01天桥脑科学研究院推出名为MixNet的新型神经网络，可提高分类性能并有效提升分类性能。
02该研究院与印度科学研究所合作，开发出一种基于类脑硬件的AI计算平台，实现了极致能效提升。
03此外，研究团队成功开发了名为BrainDecoder的算法，可通过脑电图信号重建视觉刺激的风格和语义。
04由美国放射学院和科恩退伍军人生物科学研究所联合创建的规范性神经影像库，为创伤性脑损伤及其他神经疾病提供参考数据。
█神经科学
牢固的情境记忆可能会妨碍灵活记忆的形成
大脑如何通过分布式网络实现感觉到动作的转化
阈下神经元活动和大脑皮层的动态机制
腹侧注意网络在儿童大脑重组和认知发展中的重要作用
概念神经元和位置神经元协作推动记忆形成
大脑中自发行动的神经信号起源
麻醉药物如何改变丘脑连接？
奖励过多可能导致大脑在压力下崩溃
通过环境和神经元调节安慰剂效应可有效缓解疼痛
闪烁光线引发大脑幻觉的神经机制
首次绘制大脑与脊髓之间的功能连接图谱
空间记忆与奖励系统的神经回路机制
█认知科学
大语言模型揭示语言与感知的紧密联系
人类通过感知细节判断他人记忆的真实性
AI决策机制揭示胚胎质量评估新指标
多组学技术揭示人类分子图谱，助力疾病机制研究
伦理需要跟上人脑类器官研究的步伐
AI聊天机器人或成打破阴谋论迷思的新利器
情感支持与生理调节共同促进青少年的亲社会行为
缩小开源与商业大模型在医学证据摘要中的性能差距
大型语言模型推理新突破：测试时计算提升性能
Ehrapy：开启医疗数据分析新时代的开源工具
AI语音分析助力2型糖尿病筛查
人类对机器人的隐藏欺骗最为敏感
可穿戴大脑成像设备揭示婴儿日常的社交反应
人工神经网络在EEG数据分析中优于KAN网络
人类视觉皮层的无尺度表征：一种通用的感觉信息编码策略
“分步贴片合并”技术大幅提升视觉Transformer性能
█大脑健康
胶质母细胞瘤的入侵机制
人狗互动中的大脑同步
torsinA蛋白调控神经元核孔生成的空间分布，影响神经发育
雄性与雌性小鼠处理威胁时的大脑回路差异显著
新的生物标志物算法区分阿尔茨海默病与四重复tau病
利用RING-Bait技术选择性降解Tau蛋白缠结
二甲双胍能显著减缓大脑老化
大规模基因突变揭示神经精神障碍的遗传根源
xFakeSci算法精准识别ChatGPT生成的虚假科学内容
延迟反馈有助于创伤性脑损伤患者的学习提升
短期药物干预可预防创伤性脑损伤引发的长期神经退行性病变
抑制EGLN2酶，可能治疗ALS
Rett综合症中的星形胶质细胞线粒体功能异常影响神经元健康
█神经技术
分子级别的革新硬件将大幅提高计算能效
AI虚拟染色工具加速癌症组织分析
非侵入性脑压监测工具提升重症监护患者的脑压监测水平
纹状体抑制性神经元的光遗传刺激可提前阻止强迫行为
AI算法DPAD精确解码脑活动与行为的关系
AI揭示大脑自发活动对信息处理的关键作用
MixNet：实现运动想象脑电图分类的综合流程
科学家首次成功在REM睡眠中操控脑波频率
基因编码荧光工具推动突触标记与操控技术进步
无需直接测量神经元活动，即可准确预测大脑的功能
磁力控制假肢手实现自然手部动作
AI助力头发分析，或将推动健康诊断新进展
经颅直流电刺激如何影响神经元活动与认知功能
类脑硬件突破，为AI计算带来极致能效提升
AI助力糖尿病视网膜病变个性化筛查，实现视力保护
AI驱动的新型医疗影像技术提升视网膜疾病诊断精度
AI设计的AAV衣壳提高了肌肉疾病基因疗法的靶向性与安全性
明尼苏达大学呼吁便携式神经成像技术的伦理与法律指导
BrainDecoder：通过EEG信号重建视觉刺激的风格和语义
使用尖峰神经网络进行预测编码
光声组织学结合AI，实现肝癌组织高效无标记诊断
规范性神经影像库推动创伤性脑损伤的精准诊断
动态功能网络揭示大脑核心连接架构
（点击右上方三点，找到查找页面内容按钮）
神经科学
牛津大学的MRC脑网络动态研究小组的研究人员发现了海马体内一种新机制，这种机制解释了为什么强大的情境记忆可能会阻碍新的灵活记忆（flexiblememory，大脑能够根据不同情境灵活调整和应用记忆的能力）的形成。研究由教授DavidDupret领导。
该团队使用“食物-情境条件反射”（对老鼠进行训练，通过提供高脂肪食物与普通食物，帮助它们形成强大的情境记忆。研究发现，当老鼠形成了对高脂肪食物的强大记忆后，它们在后续环境中对新物体的辨识能力大幅减弱，这表明强大的情境记忆影响了灵活记忆的形成。研究揭示，海马体中的神经元会通过重复的记忆体验逐渐形成高度同步的活动模式，进而妨碍新的灵活记忆的存储。
为了验证这一点，研究人员使用了一种闭环光遗传学抑制技术，抑制海马体在记忆形成中的神经元招募过程。结果表明，当这种干预被引入后，老鼠的灵活记忆能力得到了恢复。这一发现为神经元如何相互协作以支持大脑功能提供了新的见解，也为未来减轻病理性记忆的影响提供了重要的研究方向。研究发表在Science上。
#神经科学#Science#记忆形成#光遗传学#神经元合作
阅读论文：
来自伦敦大学学院SainsburyWellcome中心的神经科学家团队，在最新的研究中揭示了小鼠多个大脑区域的感觉输入如何转化为运动动作，并表明决策是一个通过学习协调整个大脑的全局过程。
研究人员要求小鼠在观看视觉模式变化时，通过舔喷嘴（spout）来报告视觉模式速度的持续加快。在实验中，研究团队使用了Neuropixels探针记录了小鼠全脑范围内的神经元活动，涵盖52个脑区中的15,000多个神经元。实验结果显示，经过训练的小鼠能够将感官输入与动作输出联系起来，这一过程不仅局限于特定的脑区，而是在全脑范围内的稀疏但广泛分布的神经元群体中完成。
学习让小鼠的大脑发生了明显变化，感知输入不再仅仅存在于视觉系统中，而是扩展到了前额皮层、丘脑、基底神经节等多个脑区。这一发现表明，大脑的决策机制是通过分布式并行处理完成的，多个脑区共同参与证据积累和动作准备的协调过程。这一研究成果为理解决策与运动控制之间的相互作用提供了全新框架。研究发表在Nature上。
#神经科学#Nature#大脑机制#感觉与动作
研究人员对小鼠前运动皮层的兴奋性和抑制性神经元进行了超阈值和亚阈值活动的分析。实验设计包括在小鼠完成延迟反应任务时，测量神经元在准备和执行动作时的膜电位波动。结果表明，传统波动驱动模型虽然能够成功解释神经元的放电统计特征，但由于模型忽略了神经元的树突形态学，导致其无法解释亚阈值活动的异质性。研究团队通过在模型中引入树突形态学，大幅提升了神经元的选择性，并显著减少了错误决策次数，表明树突在决策过程中起到了关键的功能性作用。该研究提出，树突的整合作用是改善神经元选择性和任务表现的关键。研究发表在Nature上。
#神经科学#Nature#树突形态学#决策错误#波动驱动模型
