XiaoMi-AI文件搜索系统
World File Search Systemneural
带射频的卷积神经网络，带有射频旋转纳米驱动器
摘要卷积神经网络（Lecun and Bengio 1998脑理论与神经网络手册255-58； Lecun，Bengio和Hinton 2015 Nature 521 436-44）在现代信号处理和机器视觉中是最先进的，无处不在。如今，基于新兴纳米版的硬件解决方案旨在减少这些网络的功耗。 这是通过使用实现卷积滤波器并顺序乘以输入的连续子集的设备，或者通过使用不同的一组设备来并行执行不同的乘法，以避免将中间计算步骤存储在内存中。 SpinTronics设备由于提供了各种神经和突触功能，因此可以进行信息处理。 然而，由于其低/偏高/比率，在单个步骤中使用横杆式旋转记忆阵列进行卷积所需的所有乘法将导致偷偷摸摸的路径电流。 在这里，我们提出了一个建筑，其中突触通信基于共振效果。 这些突触通信具有频率选择性，可防止由偷偷摸摸电流引起的串扰。 我们首先演示了一系列自旋谐振器如何通过依次校正编码连续输入集的射频信号来充当突触并进行卷积。 我们表明，具有多个自旋谐振器的多个链可以实现并行实现。 我们为这些链条提出了两种不同的空间布置。如今，基于新兴纳米版的硬件解决方案旨在减少这些网络的功耗。这是通过使用实现卷积滤波器并顺序乘以输入的连续子集的设备，或者通过使用不同的一组设备来并行执行不同的乘法，以避免将中间计算步骤存储在内存中。SpinTronics设备由于提供了各种神经和突触功能，因此可以进行信息处理。然而，由于其低/偏高/比率，在单个步骤中使用横杆式旋转记忆阵列进行卷积所需的所有乘法将导致偷偷摸摸的路径电流。在这里，我们提出了一个建筑，其中突触通信基于共振效果。这些突触通信具有频率选择性，可防止由偷偷摸摸电流引起的串扰。我们首先演示了一系列自旋谐振器如何通过依次校正编码连续输入集的射频信号来充当突触并进行卷积。我们表明，具有多个自旋谐振器的多个链可以实现并行实现。我们为这些链条提出了两种不同的空间布置。对于每个人，我们解释了如何同时调整许多人工突触，从而利用了突触重量共享特定的卷积。我们通过使用自旋振荡器作为人工微波神经元来展示如何通过使用自旋振荡器在卷积层之间传输信息。最后，我们模拟了这些射频谐振器和自旋振荡器的网络，以求解MNIST手写数字数据集，并获得与软件卷积神经网络相当的结果。由于它可以与纳米设备的单一步骤完全平行运行卷积神经网络，因此本文提出的架构对于需要机器视觉的嵌入式应用程序（例如自主驾驶）很有希望。
科学家开发出可调节的有机活性神经探针，可实现近传感器信号处理
(a) 麻醉期间捕获的高分辨率电生理记录和癫痫发作期间在较长时间间隔内捕获的病理记录。(b) 图表说明了传感器在大鼠大脑的横截面视图中的放置位置，作为模型。(c) 与使用电极收集的信号 (蓝色) 相比，从放大传感器 (红色) 获得的信号表现出更高的信号分辨率和幅度。此外，与植入电极 (黑色) 记录的信号相比，放大传感器成功检测到癫痫发作期间明显的 5-10 Hz 振荡信号，这在时频频谱图中很明显。图片来源：POSTECH
基于 fNIRS 的神经反馈治疗中，针对 DL-PFC 的主观控制感与通过短通道校正确定的神经激活有关
神经反馈 (NF) 训练是一种很有前途的预防和治疗方法，可预防和治疗大脑和行为障碍，背外侧前额叶皮层 (DL-PFC) 是一个相关的研究区域。功能性近红外光谱 (NIRS) 最近已应用于 NF 训练。然而，这种方法对脑外血管化高度敏感，这可能会对皮质活动的测量造成偏差。在这里，我们通过评估生理混杂因素在不同信号过滤条件下通过短通道离线校正对 NF 成功的影响，检查了针对 DL-PFC 的 NF 训练的可行性及其特异性。我们还探讨了个人心理策略是否会影响 NF 成功。30 名志愿者参加了一次 15 次 NF 试验，他们必须提高双侧 DL-PFC 的氧合血红蛋白 (HbO2) 水平。