摘要 目的:脑机接口 (BCI) 技术的发展是帮助因严重运动瘫痪而失去说话能力的人实现交流的关键。一种越来越受关注的 BCI 控制策略采用从神经数据进行语音解码。最近的研究表明,直接神经记录和高级计算模型的结合可以提供有希望的结果。了解哪些解码策略可以提供最佳和直接适用的结果对于推动该领域的发展至关重要。方法:在本文中,我们优化并验证了一种解码方法,该方法基于语音重建,该语音重建直接从语音生成任务期间来自感觉运动皮层的高密度皮层脑电图记录中进行。主要结果:我们表明 (1) 专用的机器学习优化重建模型是实现最佳重建性能的关键;(2) 重建语音中的单个单词解码准确率达到 92%-100%(偶然水平为 8%);(3) 从感觉运动大脑活动直接重建可以产生可理解的语音。意义。这些结果强调了模型优化以实现最佳语音解码结果的必要性,并强调了基于感觉运动皮层重建的语音解码为开发下一代 BCI 通信技术所提供的潜力。
摘要 当我们学习时,大脑中会发生什么?自从 Cajal 的开创性工作以来,该领域已经取得了许多发现,表明经验如何改变单个突触的结构和功能。然而,最近的进展强调了从神经元和突触群体之间复杂的相互作用来理解学习的必要性。我们应该如何在如此宏观的层面上思考学习?在这里,我们开发了一个概念框架来弥合学习运作的不同尺度之间的差距——从突触到神经元再到行为。利用这个框架,我们探索指导跨这些尺度的感觉运动学习的原则,并为该领域未来的实验和理论工作奠定基础。关键词 神经元群体、感觉运动学习、状态空间框架、神经可塑性、维度、内部模型
由分布式和相互连接的结构组成,这些结构通过皮质皮质连接和皮质增生环路相互作用,感觉运动(SM)网络在围产期内经历快速成熟,因此特别容易容易体现早产。然而,早产对新兴SM连接的发展和完整性的影响及其与后来的运动和全球障碍的关系仍然很少了解。在这项研究中,我们旨在探索在期限年龄(TEA)时SM白质(WM)连接的早期微观结构成熟的程度受早产调节,并且与18个月校正年龄的神经发育结果有关。我们分析了从发展中的人类连接项目(DHCP)数据库中的118个扩散MRI数据集:59个早产(PT)低风险婴儿在TEA附近扫描的茶和对照组的成年(MRI和性别年龄)配对的对照组(FT)新生儿。我们使用概率拖拉机划定了主要的SM皮质(S1,M1和中心区域)和皮层下结构之间的WM连接,并使用扩散张量成像(DTI)和Neurite方向分散分散和密度成像(NODDI)模型评估了它们的微观结构。为了超越特定的单变量分析,我们根据每个PT婴儿相对于FT组的多参数Mahalanobis距离计算了与早产相关的成熟距离。我们的结果证实了PT和FT婴儿之间SM段的微观结构差异,其影响随着出生时胎龄较低而增加。成熟距离分析强调,早产性对较高距离的SM段具有差异作用,因此对(i)皮质皮质的影响比皮质 - 皮层的连接有影响。 (ii)涉及S1的投影比M1和中心区域; (iii)最胸部皮质皮质块,涉及凸出核。茶时的这些不同的变化表明脆弱性遵循特定的模式与已建立的
非典型抗精神病药氯氮平的靶向多巴胺能途径和影响预脉冲抑制(PPI)以外的多个受体系统,这是一种对感觉运动门控的关键翻译度量。由于PPI是由异型抗精神病药(例如利培酮和氯氮平)调节的,因此我们假设P11(一种与焦虑和抑郁样行为以及G蛋白偶联受体功能相关的衔接蛋白 - 可能会调节这些效果。在这项研究中,我们通过测试野生型和全球P11敲除(KO)小鼠在氯吡啶酚,利培酮和氯氮平来评估了P11在氯氮平增强效应中的作用。我们还进行了结构和功能性脑成像。与我们期望类似焦虑的P11-KO小鼠会表现出增强的惊吓反应和对氯氮平的敏感性的增强,PPI测试表明,P11-KO小鼠对瑞治酮和氯氮平的PPI增强作用没有反应。成像揭示了P11-KO小鼠中不同的区域脑体积差异和降低的海马连通性,其氯氮平诱导的明显钝化的CA1区域变化。我们的发现突出了P11在调节氯氮平对感觉运动门控和海马连接性的影响中的新作用,从而为其功能途径提供了新的见解。
