XiaoMi-AI文件搜索系统
World File Search System听觉
连续的听觉反馈促进了小鼠的精细运动技能学习
运动技能学习使生物可以与环境有效相互作用，并依靠将感觉反馈与电机输出相结合的神经机制。虽然感觉反馈（例如与运动动作相关的听觉提示）增强了人类运动性能，但其作用机理的理解很少。开发可靠的增强运动技能学习动物模型对于开始剖析这种增强的生物系统至关重要。我们假设在运动任务期间连续的听觉反馈将促进小鼠的复杂运动技能。我们使用DeepLabcut开发了一个闭环系统，以实时无标记跟踪鼠标前爪动作，并具有高处理速度和低延迟。通过将前言的动作编码到不同频率的听觉音调中，小鼠在到达任务期间接收了连续的听觉反馈，需要将左前爪垂直位移到目标。成年小鼠在4 d培训中接受了听觉反馈或没有反馈的培训。与对照组相比，接收听觉反馈的小鼠表现出明显增强的运动技能学习。对轨迹的聚类分析表明，在运动训练的第2天之前，听觉反馈小鼠建立了一致的到达轨迹。这些发现表明，实时，运动编码的听觉反馈有效地促进了小鼠运动技能。这种闭环系统利用高级机器学习和实时跟踪，为探索运动控制机制和通过增强的感觉反馈开发运动障碍的治疗策略提供了新的途径。
在快速串行听觉演示中识别简短声音
进行了两个实验，以测试参与者因素（即音乐复合，工作记忆能力）和刺激因素（即声音持续时间，音色）在听力识别中使用快速的串行听觉表现范式在听力识别中的作用。参与者听取了从30到150毫秒不等的非常简短的声音流，并经过了对他们的能力，可以将其与不存在的目标声音区分开，从分散源中放置的varsouns声源中选择的目标声音。实验1A确定对刺激的短暂暴露（60至150毫秒）不一定与识别受损相对应。在实验1B中，我们发现证据表明，对st-muli的30毫秒暴露会严重损害单个听觉目标的识别，但是对语音和正弦音调目标的识别最少损害，这表明成功识别所需的下限可能低于语音和Sine音调目标30毫秒。至关重要的是，当控制音乐成熟的差异时，声音持续时间对识别的影响完全消失了。参与者的工作记忆能力似乎没有预测他们的识别表现。我们的行为结果扩展了面向研究的研究，以了解在时间限制下的简短音色的处理，暗示音乐的复杂性可能比以前想象的更大。这些结果还可以为未来的研究提供一个有效的假设，即，处理各种声音源的基本神经机制可能具有不同的速度约束。
连续的听觉反馈促进了小鼠的精细运动技能学习
研究文章：方法/新工具| Novel Tools and Methods Continuous auditory feedback promotes fine motor skill learning in mice https://doi.org/10.1523/ENEURO.0008-25.2025 Received: 7 January 2025 Revised: 12 February 2025 Accepted: 18 February 2025 Copyright © 2025 Xiao and Balbi This is an open-access article distributed under the terms of the Creative Commons Attribution 4.0 International许可证，允许在任何媒介中不受限制地使用，分发和复制，前提是原始工作是正确归因的。
中脑编码没有听觉皮层的声音检测行为
摘要 听觉涉及分析声音的物理属性，并将分析结果与其他感觉、认知和运动变量相结合，以指导适应性行为。听觉皮层被认为是整合声音和背景信息的关键，并被认为通过其巨大的下行投射与皮层下听觉结构共享由此产生的表征。通过对参与声音检测任务的小鼠下丘皮层受体壳中的细胞活动进行成像，我们发现大多数神经元编码的信息超出了刺激的物理属性，并且可以从这些神经元的活动中高度准确地解码动物的行为。令人惊讶的是，在双侧皮层损伤导致中脑听觉皮层输入被切断的小鼠中也是如此。这表明皮层下听觉结构可以获取大量非声学信息，并且可以独立于听觉皮层携带比以前认为的更丰富的神经表征。
通过领域适应提高基于脑电图的听觉注意点解码
摘要 目的。本文提出了一种新的领域适应 (DA) 框架，以提高基于脑电图 (EEG) 的听觉注意力分类的准确性，特别是对注意语音的方向（左或右）进行分类。该框架旨在提高最初分类准确度较低的受试者的表现，克服工具和人为因素带来的挑战。数据集大小有限、由于噪声、电极错位或受试者等因素导致的 EEG 数据质量变化以及跨不同试验、条件和受试者进行概括的需要，必须使用 DA 方法。通过利用 DA 方法，该框架可以从一个 EEG 数据集中学习并适应另一个，从而可能产生更可靠和更强大的分类模型。方法。本文重点研究一种基于并行传输的 DA 方法，用于解决听觉注意力分类问题。本研究中使用的 EEG 数据来自一项实验，其中受试者被指示选择性地注意同时呈现的两个空间分离的声音之一。主要结果。与基线相比，当将来自一个受试者的不良数据传输到来自不同受试者的良好数据域时，分类准确度显著提高。数据较差的受试者的平均分类准确度从 45.84% 提高到 67.92%。具体而言，来自一个受试者的最高分类准确度达到 83.33%，比基线准确度 43.33% 大幅提高。意义。我们的研究结果表明，通过实施 DA 方法可以提高分类性能。这使我们更接近在神经引导听力设备中利用 EEG。