耶鲁大学、新加坡国立大学和北京师范大学的研究团队合作，基于以往的神经科学研究，探讨了特定功能网络如何推动儿童和青少年的大脑成熟过程。尽管大脑在儿童期和青少年期经历的显著变化已经得到了较为充分的研究，但特定功能网络对这一过程的贡献仍有待进一步探明。
#神经科学#NatureNeuroscience#腹侧注意网络#认知发展#大脑重组
由波恩大学医院癫痫科教授FlorianMormann领导的国际研究团队，利用癫痫患者的脑部电极植入技术，首次提供了概念神经元如何参与记忆形成的直接证据。团队此前已研究了这些神经元在短期记忆中的作用，而本次研究进一步探讨了它们在形成自传性记忆中的关键作用。
超过90%的其他神经元未显示类似的作用，表明概念神经元和位置选择性神经元在记忆中的角色高度特异。研究结果支持了海马体索引理论，认为这些选择性神经元可能作为记忆索引，在深度睡眠等记忆巩固过程中被再次激活。这一发现揭示了大脑如何将“谁/什么”和“何地”结合在一起，从而形成完整的记忆。研究发表在NatureCommunications上。
#神经科学#NatureCommunications#记忆形成#概念神经元#位置神经元
自1960年代以来，神经科学家发现大脑中的电活动会在自发的运动开始前1到2秒钟逐渐上升，但其起源长期不明。查普曼大学大脑研究所研究人员，通过模拟神经网络活动，解释了这些缓慢波动的起源。
这一发现为长期存在的关于大脑如何在没有外部刺激的情况下发起自发行为的神经活动提供了新的解释，揭示了自发行为背后复杂的神经网络动态机制。此外，该研究还指出，缓慢的突触活动在稳定这些网络动态中发挥了重要作用。这项研究不仅有助于解释自发运动，也可能与创造性思维和自由回忆等行为有关。研究发表在NatureCommunications上。
#神经科学#NatureCommunications#自发行为#神经网络#运动阈值
意识的神经生物学基础长期以来是神经科学、精神病学和麻醉学等领域的研究重点。麻醉药物异丙酚常用于手术中的深度镇静，但其如何在大脑中引发无意识状态一直存在争议。密歇根大学研究人员首次在人类中详细描绘了异丙酚如何改变丘脑与大脑皮层之间的连接，从而引发无意识状态。
研究团队通过功能性磁共振成像（fMRI）技术，记录健康志愿者在清醒、深度镇静和恢复过程中的大脑活动变化。研究发现，在深度镇静下，丘脑中负责跨模态信息处理的基质细胞（matrixcells）活动显著减少，而核心细胞（corecells）与皮层的连接仍然存在。这一发现表明，虽然感官输入仍然传递到大脑，但缺乏整合处理，导致意识丧失。
此外，研究人员通过mRNA表达分析，确认了基质细胞在意识丧失中的关键作用，而通常被认为是麻醉关键因素的抑制性神经递质GABA（γ-氨基丁酸）并未发挥预期的作用。这项研究首次揭示了基质细胞功能中断与无意识状态之间的联系，推动了对麻醉诱导无意识状态的神经机制的理解。研究发表在NatureCommunications上。
#神经科学#NatureCommunications#丘脑#意识#麻醉
在高压情况下，人们常会出现“失常”的现象，即无法在关键时刻发挥最佳表现。卡内基梅隆大学的SaraPecchia和匹兹堡大学的AaronBatista领导的科研团队，通过对恒河猴的实验，首次揭示了这一现象背后的神经机制。
该研究通过训练恒河猴完成一项困难的手部到达任务，奖励金额从小到大不等，并记录它们在任务中大脑运动皮层中的神经活动。当奖励过高时，猴子们的表现反而会下降。研究发现，奖励信号和运动准备信号在大脑中相互作用，导致神经活动增强并进入最佳表现区域，但当奖励过大时，神经信号反而分散开，导致运动准备不佳。这种现象被称为“压力下失常”。研究表明，当大脑因高奖励而过度自我监控时，表现会下滑。此发现对人类应对压力的策略有重要启示，适当控制自我意识和保持轻松的状态有助于防止失常。研究发表在Neuron期刊上。
#神经科学#Neuron#压力管理#运动皮层#表现失常
麻省理工学院麦戈文研究所的研究团队致力于揭示安慰剂效应的神经回路机制。安慰剂效应虽然无药理作用，却常常能够帮助患者减轻疼痛。为理解这一现象，研究人员开发了一个新的小鼠模型，用于探究大脑与疼痛之间的复杂互动。该研究由麻省理工学院脑与认知科学教授FanWang领导。
研究团队通过激活小鼠大脑中央杏仁核（CeAGA）的止痛神经元，创造了一个特定环境，使小鼠学习在这一环境下感到疼痛缓解。研究表明，这种上下文依赖的安慰剂效应在急性疼痛和慢性疼痛模型中都表现出显著效果，甚至超过了通过吗啡引发的镇痛效果。通过视觉和触觉线索，研究人员让小鼠将特定环境与疼痛缓解关联起来，即使后来不再激活CeAGA神经元，小鼠依然表现出疼痛缓解。
这一发现表明，安慰剂效应不仅依赖于大脑中的初级止痛机制，还涉及更复杂的神经回路，包括记忆和情境塑造的作用。此外，研究团队发现，这一方法可以有效缓解由化疗引发的慢性痛觉过敏，表明这一模型具备广泛的临床潜力。研究为未来利用安慰剂效应辅助疼痛管理提供了全新的思路。研究发表在CurrentBiology上。
#神经科学#CurrentBiology#疼痛管理#安慰剂效应#神经回路
结果显示，小鼠视觉皮层对10Hz、15-20Hz和40-50Hz频率的闪烁光产生了显著的共振反应。这些频率下的脑活动表现出驻波特性，即一些区域的神经活动增强，而其他区域则较为静止。研究还发现，这些驻波现象符合线性波动方程的解，表明这些脑波是由闪烁光频率引发的。虽然无法直接询问小鼠是否产生了几何幻觉，但实验结果与人类的幻觉体验高度一致，这为光闪烁引发幻觉的机制提供了新的实验证据。研究发表在CurrentBiology上。
#神经科学#CurrentBiology#视觉皮层#驻波#闪烁光幻觉
中枢神经系统（CNS）包含大脑与脊髓，两者协同工作调节运动与感知功能。尽管神经科学领域取得了诸多进展，关于这两部分如何互动的理解仍然有限。为填补这一空白，来自EPFL的NeuroX研究所、日内瓦大学和麦吉尔大学的研究团队开发了一种新工具，首次成功绘制出人类大脑与脊髓之间的功能连接图谱。
研究进一步通过数据驱动分析，识别出与感知运动皮层相连的脊髓节段，从而验证了这一大规模的体感组织。这一发现表明，即使在静止状态下，中枢神经系统也能保持对身体各部位的精确映射。研究结果为未来探索正常和受损感知运动功能提供了新的视角，并且该方法可以减少实验负担，成为研究中枢神经系统功能的有效工具。该研究的数据由蒙特利尔的TheNeuro研究所提供。研究发表在ImagingNeuroscience上。
#神经科学#大脑健康#功能性磁共振成像#体感分布#脊髓
记忆的形成涉及多个脑区信息的整合，这一复杂现象尤其表现在记忆回忆的不同阶段。来自波兰科学院的研究团队通过动物模型，深入探讨了空间线索与奖励系统的联结如何影响记忆的巩固与行为表现。该研究揭示了大脑如何通过特定的神经网络，将情感状态与空间记忆联系起来。
