XiaoMi-AI文件搜索系统
World File Search System导航过程
神经科学的空间导航地图
动物的空间导航能力对其生存至关重要。它对认知的要求也很高，而且相对容易探索。出于这些原因，空间导航受到了神经科学家的极大关注，导致关键大脑区域的确定，以及对空间任务不同方面作出反应的细胞类型的“动物园”的不断发现。尽管取得了这些进展，但我们对各个部分如何组合在一起驱动行为的理解普遍不足。我们认为，这部分是由于专注于空间行为的研究人员与那些试图研究其神经基础的研究人员之间缺乏沟通造成的。这导致后者低估了空间行为的相关性和复杂性，并且过于狭隘地关注空间的神经表征——与这些表征旨在实现的计算脱节。因此，我们提出了一种哺乳动物导航过程的分类法，可以作为构建和促进该领域跨学科研究的共同框架。以分类法为指导，我们回顾了空间导航的行为和神经研究。在这样做时，我们既验证了分类法，又展示了它在识别常见实验方法的潜在问题、设计充分针对特定行为的实验、正确解释神经活动以及指出新的研究途径方面的实用性。
神经科学方法杂志
背景：要了解单个神经元中的信息编码，需要分析阈下突触事件、动作电位 (AP) 及其在不同行为状态下的相互关系。然而，由于突触事件的信噪比不佳、频率高、幅度波动和时间过程多变，检测行为动物的兴奋性突触后电位 (EPSP) 或电流 (EPSC) 仍然具有挑战性。新方法：我们开发了一种突触事件检测方法，称为 MOD（机器学习最优滤波检测程序），它结合了监督机器学习和最优维纳滤波的概念。要求专家手动对短时间的数据进行评分。该算法经过训练以获得维纳滤波器的最优滤波系数和最优检测阈值。然后使用最优滤波器处理评分和未评分的数据，并将事件检测为高于阈值的峰值。结果：我们在小鼠体内空间导航过程中用 EPSP 轨迹测试 MOD，并在增强递质释放的条件下用切片体外 EPSC 轨迹测试 MOD。受试者工作特征 (ROC) 曲线下面积 (AUC) 平均为体内数据集 0.894 和体外数据集 0.969，表明检测精度高、效率高。与现有方法的比较：当使用 (1 − AUC) − 1 指标进行基准测试时，MOD 在体内数据集上的平均性能比以前的方法 (模板拟合、反卷积和贝叶斯方法) 高出 3.13 倍，但显示出相当 (模板拟合、反卷积) 或更高 (贝叶斯) 的计算效率。结论：MOD 可能成为大规模实时分析突触活动的重要新工具。