我们发现，0.01–0.09 Hz 带通滤波比 0.01–0.2 Hz 带通滤波更适合突出显示仅限于 DL-PFC 中的 NF 通道的大脑激活。保留 15 次最佳试验中的 10 次，我们发现 18 名参与者（60%）成功控制了他们的 DL-PFC。使用短通道校正后，这一数字下降到 13 名（43%）。一半的参与者报告了积极的主观控制感，而“欢呼”策略似乎对男性更有效（p < 0.05）。我们的结果显示，在一次会话中 DL-PFC fNIRS-NF 就成功了，并强调了考虑皮质外信号的价值，这会对 NF 训练的成功和特异性产生深远影响。
SATB2神经rest类中充质程序的诱导驱动黑色素瘤侵袭和耐药性
黑色素瘤的最新基因组和SCRNA-SEQ分析表明，缺乏转移的复发遗传驱动因素，同时鉴定出与侵袭或耐药性相关的常见转录状态。为了测试转录适应是否可以推动黑色素瘤进展，我们使用了斑马鱼MITFA：BRAFV600E； TP53 - / - 模型，其中恶性进展的特征在于最小的遗传进化。我们进行了80个表观遗传/转录调节剂的过表达屏幕，并发现神经Crest - 间质发育调节剂SATB2以加速攻击性黑素瘤发育。其过表达诱导斑马鱼肿瘤和人黑色素瘤细胞系中的侵袭性形成和侵袭。SATB2结合并激活包括PDGFAB和SNAI2在内的神经rest调节剂。由SATB2引起的转录程序与已知的MITF低AXL高和AQP1 + NGFR1高药物抗性状态重叠，并在功能上驱动肿瘤的传播增强和对Vemurafenib在Vivo中的耐药性。总而言之，我们表明，SATB2向神经rest类中充质的程序转录的黑色素瘤转录可以促进自围候肿瘤的侵袭和耐药性。
使用神经信息流进行端到端神经系统识别 Seeliger, K.；安布罗吉奥尼，L.； Güçlütürk，Y.；古克吕，美国；格文，MAJ van 2021，
神经信息流 (NIF) 为神经科学中的系统识别提供了一种新方法。它模拟多个大脑区域中的神经计算，并且可以通过非侵入性数据的随机梯度下降进行端到端训练。NIF 模型通过耦合张量网络表示神经信息处理，每个张量都编码大脑区域中包含的感官输入的表示。这些张量的元素可以解释为皮质柱，其活动编码了时空位置中特定特征的存在。每个张量都通过低秩观察模型与特定于大脑区域的测量数据耦合，这些低秩观察模型可以分解为局部神经元群的空间、时间和特征感受野。这些观察模型和定义区域内信息处理的卷积权重都是通过预测感官刺激期间的神经信号端到端学习的。我们使用单个参与者记录的大规模 fMRI 数据集对早期视觉区域活动训练了一个 NIF 模型。我们表明，我们可以恢复与实证结果一致的合理的视觉表征和群体感受野。
人类神经类器官突触结构的分离和表征
突触体传统上是从啮齿动物或死后人类脑组织中富集的，但啮齿动物模型缺乏人类特有的突触特征，而死后组织中突触体的功能受到死后间隔的限制，并且通常仅显示疾病终点。此外，由于道德问题和可用性问题，只有少数研究针对人类样本。然而，神经类器官 (NO) 已成为分离完整和活的人类神经末梢以研究人类特有的突触传递方面的可能新来源。此外，突触体的富集通常使用密度梯度离心进行，这需要大量的起始材料。在本研究中，我们开发了一种应用差速离心方案从人类 NO 中富集突触结构的方法。然后，我们使用基于质谱的定量蛋白质组学来记录突触和生长锥特异性蛋白的富集，并在 KCl 刺激下进行定量磷酸化蛋白质组学来证明衍生突触结构的活力和生理功能。
大脑神经模式与睡眠的记忆功能
睡眠对健康的认知（包括记忆）至关重要。睡眠的两个主要阶段，即 REM 睡眠和非 REM 睡眠，与使用表面和颅内电极记录的特征性电生理模式有关。这些模式包括非 REM 睡眠期间的尖锐波纹、皮质慢振荡、δ 波和纺锤波，以及 REM 睡眠期间的 θ 振荡。它们反映了底层神经回路的精确定时活动。在这里，我们回顾了这些电信号如何指导我们对维持睡眠期间记忆巩固的回路和过程的理解，重点关注海马 θ 振荡和尖锐波纹以及它们如何与皮质模式协调。最后，我们强调了这些大脑模式如何也能维持依赖睡眠的稳态过程，并提出了研究睡眠记忆功能的几个潜在未来方向。