研究发现，远期记忆中神经元活动减少但更为集中，特别是在伏隔核和海马区域。同时，前额皮层和杏仁核的特定神经群体表现出显著的活跃状态，表明这些脑区在奖赏寻求行为中起着关键作用。此外，化学遗传学实验显示，中央杏仁核在情感与空间记忆的联结中发挥重要作用，若抑制该区域的活动，大鼠在回忆时的表现明显受限。该研究揭示了记忆的神经机制，并强调了情感、空间记忆与奖赏系统之间的复杂互动。研究发表在MolecularPsychiatry上。
#神经科学#NeurobiologyofLearningandMemory#空间记忆#奖励系统#伏隔核
认知科学
长期以来，哲学家和认知科学家一直在探讨如何从语言中恢复感知世界。来自加州大学伯克利分校的研究团队，包括YairLakretz、JacobAndreas等人，利用最先进的大语言模型，如GPT-3和GPT-4，尝试解决这一问题。他们通过模型训练分析语言中的统计规律，并对其感知判断能力进行定量评估。
#认知科学#PNAS#大语言模型#感知研究#跨语言研究
阅读更多：
尽管记忆易于失真和遗忘，但人类生活中许多决策依赖于他人的记忆，了解我们如何判断这些记忆的可靠性对社会知识的构建至关重要。本研究由以色列内盖夫本-古里安大学的TalyaSadeh博士领衔，合作团队还包括心理学和脑科学领域的其他学者。
研究采用了模拟现实生活场景的实验方法，要求参与者根据他人对事件的记忆描述，直接判断其真实性。这些描述包括细节，例如一个人在聚会中迟到并穿着精美的衣服，或者一辆车在红灯前未停。参与者不仅对记忆做出真实性判断，还被要求评估记忆的感知质量，包括生动性、具体性和信心等。
研究还将参与者的表现与机器学习模型进行对比，结果显示，人类评估记忆的准确性与机器学习模型相当，但人类在评估回忆特质方面具有更高的敏感度，能识别出更丰富的信息。此外，通过评估记忆的生动性和细节丰富性，人类在某些情况下的表现甚至优于机器模型。最终，研究表明，人类虽然不能完全依赖记忆的内容来做出判断，但能够通过感知细节准确评估其真实性。研究发表在PNAS上。
#认知科学#PNAS#记忆评估#机器学习#感知质量
Ben-Gurion大学的研究团队开发了一种名为DISCOVER的计算方法，旨在揭示AI模型在医疗图像分析中的决策机制。AI技术在生物医学图像分析中展现了强大的潜力，但其不可解释性阻碍了其广泛应用。该团队在AssafZaritsky教授和博士生OdedRotem的带领下，与以色列创业公司AIVF合作，展开了该项研究。
研究团队开发的DISCOVER是一种生成模型，能够将医学图像分解为具有独立临床意义的部分，帮助解释AI的决策过程。通过对体外受精（IVF）胚胎的图像进行分析，DISCOVER识别出胚胎图像中对AI决策最重要的特征，如胚胎的大小和周围细胞链（临床称为滋养外胚层，trophectoderm）。此外，DISCOVER还发现了人类未能量化的新特征——囊胚密度（blastocystdensity），这是一种内部空腔结构，包含胚胎细胞内团块所需的营养。
研究团队通过生成一系列“假”胚胎图像，逐步放大图像中的某些特征，展示AI如何基于这些特征做出判断。这一方法不仅使专家能够直观理解AI的工作原理，还提供了有关每个特征在决策中重要性的客观测量。DISCOVER的技术不仅应用于IVF胚胎图像分析，还扩展至其他生物医学领域，如阿尔茨海默病患者的MRI图像解读等。研究发表在NatureCommunications上。
#认知科学#NatureCommunications#人工智能#医学图像分析#体外受精
威尔康奈尔医学院卡塔尔分校团队通过12年的代谢组学研究，结合来自391名志愿者的多组学数据，创建了人类分子图谱。研究使用了18种高通量分析平台，对志愿者的血液、尿液和唾液样本进行了深入的分子表型分析，生成了6,304个分子特征数据和超过122万个遗传变异。
#认知科学#NatureCommunications#多组学#糖尿病#分子网络
Baum等研究人员强调，应制定灵活的伦理框架，以应对这一新兴技术带来的挑战，并适应其未来的发展。历史教训表明，如果没有及时的伦理法规，公众和患者对创新技术的信任可能在其实际效益显现前就已经丧失。因此，研究人员呼吁在技术从实验室走向临床应用之前，必须先建立起稳固的伦理和法律框架，以确保科学创新的社会责任性和响应性。研究发表在Nature上。
#人脑类器官#伦理挑战#个性化医疗#ISSCR#社会责任创新
最新研究发现，人工智能聊天机器人能够有效减少人们对阴谋论的信任，并持续长达两个月。根据Science杂志发表的一项研究，超过2000名相信某些阴谋论的参与者，在与一个名为“辟谣机器人”（debunkbot）的AI进行对话后，其阴谋论信念平均减少了20%。
研究领头人ThomasCostello指出，此次研究是首次证明阴谋论背后的心理需求可能并非人们坚持这些信念的唯一原因。尽管部分学者认为阴谋论仍满足了某些心理需求，但这项研究表明，仅凭事实和礼貌对话，也能让人们重新审视自己的信念。
#AI辟谣#阴谋论#心理需求#GPT-4#个性化对话
加州大学戴维斯分校的研究团队通过“加州家庭项目”，对墨西哥裔青少年进行了长达10年的跟踪研究。研究对象主要生活在北加州地区，为229名年龄在10至19岁的墨西哥裔青少年。
研究通过10年内的多次生理测量和社会支持问卷调查，研究他们的亲社会行为发展。研究使用了基础呼吸性窦性心律不齐（RSA）的测量作为生理指标，用于评估青少年处理情感压力的能力。
#认知科学#DevelopmentalPsychology#亲社会行为#情感支持
研究人员最近在一项研究中探讨了如何通过微调开源大语言模型（如PRIMERA、LongT5和Llama-2），提升其在医学证据摘要中的表现。医学证据，特别是系统性综述和随机对照试验的荟萃分析，被认为是医疗决策的重要依据，但其审查过程通常费时且复杂。为此，研究团队使用包含8,161对系统综述和摘要的MedReview数据集，进行了一系列微调实验。
研究结果显示，微调后的开源模型在多个评估指标上均有所提升，尤其是LongT5模型的表现接近于闭源模型GPT-3.5。此外，在某些情况下，微调后的较小模型LongT5-base甚至超越了更大的零样本LongT5-xl。这一趋势在自动评估和人工评估中均得到了验证，微调后的模型生成的摘要在一致性、全面性和可读性等方面均表现更好。
该研究表明，通过微调可以有效提升开源模型在医学证据摘要中的表现，进一步缩小了与商业闭源模型的差距，同时保留了开源模型在透明性和定制化方面的优势。
#开源大模型#医学证据#微调
#大型语言模型#推理计算#自适应扩展#性能提升#人工智能
由德国亥姆霍兹慕尼黑研究中心主导，科学家团队开发了一款名为“Ehrapy”的开源软件，专为复杂医疗数据的分析而设计。Ehrapy的推出填补了医疗数据分析领域的空白，帮助研究人员系统化、结构化地处理大型、异质性的数据集。
