XiaoMi-AI文件搜索系统
World File Search System类脑
用于脑类器官的壳微电极阵列 (MEA)
脑类器官是模拟大脑某些三维 (3D) 细胞结构和功能方面的重要模型。能够记录和刺激电生细胞活动的多电极阵列 (MEA) 为研究脑类器官提供了显著的潜力。然而，传统的 MEA 最初是为单层培养而设计的，记录接触面积有限，仅限于 3D 类器官的底部。受脑电图帽形状的启发，我们开发了用于类器官的微型晶圆集成 MEA 帽。光学透明的外壳由自折叠聚合物小叶和导电聚合物涂层金属电极组成。通过力学模拟指导的微型胶囊聚合物小叶的可调折叠，可以实现对不同大小的类器官进行多功能记录，并且我们验证了对 400 至 600 m 大小的类器官进行长达 4 周的电生理记录以及对谷氨酸刺激的反应的可行性。我们的研究表明，3D 壳 MEA 为高信噪比和 3D 时空脑类器官记录提供了巨大潜力。
后硅纳米电子器件及其在类脑芯片中的应用
随着信息技术迈向大数据时代，传统的冯·诺依曼架构在性能上显示出局限性。计算领域已经在应对访问内存所需的延迟和带宽（“内存墙”）以及能量耗散（“电源墙”）方面遇到了很多困难。这些具有挑战性的问题，例如“内存瓶颈”，要求进行大量的研究投资来开发下一代计算系统的新架构。脑启发计算是一种新的计算架构，为人工智能计算提供了一种高能效和高实时性的方法。脑启发神经网络系统基于神经元和突触。忆阻器件已被提议作为创建神经形态计算机应用的人工突触。在本研究中，对后硅纳米电子器件及其在脑启发芯片中的应用进行了调查。首先介绍了神经网络的发展，回顾了当前典型的类脑芯片，包括以模拟电路为主的类脑芯片和全数字电路的类脑芯片，进而引出了基于后硅纳米电子器件的类脑芯片设计。然后，通过对N种后硅纳米电子器件的分析，阐述了利用后硅纳米电子器件构建类脑芯片的研究进展。最后，对基于后硅纳米电子器件构建类脑芯片的未来进行了展望。
粤港澳大湾区类脑智能产业发展
摘要 摘要 类脑智能作为脑科学的新兴前沿领域，近年来得到了快速发展，并初步形成了类脑智能产业，属于战略性高端制造业，在智能时代有着广阔的发展前景。未来我国各领域对类脑智能技术及其产业的需求巨大。粤港澳大湾区正积极布局类脑智能技术研发，培育相关产业，实施重大科研项目，新建类脑智能专业机构。目前，大湾区类脑智能产业链已初步形成，科研人才聚集，科技成果转化工作有序开展，知识产权保护、科技创新金融服务等扶持政策相继出台。但还存在不少问题有待改进，如产业链和供应链环节薄弱、应用场景有待拓展、产业技术转化高层次人才短缺等。最后提出五点建议：1）加强脑认知和类脑智能基础研究，紧密结合产业需求；2）完善类脑智能产业链，重点关注集成电路制造、封装测试等环节；3）发展类脑智能产业供应链，提升装备制造业；4）依托粤港澳合作，引进和培养高层次产业人才；5）通过多种方式加强国际合作。
联合免疫检查点抑制剂治疗驱动基因阴性非小细胞肺癌脑 ...
