAF）、Helen Mountford（新气候经济）、Dirk Nemitz（联合国气候变化框架公约）、Ian Ponce（联合国气候变化框架公约）、Mark Roelfsema（PBL 荷兰环境评估机构）、James Rydge（新气候经济）、Katja Schumacher（德国应用生态研究所）、Rajendra Shende（环境技术、教育、研究和恢复 - TERRE 政策中心）、Anne Siemons（德国应用生态研究所）、阿姆斯特丹自由大学）、Erin Sills（北卡罗来纳州立大学）、Thomas Spencer（可持续发展和国际关系 - IDDRI）、Jaime Webbe（联合国环境规划署）、Oscar Widerberg（环境研究所 (IVM)）、Michael Wolosin（气候顾问）、赵秀生（清华大学）
2015 年排放差距报告
Maria Belenky（气候顾问）、Duncan Brack（皇家国际事务研究所）、Pieter Boot（荷兰环境评估机构 PBL）、Michael Bucki（欧盟委员会）、Katherine Calvin（太平洋西北国家实验室）、Tim Christophersen（联合国环境规划署）、Leon Clarke（太平洋西北国家实验室）、Michel Colombier（可持续发展和国际关系 - IDDRI）、Laura Cozzi（国际能源署）、Joe Cranston Turner（伦敦政治经济学院）、Rob Dellink（经济合作与发展组织）、Harald Diaz-Bone（独立顾问）、Steffen Dockweiler（丹麦能源署）、Thomas Enters（联合国环境规划署）、Thomas Hale（牛津大学）、Richard Houghton（伍兹霍尔研究中心）、Inkar Kadyrzhanova（联合国气候变化框架公约）、Johan Kieft（联合国 REDD+ 印度尼西亚协调办公室 - UNORCID）、Ariane Labat（欧盟委员会）、Axel Michaelowa（观点）、Perry Miles（欧盟委员会）、Peter Minang（世界农林业中心 - ICRAF）、Helen Mountford（新气候经济）、Dirk Nemitz（联合国气候变化框架公约）、Ian Ponce（联合国气候变化框架公约）、Mark Roelfsema（PBL 荷兰环境评估机构）、James Rydge（新气候经济）、Katja Schumacher（德国应用生态研究所）、Rajendra Shende（环境技术、教育、研究和恢复 - TERRE 政策中心）、Anne Siemons（德国应用生态研究所）、阿姆斯特丹自由大学）、Erin Sills（北卡罗来纳州立大学）、Thomas Spencer（可持续发展和国际关系 - IDDRI）、Jaime Webbe（联合国环境规划署）、Oscar Widerberg（环境研究所 (IVM)）、Michael Wolosin（气候顾问）、赵秀生（清华大学）
Colin Jennings
科林·詹宁斯政治经济学系电话：44（0）20 78482948伦敦国王学院电子邮件：colin.jennings@kcl.ac.ac.uk伦敦，WC2B 4BG，英国英国政治经济学的当前职位读者，伦敦国王学院（2018年; 2018年; 2018年; 2013; 2013-18'; 2007-11) College Lecturer in Economics, the Queen's College, University of Oxford (2002 - 2007) Teaching Fellow in Economics, University of Southampton (2001 – 2002) Lecturer in Economics, University of Portsmouth (1996 – 1998) Education PhD in Economics, University of Southampton (1998 – 2002) Political conflict and constitutional reform - (ESRC Studentship 1998 – 2001) MA in Economics, Queen's大学，安大略省金斯敦大学（1994年至1995年），经济学理学学士（ECON），贝尔法斯特皇后大学（1989 - 1992年）出版物•有选择性的自由主义者：来自社会态度的同性恋关系的证据（与艾伦·柯林斯（Alan Collins）和艾伦·柯林斯（Alan Collins）和斯蒂芬·饮料（Stephen Drinkwater），理性与社会，理性和社会，2023，35，35，420-420-420-4447。•英国脱欧公投和三种类型的遗憾（与斯蒂芬·饮料水），公共选择，2022，193，275-291。•选择性宽容和激进的权利（具有伊丽莎白·拉尔夫·莫尔（Elizabeth Ralph-Morrow）），理性和社会； 2020，32，144-167。•社会资本，冲突和福利（圣地亚哥桑切斯页），《发展经济学杂志》； 2017，124，157-167。•富有表现力的投票和二维政治竞争：英国新劳动（与斯蒂芬·饮料水）的法律和命令政策的申请，宪法政治经济学； 2017，28，79-96。•格拉斯哥的家庭暴力和足球：参考点是否相关？•团体对政治暴力的支持：情感和表达选择在造成冲突或提供和平，国防与和平经济学方面的作用，2016，27，404-422。（与Alex Dickson和Gary Koop一起），《经济与统计公报》，2016，78，1-21。•集体选择和个人行动：英格兰的教育政策和社会流动性，欧洲政治经济学杂志，2015，40，288-297。•对表达选择和罢工的研究（与克里斯塔·布鲁恩（Christa Brunnschweiler）和伊恩·麦肯齐（Ian Mackenzie）一起），《欧洲政治经济学杂志》，2014年，第34页，第111-125页。•善，坏和民粹主义者：与情感选民的政治机构模式，欧洲政治经济学杂志，2011，27，611-624。•表现力的政治行为：基础，范围和影响（与艾伦·哈姆林），英国政治学杂志，2011，41，645-670。•小组内竞争与组间冲突：北爱尔兰，国防与和平经济学的申请，2011，22，63-84。•民间冲突，联邦制和领导力的战略代表团（与海因·罗夫塞玛），和平研究杂志，2008，45，557-573。•政治经济学和规范分析（与伊恩·麦克莱恩（Iain McLean）），新政治经济学，2008，13，61-76。