Ehrapy的主要开发者、亥姆霍兹慕尼黑和慕尼黑工业大学计算生物学研究所的科学家LukasHeumos表示，以往缺乏标准化工具来高效分析这些复杂数据，而Ehrapy正是为解决这一难题而诞生的。其独特之处在于采用了无假设的探索性分析方法，能够在没有预设前提的情况下揭示新的模式和洞见。
作为开源软件，Ehrapy已在GitHub上发布，供全球科研人员使用和开发。尽管目前主要用于研究数据的分析，团队的长远目标是实现其在临床实践中的常规应用。未来，Ehrapy计划提供标准化电子健康记录数据库，以进一步促进医疗数据的整合和分析。
#医疗数据分析#开源软件#Ehrapy#探索性分析#电子健康记录
人工智能语音分析助力2型糖尿病筛查
一项在马德里举行的欧洲糖尿病研究协会年会上发布的最新研究表明，语音分析技术有望成为筛查2型糖尿病的有效工具。该研究由卢森堡健康研究所团队主导，利用人工智能（AI）算法分析人类语音，结合年龄、性别、身体质量指数（BMI）和高血压等基本健康数据，成功识别出2型糖尿病患者。研究结果显示，该方法在男性中准确率达到71%，女性则为66%。
该研究利用607位参与者的语音数据，借助深度学习算法提取了多达6000个语音特征，并与美国糖尿病协会（ADA）广泛使用的风险评估工具进行对比，结果显示两者在准确性上具有93%的高度一致性。虽然初步结果令人鼓舞，研究团队表示，还需进一步验证与改进该技术，特别是在早期糖尿病和前期糖尿病的识别方面。
#人工智能#语音分析#2型糖尿病#早期筛查#健康科技
随着机器人在医疗、清洁和零售等领域的应用日益广泛，它们的社会角色和行为规范也成为焦点。乔治梅森大学的AndresRosero及其团队发表了一项关于机器人欺骗行为的研究。这是该领域中少有的对机器人欺骗行为的全面分析之一，研究旨在揭示人类对机器人的不同欺骗行为的态度。
研究团队将498名参与者分为三组，分别阅读了外部欺骗、隐藏欺骗和表面欺骗三个场景，并对其欺骗性、合理性和接受度进行了评价。结果表明，隐藏欺骗（如清洁机器人秘密录像）被认为是最具欺骗性且最不被接受的行为；而外部欺骗（如机器人对阿尔兹海默症患者隐瞒事实以减少情感痛苦）则相对被接受，参与者认为其在保护患者情感方面是合理的；表面欺骗（如机器人夸大疼痛感）尽管也被认为具有一定欺骗性，但不如隐藏欺骗令人反感。
研究表明，参与者往往将隐藏欺骗归因于机器人开发者，而非机器人本身。这一发现揭示了机器人设计中的伦理问题，研究团队呼吁在机器人技术普及的过程中加强监管和规范。研究发表在FrontiersinRoboticsandAI上。
#认知科学#伦理#机器人技术#欺骗行为
由伦敦大学学院和伯克贝克大学的研究团队领导，这项研究致力于开发一款能在真实世界环境中测量婴儿大脑活动的可穿戴设备。通过这项技术，科学家们首次能够详细观察婴儿在日常互动中的大脑活动，尤其是在社交场景中的情绪处理和认知发展。
研究团队使用了高密度扩散光学断层扫描（HD-DOT）技术，这是一种通过测量皮层内血红蛋白浓度变化，来追踪功能性大脑活动的光学成像技术。在这项研究中，16名5-7个月大的婴儿参与实验，佩戴该设备时观看模拟社交场景和非社交场景的视频。实验结果表明，在社交刺激下，婴儿的前额皮层出现了意外的活跃信号，这表明婴儿早在五个月大时就能够处理复杂的社交信息。此外，研究还验证了在社交刺激下，大脑活动的区域更加局部化，而非社交刺激引发的活动则较为分散。研究发表在ImagingNeuroscience上。
#认知科学#神经技术#婴儿大脑发育#社交认知
随着阿尔茨海默病诊断技术的不断进步，最近一项研究对比了人工神经网络（ANNs）和Kolmogorov-Arnold网络（KANs）在分析脑电图（EEG）数据方面的性能。这项由北德州大学的研究团队进行的研究发现，在预测阿尔茨海默病的早期阶段时，ANNs相比于KANs显示出更高的准确性。
EEG技术，作为一种非侵入性的大脑电活动记录方法，一直是研究神经认知障碍的有力工具。在过去，虽然使用ANNs在从EEG数据中预测阿尔茨海默病方面已取得了实质进展，但对KANs的潜力仍存在疑问。本研究通过参数实验，考察了不同的学习率、节点数和训练周期对两种模型预测性能的影响。
研究结果显示，在多种测试条件下，尽管KANs在理论上具有较高的适应性和灵活性，但在实际应用中，ANNs在处理复杂的EEG数据时展现了更低的损失率和更高的准确性。特别是在低学习率和高节点数量的设置下，ANNs的性能显著优于KANs。
研究团队强调，尽管KANs在理论上具有其优势，但在具体应用中仍需进一步的优化和调整。未来的研究将探索不同的网络参数和结构，以期发现能够提高KANs性能的配置，并进一步提高阿尔茨海默病的诊断准确率。
#人工智能#阿尔茨海默病#EEG#神经网络#数据科学
在最新的神经科学研究中，来自约翰霍普金斯大学的科学家团队发现，人类视觉皮层的神经激活表现出无尺度的协方差谱，这一发现可能对我们理解大脑如何处理视觉信息提供了新的视角。这项研究利用高分辨率的功能性磁共振成像（fMRI）技术，分析了数千张自然图像引起的大规模神经反应。
研究表明，无尺度表征在多个视觉处理区域普遍存在，并跨个体显示出一致性。这表明尽管大脑的解剖结构和学习经历在个体之间存在差异，但大脑使用类似的编码策略来解释视觉世界。这种表征的普遍性和一致性指出，人类视觉系统可能采用了一种简单而通用的神经机制，这一机制可能源于神经网络的自我组织原则。
此外，该研究还批评了认知神经科学中传统的降维方法，这些方法通常忽视了数据的高维特性。研究团队强调，要全面理解大脑的感觉编码机制，就需要采用能够捕捉和分析高维数据的方法。这一点在神经科学的研究方法上提出了新的要求，即从单纯的视觉或语义解释转向数学和统计上的深入分析。
#人类视觉#神经编码#无尺度表征
随着人工智能技术的不断进步，视觉Transformer（ViTs）已在计算机视觉领域取得显著成就。最新研究中，科学家们受到人类视觉皮层处理信息的启发，提出了一种名为“分步贴片合并”（StepwisePatchMerging，SPM）的技术，旨在进一步优化ViTs的性能。该技术特别适用于密集预测任务，如对象检测和语义分割。
SPM框架包括两个核心模块：多尺度聚合（MSA）和引导局部增强（GLE）。MSA模块通过增加通道维度来整合不同尺度的信息，从而丰富特征表达；而GLE模块则专注于提升局部细节的提取，优化模型对空间细节的理解和表现。这种设计不仅提升了模型的精确度，还增强了其对复杂场景的处理能力。
通过在ImageNet-1K、COCO和ADE20K等多个重要基准数据集上的广泛实验，SPM技术已证明能显著提升各种模型的性能，尤其是在处理复杂视觉任务时。例如，在PVT（PyramidVisionTransformer）模型中，集成SPM技术后，图像分类的准确率提高了4.4%，对象检测和语义分割的表现也有显著提升。
