XiaoMi-AI文件搜索系统
World File Search System皮层
大脑皮层和皮层下网络预测当前心率
摘要 静息心率可能会增加患心血管疾病 (CVD) 和其他不良心血管事件的风险。虽然脑干对心率的自主控制已得到充分证实，但人们对高级皮质和皮质下大脑区域的调节作用知之甚少，尤其是在人类中。这项研究试图描述预测健康成年人普遍心率变化的大脑网络。我们使用专为复杂、高维数据集设计的机器学习方法，从 fMRI 测量的全脑血流动力学信号中预测瞬时心动周期 (心跳间隔) 的变化。基于任务和静息状态的 fMRI 以及外周生理记录取自两个包含个体内大量重复测量的数据组。我们的模型能够可靠地从个体内和个体间的全脑 fMRI 数据中预测瞬时心动周期，在参与者内部测量时预测准确率最高。我们发现，皮层和皮层下脑区网络（其中许多与内脏运动和内脏感觉过程相关）是心动周期变化的可靠预测因素。这为脑-心相互作用提供了更多证据，并朝着开发临床适用的脑对心血管疾病风险贡献的生物标记物迈出了一步。
爆发在什么时候对运动皮层有影响？
。CC-BY-NC 4.0 国际许可，根据 （未经同行评审认证）提供，是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者，此版本于 2022 年 7 月 28 日发布。；https://doi.org/10.1101/2022.06.22.497199 doi：bioRxiv 预印本
视觉皮层假体：电气视角
视觉皮层电刺激有可能恢复盲人的视力。到目前为止，视觉皮层假肢的效果有限，因为没有假肢能够恢复完整的视力，但由于无线和技术的进步，该领域在最近几年重新引起了人们的兴趣。然而，为了实现这些新设备所期望的治疗效果，仍有许多科学和技术挑战需要解决。其中一个主要挑战是对大脑本身的电刺激。在这篇综述中，我们从电气的角度分析了基于电极的视觉皮层假肢的结果。我们首先简要介绍关于电极-组织界面和电刺激安全性的已知信息。然后，我们重点介绍假肢视觉的心理物理学以及视觉皮层电刺激与光幻视感知之间相互作用的最新进展。最后，我们讨论了视觉皮层电刺激和电极阵列设计在开发新一代可植入皮层视觉假肢方面所面临的挑战和前景。
运动皮层的深度学习神经编码器
摘要 - 心脏内脑机界面（BMIS）将神经活动转化为控制信号，以驱动假体或通信设备，例如机器人臂或计算机光标。在临床上可行，BMI解码器必须达到高准确性和鲁棒性。优化这些解码器是昂贵的，传统上需要动物或人类的实验跨越数年。这是因为BMI是闭环系统，用户在其中更新其电动机命令是为了响应不完美的解码输出。使用先前收集的“频线”数据的解码器优化将不会对此闭环响应进行计算。明显加速的解码器优化的另一种方法是使用闭环实验模拟器。该模拟器的关键组成部分是神经编码器，该神经编码器合成从运动学产生神经种群活动。先前的神经编码器并未模拟神经种群活动的重要特征。为了克服这些局限性，我们使用了深度学习的神经编码器。我们发现了这些模型在再现刺激性时间直方图（PSTHS）和神经popula posula todyics中的先验神经编码器上的表现非常优于先前的神经编码器。我们还发现，深度学习神经启动器可以更好地匹配神经解码，从而在频道数据和闭环实验数据中结果匹配。我们预计这些深度学习的神经编码器将大大改善BMI的模拟器，从而更快地评估，优化和BMI解码器算法的表征。
婴儿视觉皮层的深神经网络模型
dnns现在通常被用作成人腹流的模型（Richards等，2019; Yamins等，2014; Zhuang等，2021），但甚至不比成人视力研究，它们还提供了对视觉发展的新颖洞察力的潜力。拥有学习过程的机械模型是没有直接访问的，因为Intants不能参与典型的认知实验或报告其经验。此外，婴儿和机器学习之间的相似之处是两个领域的研究人员越来越兴趣（Zaadnoordijk，Besold，＆Cusack，2022; Smith＆Slone，2017年）。最近的工作表明，从婴儿的角度来看，数据甚至可以有效地训练大型语言模型（Pandey，Wood和Wood，2024年），并提供了学习单词视频引用的必要结构（Vong，Wang，Orhan，＆Lake，2024年）。我们的工作在发育过程中提出了这一方法，使用DNN来表征附加单词的视觉表示，并提出神经连接学家（Doerig et al。，2023）研究框架发展为发育神经科学。