基于实时视觉分析的低延迟人机听觉接口
本文提出了一种视觉听觉替代方法，以帮助视障人士理解场景。我们的方法侧重于在用户附近进行人员定位，以方便在城市中行走。由于在这种情况下出于用户安全的考虑，需要实时和低延迟，因此我们提出了一种嵌入式系统。该处理基于轻量级卷积神经网络，以执行有效的 2D 人员定位。该测量结果通过相应的人员深度信息得到增强，然后通过头部相关传递函数转录为立体声信号。本文提出了一种基于 GPU 的实现，可以在 640x480 视频流上以 23 帧/秒的速度实现实时处理。我们通过实验表明，该方法可以实现实时准确的基于音频的定位。
研究文章是一种听觉诱发磁场的新识别方法
摘要：本文将条件令牌（CT）定义为具有特定条件的令牌，并提出了其在智能合约中操作的使用功能，以便可以在公共区块链中部署。如果CTS被交换为/同等的货币，那么所有条件均已实现，即所需的履行和义务/权利。在使用中，义务类型的CT可以用作可划分的抵押贷款，也可以用作应收账款，应付账款和凭证的代表。虽然权利类型的CT可以用作可分开的固定收入债券或投资工具。因此，可以将两种类型的CT与匹配的方法集成在一起，因此可以在分散率的任何类型的对等（P2P）系统中使用，例如众筹和P2P贷款。本文应用了这个新模型来解决供应链财务的复杂问题。对于可行性，本研究得出结论是CT是“ Verdinglichung obsigatorischer rechte”，而在成本和收益方面，CTS比当前的公司贷款更好。此外，它还能够将风险转移给其他投资者。在实施方面，本文提出了一个系统框架，并完成了系统概念证明。
构建狨猴大脑中的预测听觉序列层次
摘要 我们的大脑不断对感官输入做出预测，并将其与实际输入进行比较，通过大脑区域的层次结构传播预测误差，随后更新对世界的内部预测。然而，预测编码的基本特征、层次深度的概念及其神经机制仍未得到充分探索。在这里，我们结合功能性磁共振成像 (fMRI) 和高密度全脑皮层电图 (ECoG)，在听觉局部-全局范式中研究了狨猴的预测听觉处理的层次深度，其中刺激的时间规律被设计为两个层次。预测误差和预测更新被视为对听觉不匹配和遗漏的神经反应。使用 fMRI，我们确定了听觉通路上的层级梯度：中脑和感觉区域代表局部、较短时间尺度的预测处理，随后是联想听觉区域，而前颞叶和前额叶区域代表整体、较长时间尺度的序列处理。互补的 ECoG 记录证实了皮质表面区域的激活，并进一步区分了预测误差和更新信号，它们分别通过假定的自下而上的 γ 和自上而下的 β 振荡传输。此外，由于输入缺失而引起的遗漏反应仅反映了层级预测编码框架所特有的两个预测信号水平，证明了听觉、颞叶和前额叶区域自上而下的层级预测过程。因此，我们的研究结果支持分层预测编码框架，并概述了如何使用神经网络和时空动态来表示和安排狨猴大脑中听觉序列的分层结构。
迈向听觉幻影感知的认知计算神经科学
为了对耳鸣如何在大脑中出现，我们必须构建模仿耳鸣发育和感知的双重合理计算模型，并通过大脑和行为实验测试暂定模型。特别关注耳鸣，我们回顾了人工智能，心理学和神经科学交集的最新工作，表明新的研究议程遵循这样的想法，即实验只能在测试脑部计算模型时才产生理论洞察力。这种观点挑战了普遍的看法，即耳鸣研究主要是数据有限的，并且通过先进的数据分析算法进行分析的大型，多模式和复杂的数据集将最终导致人们对丁香核的形成方式的基本见解。但是，有证据表明，尽管现代技术允许在动物和人类中以前所未有的丰富方式评估神经活动，但经验检验了一个关于耳鸣的口头定义的假设，但永远不会导致机械理解。取而代之的是，假设检验需要与产生可验证预测的综合模型的构建相辅相成。我们认为，即使当代人工智能和机器学习方法在很大程度上缺乏生物学上的合理性，但要构建的模型也必须借鉴这些领域的概念，因为它们已经证明它们在建模脑功能方面做得很好。尽管如此，必须连续增加生物学功能，从而导致更好和细粒度的模型，最终允许在应用动物或患者研究中使用动物或患者研究之前，甚至可以测试硅中可能的治疗策略。
基于EEG的听觉注意检测及其对被动BCI的未来应用
在复杂的听觉环境中区分和参加一个特定声音源的能力是有效交流的基本技能。的确，它使我们可以在酒吧里与朋友进行家庭对话或讨论。这种能力在听力受损的个体中受到挑战，并且更准确地说是有人工耳蜗（CI）的能力。的确，由于植入物的光谱分辨率有限，在嘈杂的环境或同时听觉来源的情况下，听觉感知仍然很差。最近的方法学进步允许现在根据神经信号检测，该神经信号在一个人正在关注的多个并发流中的听觉流。这种称为基于脑电图的听觉注意检测（AAD）的方法基于基本研究发现，表明，在多语音方案中，与无人看管的语音相比，在多语音方案中，对播放的语音信封的皮质跟踪得到了增强。在这些发现之后，其他研究表明，可以使用脑电图/脑电图（脑电图/磁脑摄影）来探索在鸡尾酒派对的情况下语音聆听期间探索听觉的关注。总的来说，这些发现使人们可以构想下一代助听器将习惯技术和AAD结合在一起。重要的是，AAD在被动BCI的背景下，在教育环境以及互动音乐表演的背景下也具有巨大的潜力。在这篇迷你综述中，我们首先介绍了AAD的不同方法和全球概念的主要局限性。然后，我们在非临床被动BCI领域暴露其潜在应用。