XiaoMi-AI文件搜索系统
World File Search System皮层
皮层内脑机接口的主动感
7 8 Andrea Serino* 1,2, , Marcie Bockbrader* 3 , Tommaso Bertoni 1 , Sam Colachis 3p,4c , Marco 9 Solca 2 , Collin Dunlap 3,4 , Kaitie Eipel 3p , Patrick Ganzer 4 , Nick Annetta 4 , Gaurav 10 Sharma 4p,9c , Pavo Orepic 2 , David Friedenberg 4 , Per Sederberg 5 , Nathan Faivre 2,6 , Ali 11 Rezai** 7 , Olaf Blanke** 2,8 12 13 1 MySpace 实验室，临床神经科学系，洛桑大学医院 14 (CHUV)，洛桑，瑞士； 2 瑞士日内瓦联邦理工学院 (EPFL) 大脑思维神经修复研究所和中心认知神经科学实验室，生物技术校区；3 美国俄亥俄州哥伦布市俄亥俄州立大学物理医学与康复系；4 美国俄亥俄州哥伦布市巴特尔纪念研究所医疗器械与神经调节系；5 美国弗吉尼亚州夏洛茨维尔市弗吉尼亚大学心理学系；6 格勒诺布尔阿尔卑斯大学、萨瓦大学勃朗峰分校，CNRS，LPNC，38000 格勒诺布尔，法国；7 美国西弗吉尼亚州摩根敦市西弗吉尼亚大学洛克菲勒神经科学研究所；8 瑞士日内瓦大学医院神经病学系；9 美国俄亥俄州代顿市空军研究实验室。 24 25 * 这些作者的贡献相同；** 这些作者共同指导了这项工作。 26 p 工作时的先前隶属关系；c 当前隶属关系 27 28 29 * 这些作者的贡献相同；** 这些作者共同指导了这项工作。 30
年轻人群皮层下结构分割数据库
从 MRI 扫描中分割皮层下结构是许多神经系统诊断中关注的问题。由于这是一项艰巨的任务，机器学习，特别是深度学习 (DL) 方法已被探索。大脑的结构复杂性要求大量高质量的分割数据集，以开发基于 DL 的良好皮层下结构分割解决方案。为此，我们发布了一组 114 个 1.5 特斯拉 T1 MRI 扫描，其中手动描绘了 14 个皮层下结构。数据集中的扫描来自健康的年轻（21-30 岁）受试者（58 名男性和 56 名女性），所有结构均由经验丰富的放射学专家手动描绘。使用该数据集进行了分割实验，结果表明使用深度学习方法可以获得准确的结果。我们的皮层下结构分割数据集印度大脑分割数据集（IBSD）在 https://doi.org/10.5281/zenodo.5656776 上公开提供。
有效且高效的皮层内脑信号解码...
摘要 — 脑机接口 (BCI) 促进了大脑和外部设备之间的直接交互。为了在侵入式 BCI 中同时实现高解码精度和低能耗，我们提出了一种结合局部突触稳定 (LSS) 和通道注意 (CA) 的新型脉冲神经网络 (SNN) 框架，称为 LSS-CA-SNN。LSS 优化了神经元膜电位动力学，提高了分类性能，而 CA 细化了神经元激活，有效降低了能耗。此外，我们引入了 SpikeDrop，这是一种数据增强策略，旨在扩展训练数据集，从而增强模型的通用性。在两只恒河猴记录的侵入式脉冲数据集上进行的实验表明，LSS-CA-SNN 在解码精度和能源效率方面均超越了最先进的人工神经网络 (ANN)，性能提升了 0.80-3.87%，节能了 14.78-43.86 倍。这项研究强调了 LSS-CA-SNN 和 SpikeDrop 在推进侵入式 BCI 应用方面的潜力。
初级运动皮层的作用：不仅仅是运动......