这项工作得到了内蒙古自治区的自然科学基金会项目（编号2019MS08024）抽象非小细胞肺癌（NSCLC是最常见的组织学肺癌类型，在诊断时约有66％的患者中与远处转移有关。大脑是转移的常见部位，在初始诊断时，大约13％的患者在颅内受累。这严重影响了生活质量，并导致预后不良。驱动基因阳性NSCLC脑转移患者的靶向治疗可实现更好的颅内控制率；但是，使用驱动基因阴性NSCLC脑转移的患者的治疗选择有限。近年来，随着免疫疗法的扩展，免疫检查点抑制剂（ICI）已被广泛用于临床实践。ICI与放射疗法结合的治疗方式在治疗驱动基因阴性NSCLC脑转移的患者方面有望。本文回顾了敏感驱动器基因阴性NSCLC脑转移患者的放射治疗与免疫疗法的临床研究进度，目的是为可用的临床治疗方案提供参考。
基于自促进聚类的对比学习用于脑网络预训练
磁共振成像（MRI）等神经成像技术的快速发展促进了我们获取大脑结构和功能特征。脑网络分析是从 MRI 探索大脑机制的重要工具之一，它为大脑组织提供有价值的见解，并促进对大脑认知和神经退行性疾病病理的理解。图神经网络（GNN）通常用于脑网络分析，但它们受到医疗数据稀缺的限制。虽然已经开发了图对比学习方法来解决这个问题，但它们通常涉及扭曲大脑解剖结构的图增强。为了应对这些挑战，本文提出了一种无增强的对比学习方法，即基于自促进聚类的对比学习（SPCCL）。具体而言，通过引入基于聚类的对比学习损失和自促进对比对创建方案，所提出的 SPCCL 可以从比疾病患者数据相对容易获取的其他健康受试者数据中进行预训练。所提出的 SPCCL 利用这些额外的数据来保持原始大脑结构的完整性，使其成为一种有效的大脑网络分析的有前途的方法。在开放获取的精神分裂症数据集上进行了全面的实验，证明了所提出方法的有效性。
手足运动和想象运动任务的脑电信号聚类
厄瓜多尔瓜亚基尔高等政治学院，ESPOL 电气和计算机工程系，Gustavo Galindo 校区，Perimetral 路 30.5 号，邮政信箱 09-01-5863，瓜亚基尔，厄瓜多尔 {vasanza 1、epelaez 2、floayza 3}@espol.edu.ec 摘要 —。现代技术使用脑机接口 (BCI) 来控制身体有障碍人士的设备或假肢。在某些情况下，EEG 数据用于确定受试者在执行运动和想象运动任务时的意向性。然而，由于获取的电压水平较低，EEG 信号很容易受到噪声的影响。我们使用了 25 名健康受试者在进行手脚运动和想象运动时 64 个 EEG 记录的数据集。数据经过预处理，包括设计滤波器以降低操作 EEG 信号的预期频谱之外的噪声。然后，我们使用基于谱密度的特征提取。最后，应用五种聚类算法来检测运动和想象运动任务。结果表明，k-means、k-medoids 和层次聚类算法可以更好地检测运动活动，而层次聚类则更适合手部的想象任务。
自适应神经恢复，实现高度稳健的类脑表征
摘要 当今的机器学习平台在处理不安全和不可靠的内存系统时存在严重的稳健性问题。在传统的数据表示中，由于噪声或攻击导致的位翻转会引起值爆炸，从而导致错误的学习预测。在本文中，我们提出了 RobustHD，这是一个基于超维计算 (HDC) 的稳健且耐噪声的学习系统，模仿重要的大脑功能。与传统的二进制表示不同，RobustHD 利用冗余和全息表示，确保所有位对计算都有相同的影响。RobustHD 还提出了一个运行时框架，该框架以无监督的方式自适应地识别和重新生成错误维度。我们的解决方案不仅可以针对可能的位翻转攻击提供安全性，而且还提供了一种对内存噪声具有高度稳健性的学习解决方案。我们对从传统平台到新兴的内存处理架构进行了交叉堆叠评估。我们的评估表明，在 10% 随机位翻转攻击下，RobustHD 最多会造成 0.53% 的质量损失，而深度学习解决方案的准确度则会损失超过 26.2%。
用于缺氧缺血研究的脑类器官 - UCL Discovery
摘要 我们目前对人类大脑发育的了解主要来自对非人类灵长类动物、绵羊和啮齿动物的实验研究。然而，由于物种差异以及出生前和出生后大脑成熟的变化，这些研究可能无法完全模拟人类大脑发育的所有特征。因此，补充体内动物模型以增加临床前研究与未来潜在的人体试验具有适当相关性的可能性非常重要。三维脑类器官培养技术可以补充体内动物研究，以增强临床前动物研究的可转化性和对脑相关疾病的理解。在这篇综述中，我们重点介绍了使用人类脑类器官开发缺氧缺血 (HI) 脑损伤模型，以补充从动物实验到人类病理生理学的转化。我们还讨论了这些工具的开发如何为研究 HI 相关脑损伤病理生理学的基本方面提供潜在机会，包括男性和女性之间反应的差异。
多类运动想象脑机接口的多尺度时频方法
运动想象脑机接口 (MI-BCI) 已成为神经康复领域的一项很有前途的技术。然而，目前的多类 MI-BCI 的性能和计算复杂度尚未得到充分优化，而且很少研究对运动想象任务中个体差异的直观解释。在本文中，首先将精心设计的多尺度时频分割方案应用于多通道脑电图记录以获得时频片段 (TFS)。然后，利用基于特定包装器特征选择规则的 TFS 选择来确定最佳 TFS。接下来，使用发散框架中实现的一对一 (OvO)-divCSP 来提取判别特征。最后，利用一对其余 (OvR)-SVM 根据选定的多类 MI 特征预测类标签。实验结果表明，我们的方法在两个公开的多类 MI 数据集上取得了优异的性能，平均准确率为 80.00%，平均 kappa 为 0.73。同时，提出的 TFS 选择方法可以显著减轻计算负担，同时准确率几乎没有降低，证明了实时多类 MI-BCI 的可行性。此外，运动想象时频反应图 (MI-TFRM) 是可视化的，有助于分析和解释不同受试者之间的表现差异。