在什么时机寄生虫攻击并消耗其宿主
图1。NPC的延迟移植可改善势后的长期移植物存活。（a）示意图显示了实验设计。免疫缺陷rag2 - / - 小鼠在1 dpi（急性）或7 dpi（延迟）处局部移植Rfluc表达NPC的局部移植。（b）激光多普勒成像证实中风后脑血流（CBF）减少。（c）中风诱导后2小时对CBF进行定量。（d）代表性的生物发光成像（BLI）说明了两组选定时间点的6周内NPC存活。（e）两组移植后的前3天内对BLI信号的定量。（g）在移植后7天使用EDU掺入的增生评估的示意性时间表，在42天（急性）和35天（延迟）移植后移植时进行染色，以跟踪移植物增殖。（h）在移植后7天，在35 dpi（延迟）和42 dpi（急性）天以35 dpi（延迟）和42 dpi（急性）天的7天和KI67 + NPC对EDU + NPC进行定量的代表性免疫荧光图像。（j）显示具有多能标记Nanog，NPC标记PAX6，Neuronal标记NEUN和星形胶质细胞标记GFAP的表型面板。（k）移植后六周移植的NPC（HUNU+）的代表性免疫荧光图像。比例尺：50µm。（l）急性移植组中移植物组成的定量。数据显示为平均分布，其中红点表示平均值。框图表示数据的25％至75％四分位数。总共使用了8只动物，每组4只动物。箱形图：图中的每个点代表一种动物。线图被绘制为平均值±SEM。使用未配对的Mann-Whitney U检验（C和E）或未配对的t检验（I）评估平均差异的显着性。统计显着性设置为 *，p <0.05； **，p <0.01; ***，p <0.001。
可视化方法评估医学图像分类神经网络的鲁棒性
深度学习方法已显示出在医学图像分析 [1] 中的高性能潜力，尤其是计算机辅助诊断的分类。然而，解释它们的决策并非易事，这可能有助于获得更好的结果并了解它们的可信度。已经开发了许多方法来解释分类器的决策 [2]–[7]，但它们的输出并不总是有意义的，而且仍然难以解释。在本文中，我们将 [8] 的方法改编为 3D 医学图像，以找出网络对定量数据进行分类的基础。事实上，定量数据可以从不同的医学成像模式中获得，例如用正电子发射断层扫描 (PET) 获得的结合电位图或从结构磁共振成像 (MRI) 中提取的灰质 (GM) 概率图。我们的应用重点是检测阿尔茨海默病 (AD)，这是一种诱导 GM 萎缩的神经退行性综合征。我们使用从 T1 加权 (T1w) MRI 中提取的 GM 概率图（萎缩的代理）作为输入。该过程包括两个不同的部分：首先训练卷积神经网络 (CNN) 以将 AD 与对照对象进行分类，然后固定网络的权重并训练掩码以防止网络正确分类训练后已正确分类的所有对象。这项工作的目标是评估最初为自然图像开发的可视化方法是否适用于 3D 医学图像，并利用它来更好地理解分类网络所做的决策。这项工作是原创作品，尚未在其他地方提交。
利用大脑数据构建神经网络模型揭示了适应性行为背后的表征转换
人们认为，人类能够自适应地执行各种任务的能力源自认知信息的动态转换。我们假设这些转换是通过连接枢纽（选择性整合感觉、认知和运动激活的大脑区域）中的连接激活来实现的。我们利用最近使用功能连接来映射大脑区域之间活动流的进展，在认知控制任务期间从 fMRI 数据构建任务执行神经网络模型。我们通过模拟这个经验估计的功能连接模型上的神经活动流来验证连接枢纽在认知计算中的重要性。这些经验指定的模拟通过在连接枢纽中整合感觉和任务规则激活产生了高于偶然的任务表现（运动反应）。这些发现揭示了连接枢纽在支持灵活认知计算方面的作用，同时证明了使用经验估计的神经网络模型深入了解人类大脑认知计算的可行性。