#人工智能#视觉变换器#计算机视觉
大脑健康
#大脑健康#NatureCommunications#人工智能#显微成像#胶质母细胞瘤
由中国科学院张永清领导的研究团队致力于探讨人类与动物之间的跨物种社交行为如何影响大脑活动。研究发现，人类与狗之间的互动不仅涉及行为上的亲密合作，还涉及大脑神经层面的同步活动，这为进一步理解社交障碍如孤独症谱系障碍（ASD）的神经基础提供了线索。
研究采用脑电图（EEG）技术，通过对人与狗互动时的脑电波信号进行分析，发现当两者互相凝视时，大脑前额叶区域的活动会同步，抚摸时则在顶叶区域产生同步。实验表明，随着人狗对彼此熟悉度的增加，这种同步效应会逐步增强。同时，信息流分析指出，人类在这种互动中起主导作用，而狗则是跟随者。
#大脑健康#AdvancedScience#大脑同步#跨物种交流#孤独症
DYT1肌张力障碍（DYT1dystonia）是一种由torsinA突变引起的罕见运动障碍。由德州西南医学与密歇根大学的合作开展的研究，揭示了torsinA蛋白在神经元发育中核孔复合体（NPCs）的作用。
#大脑健康#NatureCellBiology#神经发育#DYT1肌张力障碍#核孔复合体
由麦吉尔大学的RosemaryBagot领导的研究团队，发现了雄性和雌性小鼠在处理威胁时的大脑回路存在显著差异。虽然两性的小鼠在面对威胁时表现相似的行为反应，但它们所使用的大脑回路却不相同。这一发现为未来研究性别对精神疾病风险的影响提供了新方向。
研究人员通过训练小鼠分辨威胁提示和安全提示，观察了它们大脑中不同区域的活动。研究发现，雄性小鼠主要依赖来自腹侧海马区的神经通路来处理威胁信息，而雌性小鼠则更多依赖来自内侧前额叶皮层到伏隔核的通路。此外，研究还揭示了雌性小鼠的大脑回路对威胁和非威胁提示的处理存在不同的反应方式。通过使用化学遗传学技术抑制特定通路，研究发现了雄性和雌性小鼠在抑制奖励驱动行为方面的双重解离现象。这表明，尽管它们的行为表现相似，但不同性别的大脑在处理相同问题时使用了不同的策略，这可能影响它们对压力的易感性及对治疗的反应方式。研究发表在NatureNeuroscience上。
#大脑健康#NatureNeuroscience#神经回路#性别差异#精神疾病
阿尔茨海默病与四重复tau病（4Rtauopathy）的症状相似，常导致误诊。为解决这一问题，德国慕尼黑大学医院的ProfessorMatthiasBrendel领导的研究团队开发出了一种新的生物标志物算法。
研究通过分析64名阿尔茨海默病患者、82名疑似四重复tau病患者（进行性核上性麻痹或皮质基底综合征）和19名健康对照者的脑脊液和PET成像数据，提出了一种新的诊断算法。研究发现，阿尔茨海默病患者的脑脊液中p-tau181水平升高，PET成像显示皮质区域的tau蛋白沉积增强，而四重复tau病患者的p-tau181水平正常，但PET显示皮质下区域的tau沉积增加。
#大脑健康#阿尔茨海默病#tau蛋白#生物标志物#核医学
阿尔茨海默病等神经退行性疾病与神经细胞内的Tau蛋白缠结有关，这些缠结的形成会导致神经细胞的损伤和功能退化。现有治疗方法难以清除已形成的Tau缠结，只能预防其扩散。剑桥大学医学研究委员会分子生物学实验室（MRCLMB）和英国痴呆症研究所（UKDRI）的科学家团队开发出了一种全新的疗法，能够选择性地去除这些缠结，并保留健康的Tau蛋白。
研究团队通过TRIM21蛋白设计了两种疗法，分别是“RING-nanobody”和“RING-Bait”。RING-nanobody结合了针对Tau蛋白的小型抗体和TRIM21的RING结构，使TRIM21能够精准识别并降解病变的Tau缠结，而不影响健康的Tau蛋白。RING-Bait疗法则通过将TRIM21的RING结构与Tau蛋白结合，诱使缠结中的Tau蛋白与TRIM21一起被标记为降解物。研究发现，这两种疗法都能有效清除细胞内的Tau缠结，而不会破坏健康的Tau蛋白。
#大脑健康#Cell#阿尔茨海默病#蛋白质降解#神经退行性疾病
这项研究由中国多所研究机构的生物学家合作，探索了二甲双胍（metformin）作为抗衰老药物的潜在作用。二甲双胍长期以来被用于治疗2型糖尿病，早期研究和临床数据也显示它可能具备某种抗衰老功能。
研究团队对12只老年雄性食蟹猴（cynomolgusmacaques）和18只其他猴子进行了为期40个月的实验，观察二甲双胍对多种器官的生物年龄影响。通过定期采集组织样本，结合脑成像以及生理和心理测试，研究人员发现二甲双胍显著减缓了肾脏、肺部、皮肤等器官的老化，尤其对大脑的保护作用尤为突出。在神经元老化的研究中，二甲双胍激活了一种名为NRF2的蛋白质，它可以在炎症过程中保护细胞不受损伤。
研究结果显示，所有参与实验的猴子在多种器官的生物年龄下降，大脑神经活动甚至回退至年轻约6年的水平。研究人员建议未来进行更大规模、包括人类的实验，以验证二甲双胍的抗衰老作用。研究发表在Cell上。
#大脑健康#Cell#抗衰老#二甲双胍#灵长类动物
由美国国立精神卫生研究所发起的SSPsyGene联盟，联合罗格斯大学和芝加哥大学在内的多家研究机构，致力于揭示神经发育和精神障碍（NPD）的遗传机制。他们开发了一种高效的大规模基因突变技术，通过在人类干细胞中突变250个NPD高风险基因，以期为未来的神经科学和精神病学研究提供重要资源。
#大脑健康#StemCellReports#神经技术#基因编辑#精神分裂症
#大脑健康#ScientificReports#AI检测#虚假内容识别#科学剽窃
研究推测，延迟反馈可能绕过了TBI患者中受损的纹状体多巴胺系统（该系统负责即时反馈的学习），从而促进了学习的提升。该研究对于TBI康复具有重要意义，表明在康复训练中适当延迟反馈可能改善患者的学习效果。该研究发表在TheJournalofHeadTraumaRehabilitation上。
#大脑健康#认知科学#创伤性脑损伤#延迟反馈#学习表现
研究团队通过小鼠实验和人类样本分析，发现TBI会引发线粒体分裂1蛋白（Fis1）的表达上升，导致线粒体分裂失衡，并进而引发慢性神经退行性病变。研究人员在TBI发生后使用一种名为P110的小肽药物，在急性期内短期抑制Fis1与其合作蛋白Drp1的结合，成功阻止了慢性神经退行性变化的发展。
#大脑健康#线粒体功能#神经退行性疾病#创伤性脑损伤#P110
肌萎缩性侧索硬化症（ALS）是一种严重的神经退行性疾病，影响运动神经元，导致渐进性肌肉无力和瘫痪，患者通常在诊断后的2到5年内死亡。比利时弗拉芒生物技术研究所（VIB）的研究团队针对ALS的病理机制展开了研究，发现了酶EGLN2在其中的关键作用。