学习在运动皮层留下记忆痕迹
Darby M. Losey, 1 , 2 , 3 Jay A. Hennig, 1 , 2 , 3 , 13 Emily R. Oby, 2 , 7 , 13 Matthew D. Golub, 2 , 4 , 5 , 12 Patrick T. Sadtler, 2 , 7 Kristin M. Quick, 2 , 7 Stephen I. Ryu, 5 , 8 Elizabeth C. Tyler-Kabara, 2 , 9 , 10 , 11 Aaron P. Batista, 2 , 7 , 13 , * Byron M. Yu, 1 , 2 , 4 , 6 , 13 , * 和 Steven M. Chase 1 , 2 , 6 , 13 , 14 , * 1 卡内基梅隆大学神经科学研究所，宾夕法尼亚州匹兹堡15213，美国 2 认知神经基础中心，匹兹堡，宾夕法尼亚州 15213，美国 3 卡内基梅隆大学机器学习系，匹兹堡，宾夕法尼亚州 15213，美国 4 卡内基梅隆大学电气与计算机工程系，匹兹堡，宾夕法尼亚州 15213，美国 5 斯坦福大学电气工程系，斯坦福，加利福尼亚州 94305，美国 6 卡内基梅隆大学生物医学工程系，匹兹堡，宾夕法尼亚州 15213，美国 7 匹兹堡大学生物工程系，匹兹堡，宾夕法尼亚州 15213，美国 8 帕洛阿尔托医学基金会神经外科系，帕洛阿尔托，加利福尼亚州 94301，美国 9 匹兹堡大学物理医学与康复系，匹兹堡，宾夕法尼亚州 15213，美国10 匹兹堡大学神经外科系，宾夕法尼亚州匹兹堡 15213，美国 11 德克萨斯大学奥斯汀分校戴尔医学院神经外科系，德克萨斯州奥斯汀 78712，美国 12 华盛顿大学 Paul G. Allen 计算机科学与工程学院，华盛顿州西雅图 98195，美国 13 这些作者贡献相同 14 主要联系人 *通信地址：aaron.batista@pitt.edu (APB)、byronyu@cmu.edu (BMY)、schase@andrew.cmu.edu (SMC) https://doi.org/10.1016/j.cub.2024.03.003
大数据时代的皮层中间神经元的规范化和多样化
皮质中间神经元亚型：有多少种？多年来，皮质中间神经元的分类依赖于其分子、形态和电生理特征 [1 e 3]。中间神经元群是根据神经化学标志物的表达（例如小清蛋白 (PV) 和生长抑素 (SST)）、轴突形态和生理特征来定义的 [4]。这些标准以及皮质中间神经元在回路功能过程中的发放时间使我们在海马 CA1 区中发现了 21 种中间神经元亚型 [1]。一段时间以来，这为人们提供了对中间神经元多样性和功能的广泛了解，随后在包括小鼠和人类在内的多个物种中开展了大量研究，旨在识别常见和不同的中间神经元亚型。
感觉对运动皮层意志调节的限制
自主运动由初级运动皮层 (M1) 驱动，个体可以学会随意调节单个神经元。然而，M1 也接收明显的感官输入并有助于感官驱动的运动反应。这些非意志信号在多大程度上限制了 M1 的自主调节？使用一个任务，其中单个神经元的发放率直接决定计算机光标沿视轴的位置，我们 5 评估了猴子在不同感官环境下调节单个神经元的能力。我们发现感官环境持续影响 M1 中单个神经元的意志控制。例如，视觉旋转生物反馈轴可能会使相同的神经任务变得轻松或困难。值得注意的是，几天内或几天之间的延长训练并不能解决这种差异。我们的研究结果表明，感官环境可以限制 M1 活动受意志控制的程度。10
爆发在什么时候对运动皮层有影响？
。CC-BY-NC 4.0 国际许可，根据 提供（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2022 年 6 月 26 日发布。；https://doi.org/10.1101/2022.06.22.497199 doi：bioRxiv 预印本