Bhattacharjee, S.、Kashyap, R.、Abualait, T.、Chen, A. S. H.、Yoo, W.‑K. 和 Bashir, S. (2021)。初级运动皮层的作用：不仅仅是运动执行。《运动行为杂志》53(2)，258‑274。doi:10.1080/00222895.2020.1738992
灵长类动物的次级躯体感觉皮层
摘要 最近的人体成像研究表明，次级体感皮层 (SII) 参与了需要高级信息整合的过程，例如自我意识、社会关系、全身表征和隐喻推断。这些功能远远超出了其在形成身体地图（即使是最复杂的形式）中已知的作用，需要整合除体感信息之外的不同信息模式。然而，在动物实验中似乎没有在神经元水平上检测到这种复杂处理的证据，这将构成人类和非人类动物之间的重大差异。本文仔细研究了这一空白，介绍了人类和非人类灵长类动物 SII 功能的实验证据，并结合了它们的进化意义和机制，在功能上将人类 SII 定位为灵长类动物的大脑。根据提供的数据，提出了一种新的以身体为中心的整体自我概念，该概念表示为灵长类 SII 中更全面的身体在世界中的地图，其中考虑到了人类 SII 的进化特征及其对自我意识出现的影响。最后，从认知科学的角度引入了投射的概念，为弥合观察到的行为与神经生理数据之间的差距提供了合乎逻辑的解释。
双皮层综合征：癫痫发作的异常原因
灰质杂质（GMH）是由脑发育过程中神经元异常迁移引起的。皮质带异位症（SBH）或双层皮质是GMH的罕见变体，主要影响癫痫患者（PWE）不同程度的智力低下。我们介绍了一名25岁妇女的案例，该妇女因概括性癫痫发作而被录取给我们三级医院的神经病学系。她的母亲有正常的产前时期和劳动史。有立即哭泣和正常外观，脉搏，鬼脸，活动和呼吸（APGAR）得分的历史。她延迟了里程碑，这影响了儿童发展的各种类别。体格检查显示全球发育迟缓。实验室值，包括全血细胞计数，血清钙和动脉血液测试，均在正常范围内。脑电图显示出明显的异常暗示癫痫。大脑的MRI在两个脑半球中显示出连续的灰色物质带，与皮层平行，表明双层皮质综合征（DCS）。
使用深神经网络从后顶层皮层解码
抽象目标。运动解码对于翻译脑部计算机界面（BCIS）的神经活动至关重要，并提供了有关如何在大脑中编码运动态的信息。深神经网络（DNNS）正在成为有前途的神经解码器。尽管如此，目前尚不清楚DNN在不同的电机解码问题和方案中的表现如何，哪个网络可以成为入侵性BCIS的良好候选人。方法。完全连接，卷积和复发性神经网络（FCNN，CNNS，RNNS）设计并应用于从麦克拉（Macaques）后顶叶皮层（PPC）中从V6A区域记录的神经元中解释运动态。考虑了三个运动任务，涉及到达和到达（后者在两个照明条件下）。dnns使用试用课程中的滑动窗口接近3D空间中的九个到达终点。为了评估模拟各种场景的解码器，还分析了性能，同时人为地减少了记录的神经元和试验的数量，并在执行从一项任务到另一个任务的转移学习时。最后，准确的时间课程用于分析V6A电机编码。主要结果。dnns的表现优于经典的幼稚贝叶斯分类器，而CNN在整个电机解码问题上还优于XGBoost和支持向量机分类器。cnns使用较少的神经元和试验时，导致了表现最佳的DNN，并且任务对任务转移学习改善了性能，尤其是在低数据制度中。意义。最后，V6A神经元甚至从动作计划中编码并触及到gr的属性，稍后发生握把属性的编码，更接近移动执行，并且在黑暗中显得较弱。结果表明，CNN是有效的候选者，可以从PPC记录中实现人类侵入性BCI的神经解码器，这也减少了BCI校准时间（转移学习），并且基于CNN的数据驱动分析可以提供有关大脑区域的编码特性和功能性启动的见解。
双皮层综合征：癫痫发作的异常原因
灰质杂质（GMH）是由脑发育过程中神经元异常迁移引起的。皮质带异位症（SBH）或双层皮质是GMH的罕见变体，主要影响癫痫患者（PWE）不同程度的智力低下。我们介绍了一名25岁妇女的案例，该妇女因概括性癫痫发作而被录取给我们三级医院的神经病学系。她的母亲有正常的产前时期和劳动史。有立即哭泣和正常外观，脉搏，鬼脸，活动和呼吸（APGAR）得分的历史。她延迟了里程碑，这影响了儿童发展的各种类别。体格检查显示全球发育迟缓。实验室值，包括全血细胞计数，血清钙和动脉血液测试，均在正常范围内。脑电图显示出明显的异常暗示性癫痫。大脑的MRI在两个脑半球中显示出连续的灰色物质带，与皮层平行，表明双层皮质综合征（DCS）。
军事模拟测试中注意力的皮层研究
注意力是最后获得高级大脑功能范畴的复杂大脑过程之一，也是许多其他认知过程的基础，是目前研究最多的功能之一。注意力的概念随着时间的推移而发生变化，目前被认为是一组执行特定信息处理操作的神经区域网络。在这些网络中，有两个网络尤为突出：前部注意网络，在解剖学上位于大脑的前部区域，从根本上与目标的检测/选择相关；以及后部注意力网络，与注意力的视觉空间方向相关，在解剖学上由丘脑、上丘和后顶叶皮层区域构成。因此，注意力可以被定义为信息处理的中央控制机制，它通过激活和抑制过程按照有机体的目标行事，并且可以导向感官、结构
体感皮层图内的连续性有助于学习
拓扑组织是感觉皮层的一个显著特征，但其功能作用仍存在争议。特别是，在感觉引导行为期间，皮层区域内的活动整合如何依赖于其拓扑结构尚不清楚。在这里，我们训练小鼠在兴奋性神经元中表达通道视紫红质，以追踪在初级体感皮层的拓扑晶须表示上平稳旋转的光刺激条。小鼠学会辨别光条的角度位置以获得奖励。它们不仅会在该区域的光刺激的时空连续性被破坏时失败，而且当显示地图不连续性的皮层区域（例如躯干和腿部）或没有地形图的区域（例如后顶叶皮层）受到光刺激时也会失败。相反，当皮层拓扑连续性能够预测未来的感觉激活时，小鼠会表现出对奖励可用性的预期。这些发现可能有助于在设计皮层神经假体时优化反馈。