研究团队使用了寡核苷酸和基因敲除技术，分别在两种ALS斑马鱼模型和一种小鼠模型中降低了Egln2的表达，结果显示这些模型的ALS症状显著缓解，运动神经元的损伤也得到了保护。通过单核RNA测序技术，研究人员进一步发现，EGLN2酶的抑制能够在ALS小鼠的星形胶质细胞中减少干扰素刺激基因的表达，这表明该酶在调节ALS炎症反应中起到了关键作用。此外，在源自ALS患者的诱导多能干细胞中，EGLN2的基因敲除恢复了干扰素通路，进一步验证了其在炎症调节中的作用。这些发现表明，抑制EGLN2酶有望成为减缓ALS进展的潜在治疗策略。研究发表在CellReports上。
#大脑健康#CellReports#神经炎症#ALS#治疗靶点
该研究通过使用人类胚胎干细胞（hESC）模型，模拟了MECP2基因功能丧失的影响，重点探讨了Rett综合症中星形胶质细胞（AST）的功能异常。研究人员通过超微结构分析发现，Rett综合症患者的星形胶质细胞中的线粒体明显缩小，呈现出短小圆形的形态，而正常细胞的线粒体为长椭圆形。进一步的实验揭示了星形胶质细胞中的线粒体无法生成足够的能量，表现出应激状态，导致细胞内氨基酸供给被消耗。
研究还发现，Rett综合症中的星形胶质细胞生成了过量的活性氧（reactiveoxygenspecies），这些有害物质随着线粒体的转移进入神经元，使神经元进入了超兴奋状态，最终对大脑造成损害。通过向这些星形胶质细胞提供健康的线粒体，研究团队成功恢复了其正常功能。该研究表明，针对线粒体的治疗或许能够成为未来治疗Rett综合症的新途径。研究发表在ScientificReports上。
#大脑健康#线粒体#Rett综合症#星形胶质细胞#神经元
神经技术
来自利莫瑞克大学伯纳尔研究所的研究团队设计了一种全新分子，这种分子能够革新当前的计算平台。该研究由利莫瑞克大学的DamienThompson教授领导，并与印度科学研究院（IISc）和德州农工大学的科学家合作完成。研究重点是解决当前计算硬件在能效和精度上的限制，特别是在处理神经网络等人工智能应用时遇到的瓶颈。
#神经技术#Nature#分子忆阻器#人工智能#计算能效
癌症组织染色的传统方法既耗时又容易导致组织材料耗尽。为应对这一挑战，洛桑大学的MariannaRapsomaniki和伯尔尼大学的MariannaKruithof-deJulio带领的研究团队，开发了一种名为VirtualMultiplexer的人工智能模型。该工具通过生成虚拟染色图像，能够替代实验中的复杂染色步骤，提升病理分析的效率和准确性。
进一步的实验表明，利用这些虚拟染色图像训练的图形转换器（graphtransformer）能够同时从多种蛋白质的空间分布中学习，从而在临床预测中表现出显著的改进。该模型在多个独立患者群体和不同癌症类型上得到了验证，且无需对模型进行微调。研究发表在NatureMachineIntelligence上。
#神经技术#NatureMachineIntelligence#癌症研究#虚拟染色#生成式AI
研究团队使用了波士顿MIMIC-III数据库中的波形数据，开发了一种人工智能驱动的颅内压监测标记物aICP。该工具通过分析患者日常监护数据，如心电图（ECG）和氧饱和度（SpO2），从而生成脑内压力的估计值。为了验证这一模型的可靠性，研究者们使用了纽约MountSinai医院的独立数据集进行外部验证。结果显示，aICP在检测颅内压力方面表现出较高的准确性，其受试者工作特征曲线下面积（AUROC）达到0.80，准确率为73.8%，敏感性和特异性分别为73.5%和73.0%。
研究还表明，aICP的预测结果与多种临床表型存在关联，包括脑恶性肿瘤（脑部恶性肿瘤，OR=1.68）、脑出血（OR=1.18）和颅骨切开术（craniotomy，OR=1.43）。这一工具有望减少高风险的有创手术，并提升神经系统疾病患者的安全性和生存率。研究发表在npjDigitalMedicine上。
#神经技术#颅内压监测#人工智能#脑出血#重症监护
巴黎脑研究所的EricBurguière团队的最新研究表明，通过神经刺激技术可以有效提前阻止强迫行为，尤其是在强迫症（OCD）等疾病中，这些行为会严重影响患者的生活。研究团队通过基因改造小鼠模型，结合光遗传学和人工智能技术，成功阻止了实验小鼠的强迫性梳理行为。
研究团队选用了Sapap3基因敲除小鼠作为强迫行为模型。这些小鼠表现出类似强迫症患者的过度自我梳理行为。团队首先通过光遗传学技术连续激活纹状体中的抑制性神经元，这些神经元的作用是调节纹状体的活动。激活后，小鼠的强迫性梳理行为明显减少，恢复到了正常水平。
#神经技术#NatureNeuroscience#强迫症#神经刺激#光遗传学
这项研究的一个重要发现是，神经活动中的非线性主要集中在从大脑皮层的潜在动态到具体行为的映射上。DPAD算法不仅可以用于运动任务，还能扩展到解码心理状态（如抑郁或疼痛），为精神健康问题的个性化治疗提供数据支持。研究发表在NatureNeuroscience上。
#神经技术#NatureNeuroscience#脑机接口#非线性建模#皮层神经信号
人工智能揭示大脑自发活动对信息处理的关键作用
弗里德里希-亚历山大大学埃尔朗根-纽伦堡分校的研究团队与埃尔朗根大学医院的癫痫中心合作，使用从癫痫患者大脑中植入电极的数据，揭示了大脑在无外部刺激时的自发活动对认知和情感处理的关键作用。
研究团队使用了自编码器（auto-encoder），这是一种能够发现复杂数据中模式的高级人工智能技术，用以分析局部场电位（localfieldpotential,LFP）事件。这些LFP事件是大脑在没有外部刺激的情况下自发产生的电生理信号，研究发现这些事件可能是理解人类认知过程的关键。在研究中，LFP事件的形状可以指示信号在大脑不同区域间的流向，这有助于揭示大脑如何在不同情况下处理信息。此外，研究还证明了LFP形状的多样性，可以帮助识别大脑在单次事件中的信息处理模式。这一发现为未来的脑疾病诊断和治疗方法提供了重要启示，并可能推动新的人工智能系统发展，使其具备类似大脑的持续预测能力。研究发表在NeuroImage上。
#神经技术#NeuroImage#局部场电位#人工智能#大脑信息处理
MixNet：古典与现代方法结合，实现运动想象脑电图分类的综合流程
近年来，深度学习在基于运动想象（MI）的脑机接口（BCI）系统中取得了重要进展，显著提升了对脑电图（EEG）信号的解码能力。然而，现有研究在跨个体的MI任务中难以识别出具备区分性的信号模式，导致MI分类性能受限。为应对此问题，本文提出了MixNet——一个全新的分类框架，结合了频谱-空间信号及名为MIN2Net的多任务学习架构进行分类。MixNet通过滤波器组常规空间模式（FBCSP）方法生成MI数据的频谱-空间信号，并通过自适应梯度融合调控多个损失权重，根据任务的泛化和过拟合趋势，动态调整各任务的学习速度，从而有效提升分类性能。