。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。这是此预印本版本的版权持有人,该版本发布于2025年2月10日。 https://doi.org/10.1101/2025.02.09.637302 doi:Biorxiv Preprint
摘要 在本研究中,我们介绍了一种市售肌电假肢(Myobock ©,奥托博克)的改进版本,旨在为该设备提供基于脑机接口 BMI 的感觉运动控制。新系统使用用户的脑电图 (EEG) 信号以及手镯产生的振动作为输入,手镯包含振动马达,其频率与安装在假指尖的力敏电阻 (FSR) 测量的力成正比。在对七名健全人和四名截肢受试者进行实验期间,三种不同特征提取方法 (CSP、WD、GSO) 的四种组合已用于构建由两种具有不同电极数量的不同记录系统收集的 EEG 信号的特征向量。然后测试了三种机器学习算法(人工神经网络、具有线性和径向基函数核的支持向量机)的分类/预测性能。报告的结果为使用无线 BMI 来控制肌电假肢的主要运动类型提供了概念证明,即使用电极较少的 EEG 系统而不是研究级系统。
人类通过感知和应对错误来实现高效的行为。错误相关电位 (ErrP) 是在感知错误时发生的电生理反应。有人提出利用 ErrP 来提高脑机接口 (BCI) 的准确性,利用大脑的自然错误检测过程来提高系统性能。然而,外部和环境因素对 ErrP 可检测性的影响仍然不太清楚,特别是在涉及 BCI 操作和感觉运动控制的多任务场景中。在此,我们假设感觉运动控制的困难会导致多任务处理中的神经资源分散,从而导致 ErrP 特征的减少。为了检验这一点,我们进行了一项实验,其中指示参与者将球保持在板上的指定区域内,同时尝试通过运动想象控制显示屏上的光标。BCI 以 30% 的随机概率提供错误反馈。根据感觉运动控制的难度,我们采用了三种场景——无球(单任务)、轻量球(简单任务)和重量球(困难任务)——来描述 ErrP。此外,为了研究多任务对 ErrP-BCI 性能的影响,我们离线分析了单次试验分类准确度。与我们的假设相反,改变感觉运动控制的难度不会导致 ErrP 特征发生显著变化。然而,多任务会显著影响 ErrP 分类准确度。事后分析显示,在单任务 ErrP 上训练的分类器在困难任务场景下准确度降低。据我们所知,这项研究是首次在离线框架内研究在涉及感觉运动控制和 BCI 操作的多任务环境中 ErrP 是如何被调节的。尽管 ErrP 特征保持不变,但观察到的准确度变化表明,在实现基于 ErrP 的实时 BCI 之前,需要设计考虑任务负荷的分类器。
摘要在年轻动物中神经系统的关键目标是学习运动技能。Songbirds 11学会唱歌为少年,提供了一个独特的机会来识别技能12获取的神经相关性。先前的研究表明,在歌曲获取过程中,声带皮层的尖峰速率可变性大大降低了13个,这表明从基于速率的神经控制到14的过渡到14毫秒至少的运动代码,已知是成人人声表现的已知。通过15区分尖峰模式的合奏是如何通过皮质神经元(“神经16词汇”)和尖峰模式与歌曲声学(“神经代码”)之间的关系17在歌曲获取过程中的变化,我们量化了18个少年bengence bengengale bengengale bengengale bengengalesection of to song ockisition。我们发现,尽管率变异性的预计会下降(峰值词汇的19个学习相关变化),但最年轻的20名歌手中神经代码的精度与成年人相同,峰值正时的1-2毫秒变化转移到21个量子上,差异很大。相比之下,较长的时间标准的爆发率失败了22,会影响少年动物和成年动物的运动输出。在变化的尖峰速率和行为可变性水平上,始终存在23毫秒的电动机编码24表明,与学习相关的皮质活动的变化反映了大脑更改其尖峰25词汇以更好地匹配潜在的运动代码,而不是在26代码本身的准确性中匹配基础运动代码。27