实验结果显示，在六个不同数据规模的基准数据集上，MixNet在依赖个体及独立于个体的分类任务中均优于当前最先进的算法。此外，MixNet在低密度EEGMI分类中的表现也超越了所有现有算法，为物联网（IoT）应用带来了新的希望，尤其是在基于低密度电极阵列的便携式EEG设备领域。
#脑机接口#深度学习#MixNet#低密度EEG#物联网
萨里大学的研究人员与帝国理工学院的英国痴呆症研究所中心合作，使用闭环听觉刺激技术（CLAS）操控REM睡眠中的脑波。这一研究对痴呆症患者具有特别意义，因为这些患者的REM睡眠期间大脑活动减慢，影响了其记忆功能。
研究团队招募了18名健康成年人，使用高密度脑电图（EEG）记录了他们一整晚的睡眠状态，并在REM睡眠阶段进行了声波刺激实验。刺激过程中，声波每6秒交替施加一次，精确锁定了阿尔法和西塔波振荡的不同相位。研究发现，声波刺激成功引发了脑波频率的变化，在阿尔法波和西塔波的谷值阶段，振荡频率明显加快，而在波峰阶段，振荡频率有所减缓。这一相位依赖性效应的出现证明，REM睡眠中的大脑振荡可以通过非侵入性的方式进行调控。这一发现为未来针对痴呆症等神经退行性疾病的治疗带来了新的希望，特别是通过改善REM睡眠中的脑波活动，有可能提高患者的认知功能。研究发表在SLEEP上。
#神经技术#SLEEP#认知功能#闭环听觉刺激#REM睡眠
#神经技术#NatureReviewsNeuroscience#突触标记#光遗传学
几十年来，神经科学家们一直通过实验测量活体动物的神经元活动来研究大脑的运作方式。尽管取得了许多重要发现，但大脑的许多区域仍然未被探索。如今，霍华德·休斯医学研究所Janelia研究园区和图宾根大学的研究人员联合开发了一种新的方法，利用神经连接组和人工智能技术，无需直接测量神经元活动，即可准确预测大脑的功能。
研究团队通过使用果蝇视觉系统的神经连接组数据，构建了一个详细的深度机械网络模型，其中每个神经元和突触都对应于大脑中的实际神经元和突触。尽管模型中某些神经元和突触的动态特性尚不完全了解，研究人员依然通过深度学习（deeplearning）技术对这些参数进行了推断和优化。研究最终成功预测了64种神经元在视觉输入下的活动，并验证了26项独立实验的数据。模型不仅准确复现了这些实验的结果，还发现了新的参与运动检测的神经元，为未来的实验提供了新的研究方向。研究表明，利用神经连接组数据，结合AI技术，可以为科学家提供预测大脑活动的新工具，有望彻底改变神经科学领域中对大脑功能的研究方式。该研究发表在Nature上。
#神经技术#Nature#人工智能#果蝇视觉系统#神经连接组
比萨圣安娜高等学校生物机器人研究所的研究团队，在ChristianCipriani教授的领导下，致力于开发一种能够通过磁体控制的假肢手，解决传统电信号控制假肢的复杂性与局限性。该团队通过解码患者的运动意图，实现了手部自然动作的精准控制。
研究团队开发了一种名为肌动控制界面的新型假肢手控制系统。该系统通过在患者的残肢肌肉中植入六个小型磁体，并通过定位肌肉收缩时的磁场变化，解码患者的运动意图，进而控制假肢手的动作。系统中包含的硬件组件和电池都嵌入了假肢套筒中，实现了全自动化操作。该研究的测试对象为一名失去左手的34岁男性，他在为期六周的测试中，能够通过假肢手完成开罐、拧螺丝等日常任务，并能够控制握力以避免损坏脆弱物品。测试结果显示，该假肢手在灵活性和负担感上与传统的肌电控制器相当，为未来假肢技术的发展开辟了新路径。研究发表在ScienceRobotics上。
#神经技术#ScienceRobotics#假肢#磁体控制#肌动控制
人工智能助力头发分析，或将推动健康诊断新进展
华盛顿州立大学的研究团队开发了一种基于人工智能的深度学习工具，用于自动分析毛发纤维。这一工具旨在解决传统毛发分析手段速度慢、工作量大的问题，特别是在健康研究领域。该团队由兽医学院的RyanDriskell教授领导，他的研究重点是通过毛发特征揭示健康状况的变化。
研究团队的工具使用了深度学习算法，结合高性能计算集群Kamiak和AperioGT450显微镜，能够快速高通量地分析毛发纤维的特征。该工具自动提取每根毛发的颜色、形状、宽度和长度等信息，并保持图像的高分辨率。研究使用小鼠毛发进行测试，并与手动测量的结果进行对比，发现两者数据高度一致。
具体来说，研究团队从6只小鼠（3雄性、3雌性）共865根毛发中提取数据，与人工手动分离494根毛发的数据进行比对，证明AI模型的准确性。该工具不仅能区分不同种类的毛发，还能通过毛发检测荷尔蒙失调或营养缺乏等健康问题。未来，这一技术在法医学和毛发护理产品的研究中也有广泛应用前景。该研究发表在JournalofInvestigativeDermatology上。
#神经技术#hair_analysis#health_diagnostics#forensics#deep_learning
蒙纳士大学与日本RIKEN脑科学中心团队合作，研究了经颅直流电刺激（tDCS）对神经元活动和认知功能的影响。tDCS作为一种非侵入性技术，已经广泛应用于治疗抑郁症、成瘾等多种疾病。然而，tDCS的作用机制和安全性尚不明确。
研究人员进行了为期五年的实验，通过在猕猴执行认知任务时记录其背外侧前额皮质（dlPFC）的神经元活动，探讨tDCS对神经活动和认知行为的影响。结果表明，tDCS能够减少猕猴在任务中神经元活动的变异性，增强其对特定事件的响应。这一过程并未改变神经元的基线活动，也未导致癫痫样活动。研究发现，tDCS不仅仅是通过改变皮层兴奋性来影响神经元活动，而是通过更加复杂的机制，调节神经元在不同任务阶段的活动。这一研究为临床上更有效和安全地应用tDCS提供了重要依据。研究发表在Brain上。
#神经技术#Brain#非侵入性脑刺激#认知功能#神经元
印度科学研究所SreetoshGoswami团队与德州农工大学StanleyWilliams教授和利默里克大学的DamienThompson教授合作。开发了一种新的类脑模拟计算平台。
#神经技术#Nature#类脑硬件#人工智能#矩阵乘法
伦敦国王学院的研究人员通过使用NHS提供的超过10万名糖尿病患者的匿名眼部数据，开发了一种AI模型，可以提前预测哪些人有较高风险患上糖尿病视网膜病变（DR），并且能够提前一到三年作出预测。
该团队基于120多万张视网膜图像，训练了一个深度学习系统，并通过内部和外部数据集验证了其有效性。研究使用了东南伦敦糖尿病眼部筛查计划（DESP）中的视网膜图像数据，并结合风险因素特征，开发了多模态深度学习系统，以预测患者在1年、2年和3年内可能发展的糖尿病视网膜病变和黄斑病变。
内部测试中，多模态系统的预测准确率（AUROC）在1年内为0.95，在2年和3年内分别为0.92和0.85。外部测试也显示了类似的高精度结果。这一AI工具有望减少低风险患者的筛查频率，同时确保高风险患者能够及时获得治疗，从而显著降低筛查负担并节省NHS的运营成本。研究发表在CommunicationsMedicine上。
#神经技术#CommunicationsMedicine#糖尿病视网膜病变#个性化筛查#深度学习
视网膜疾病是发达国家不可逆失明的主要原因，而现有的医疗影像技术在诊断中存在诸多挑战。为了解决这些问题，西交利物浦大学和VoxelCloudInc.的研究团队开发了一种新型的AI影像技术。
#神经技术#视网膜疾病#医疗影像#人工智能#黄斑中心凹定位
人工智能设计的AAV衣壳提高了肌肉疾病基因疗法的靶向性与安全性
为了应对现有AAV载体无法有效靶向肌肉组织的问题，研究团队使用计算机工具模拟蛋白质结构，预测AAV衣壳的效率和稳定性。通过在衣壳中整合αVβ6整合素（IntegrinalphaVbeta6），团队设计了一种能够特异性靶向骨骼肌并减少肝脏穿透的AAV变体。测试表明，LICA1这种新变体在杜氏肌营养不良症和肢带型肌营养不良症的小鼠模型中表现出卓越的基因传递效果。相较于传统的AAV载体，LICA1在低剂量条件下能有效改善肌肉功能，并且对肝脏的影响微乎其微。这一结果为未来肌肉疾病的基因疗法提供了更为安全、有效的解决方案。研究发表在NatureCommunications上。
#神经技术#NatureCommunications#肌肉疾病#基因疗法
随着便携式神经成像技术的快速发展，这些技术已经能够在现实环境中收集大脑数据。然而，明尼苏达大学的研究团队，包括FrancesDaniels、EfrainTorres、FrancesLawrenz和SusanWolf，发现技术开发者在设计和部署这些设备时，未能充分考虑其伦理、法律和社会影响（ELSI）。该研究呼吁开发者与伦理和法律专家合作，制定明确的指导方针。
#神经技术#伦理法律#便携式神经成像#大脑数据#技术开发
在最新的研究中，研究团队开发了一种名为“BrainDecoder”的新方法，它通过电脑和大脑的接口技术，能够从脑电图（EEG）信号中重建视觉刺激。这项技术不仅能够复原被试者看到的图像内容，还能重建图像的风格，如颜色和纹理。
研究团队通过将EEG信号与CLIP（ContrastiveLanguage–ImagePretraining）模型的图像和文本嵌入进行对齐，提出了一种新的框架。这一双重对齐策略显著提高了模型重建图像的精确度和质量，使得生成的图像在风格和语义上都更接近原始视觉刺激。
实验结果显示，与现有技术相比，“BrainDecoder”在多个评估指标上都有显著提升，例如，在50类单一分类准确率测试中，该模型达到了95.2%的准确率，重建的图像在细节上与原始图像高度一致，特别是在颜色和纹理方面。此技术的成功开辟了利用EEG信号进行精确视觉重建的新途径，对未来脑机接口的发展具有重要的理论和实际意义。
#脑电图#视觉重建#CLIP模型
此外，研究还探讨了突触预测编码在神经形态学硬件上的应用。通过将预测编码的算法映射到突触神经元上，研究者们尝试在硬件上复现大脑处理信息的方式，以达到提高计算效率和降低能耗的目的。虽然这一领域的研究还处于起步阶段，但已经展现出将深度学习技术与神经形态学硬件结合的巨大潜力。
研究的未来方向包括进一步探索预测编码模型在实际应用中的表现，以及如何优化这些模型以适应不同的硬件平台。随着研究的深入，突触预测编码有望成为连接人工智能与生物学原理的重要桥梁。
#突触预测编码#神经形态学#能效边缘计算
光声组织学结合人工智能，实现肝癌组织高效无标记诊断
由POSTECH崔洪金教授和首尔天主教大学金钟焕教授带领的研究团队，开发了一种全新的基于人工智能的系统，用于无标记光声组织学图像的自动分析。传统病理学依赖于耗时且需要化学试剂的组织染色过程，研究团队利用PAH技术和深度学习模型，成功解决了这一问题。
研究团队提出了一套深度学习框架，专门用于无标记光声组织学（PAH）图像的自动分析。首先，使用解释性对比无配对翻译（E-CUT）方法，成功生成与实际H&E染色样本相似的虚拟染色图像（VHE），保留了细胞核和细胞质的形态特征。接着，模型使用U-net架构分割细胞区域、细胞数量及细胞核间距离等特征。最后，利用逐步特征融合（StepFF）方法，将PAH图像、VHE图像和分割特征结合，实现对肝癌组织的高效分类，准确率达到98%。在三名病理学家的评估下，StepFF模型展示出100%的敏感性，显著提高了癌症诊断的精度和效率，展示了其在实际临床中的应用潜力。研究发表在Light:Science&Applications上。
#神经技术#LightScience&Applications#无标记组织学#人工智能#肝癌诊断
近年来，神经影像技术的快速发展使得临床诊断和预后预测的可能性大大提高。然而，要有效利用这些进展，必须了解不同年龄、性别及社会经济背景下健康人群的神经影像数据。因此，美国放射学院和科恩退伍军人生物科学研究所联合创建了一个庞大的规范性神经影像库（NNL），为创伤性脑损伤及其他神经疾病提供参考数据。
该研究依托美国放射学院和科恩退伍军人生物科学研究所创建的规范性神经影像库（NNL），其数据来自约1900名健康个体，涵盖了广泛的人口统计信息和临床评估。数据采集自多样化人群，包括平民、退伍军人和现役军人，年龄跨度为18-64岁。这些数据通过结构性和功能性核磁共振成像（MRI），以及包括白质和灰质的显微变化（microscopicchanges）的推断，确保了神经影像的高质量。此外，该库还包括参与者的心理和认知功能评估数据。该规范性神经影像库将帮助临床医生和研究人员识别个体大脑图像中的异常变化，从而推动神经科学领域向精准医疗（precisionmedicine）的方向发展。未来，这一数据库还将为影像生物标志物的开发及临床决策支持工具提供重要的资源。研究发表在JournalofNeurotrauma上。
#神经技术#JournalofNeurotrauma#创伤性脑损伤#精准医疗#神经影像
#神经技术#CellSystems#功能网络#大脑架构#fMRI
整理｜ChatGPT
编辑｜丹雀、1900、存源
关于追问nextquestion
关于天桥脑科学研究院
天桥脑科学研究院（TianqiaoandChrissyChenInstitute,TCCl）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。TCCI与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了TCCI加州理工神经科学研究院。TCCI建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括学术会议和交流、夏校培训、AI驱动科学大奖、科研型临床医生奖励计划、特殊病例社区、中文媒体追问等。