Как мозг крысы становится лучшим слушателем: фокус улучшает обработку звука
Исследователи из Еврейского университета в Иерусалиме выяснили, что при выполнении задачи слуховая кора мозга крысы активируется синхронизированно с поведением, а не только со звуками. Нейроны создают всплески активности в определённые моменты задачи, что приводит к более слабым, но более чётким реакциям на значимые звуки. Это позволяет мозгу эффективнее обрабатывать звуки, адаптируя их восприятие в реальном времени. Внимание работает как адаптивный фильтр, подавляя некоторые нейронные связи для создания более ясных паттернов активности, что помогает мозгу справляться с избытком сенсорной информации. Исследование опубликовано в журнале Science Advances.
https://www.science.org/doi/10.1126/sciadv.adv1963
Исследователи из Еврейского университета в Иерусалиме выяснили, что при выполнении задачи слуховая кора мозга крысы активируется синхронизированно с поведением, а не только со звуками. Нейроны создают всплески активности в определённые моменты задачи, что приводит к более слабым, но более чётким реакциям на значимые звуки. Это позволяет мозгу эффективнее обрабатывать звуки, адаптируя их восприятие в реальном времени. Внимание работает как адаптивный фильтр, подавляя некоторые нейронные связи для создания более ясных паттернов активности, что помогает мозгу справляться с избытком сенсорной информации. Исследование опубликовано в журнале Science Advances.
https://www.science.org/doi/10.1126/sciadv.adv1963
Science Advances
Task-related activity in auditory cortex enhances sound representation
Time-keeping activity in auditory cortex during behavior may enhance the information content of responses to task-relevant sounds.
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Почему ChatGPT плохо имитирует людей
Большие языковые модели, такие как ChatGPT, плохо имитируют человеческие разговоры. Они слишком сильно подражают собеседнику, что кажется неестественным, неправильно используют слова-связки вроде «ну», «так» или «в общем», и не справляются с плавным началом и завершением беседы. Исследования показывают, что люди легко отличают такие модели от настоящих собеседников. Хотя прогресс в этой области идет быстро, ключевые различия между человеческими и искусственными разговорами, вероятно, сохранятся.
https://onlinelibrary.wiley.com/doi/10.1111/cogs.70106
Большие языковые модели, такие как ChatGPT, плохо имитируют человеческие разговоры. Они слишком сильно подражают собеседнику, что кажется неестественным, неправильно используют слова-связки вроде «ну», «так» или «в общем», и не справляются с плавным началом и завершением беседы. Исследования показывают, что люди легко отличают такие модели от настоящих собеседников. Хотя прогресс в этой области идет быстро, ключевые различия между человеческими и искусственными разговорами, вероятно, сохранятся.
https://onlinelibrary.wiley.com/doi/10.1111/cogs.70106
❤3🔥1
Поучительная история
Некоторое время назад в мире нейронауки произошел скандал, связанный с именем известного немецкого ученого Нильса Бирбаумера, чьи работы вселяли надежду в пациентов с тяжелыми поражениями мозга. Бирбаумер, работавший в Университете Эберхарда Карла в Тюбингене, стал объектом расследования после того, как его коллега, исследователь Мартин Шпюлер из того же университета, в конце 2017 года поднял серьезные вопросы относительно статьи 2017 года в журнале PLoS Biology, где старшим автором был Бирбаумер, а ведущим – Уджвал Чаудхари.
Шпюлер обвинил авторов в статистических ошибках: они усредняли данные по всем пробам и сессиям, а затем проводили t-тест на этих средних значениях, игнорируя корреляцию между каналами измерений, что приводило к ложной значимости результатов. Это классическая ловушка – трактовка зависимых измерений как независимых, из-за чего вариабельность искусственно занижалась, и различия между "да" и "нет" в мозговой активности казались значимыми, хотя на деле они могли быть случайными.
Шпюлер мотивировал свои обвинения стремлением к научной честности, поскольку работа обещала революцию в общении с пациентами в полном запертом состоянии – сознательными, но полностью парализованными людьми, такими как страдающие боковым амиотрофическим склерозом, где функциональная ближне-инфракрасная спектроскопия якобы позволяла декодировать мысли "да" или "нет" без движения мышц.
Четыре пациента были включены в исследование, но анализ, по мнению Шпюлера, был некорректным, и он публично оспорил выводы, что привело к официальным проверкам. Университет Тюбинген сформировал комиссию, которая в 2019 году обнаружила нарушения: выборочную селекцию данных во время сбора, отсутствие раскрытия данных и скриптов, пропажу части информации (например, для одного пациента отчитывались результаты за двенадцать дней, но доступны были только за восемь), а также возможное искажение из-за ошибочного анализа.
Комиссия рекомендовала отозвать статью, хотя прямого фабрикации данных не выявила, но отметила, что Бирбаумер лично принимал решения об исключении некоторых данных без объяснений, ссылаясь на технические проблемы или собственные суждения. Немецкий исследовательский фонд (DFG) также провел расследование в 2018 году по сигналу Шпюлера и в 2019 году установил научное нарушение, запретив Бирбаумеру и Чаудхари подавать заявки на гранты на пять лет и рекомендовав отозвать не только исходную статью, но и их опровержение критике Шпюлера.
Бирбаумер подал в суд на DFG, но в 2022 году стороны урегулировали спор, и санкции в основном остались в силе, хотя срок запрета сократили.
Этот случай стал уроком для научного сообщества: даже уважаемые ученые могут допускать ошибки в анализе, а отсутствие прозрачности данных усугубляет проблемы, подрывая доверие. Несмотря на скандал, Бирбаумер в 2022 году опубликовал новую работу о мозговом импланте для общения с парализованным пациентом, но его репутация пострадала, что может вызывать скептическое отношение к тому, что он публикует.
https://www.discovermagazine.com/the-fall-of-niels-birbaumer-40115
Некоторое время назад в мире нейронауки произошел скандал, связанный с именем известного немецкого ученого Нильса Бирбаумера, чьи работы вселяли надежду в пациентов с тяжелыми поражениями мозга. Бирбаумер, работавший в Университете Эберхарда Карла в Тюбингене, стал объектом расследования после того, как его коллега, исследователь Мартин Шпюлер из того же университета, в конце 2017 года поднял серьезные вопросы относительно статьи 2017 года в журнале PLoS Biology, где старшим автором был Бирбаумер, а ведущим – Уджвал Чаудхари.
Шпюлер обвинил авторов в статистических ошибках: они усредняли данные по всем пробам и сессиям, а затем проводили t-тест на этих средних значениях, игнорируя корреляцию между каналами измерений, что приводило к ложной значимости результатов. Это классическая ловушка – трактовка зависимых измерений как независимых, из-за чего вариабельность искусственно занижалась, и различия между "да" и "нет" в мозговой активности казались значимыми, хотя на деле они могли быть случайными.
Шпюлер мотивировал свои обвинения стремлением к научной честности, поскольку работа обещала революцию в общении с пациентами в полном запертом состоянии – сознательными, но полностью парализованными людьми, такими как страдающие боковым амиотрофическим склерозом, где функциональная ближне-инфракрасная спектроскопия якобы позволяла декодировать мысли "да" или "нет" без движения мышц.
Четыре пациента были включены в исследование, но анализ, по мнению Шпюлера, был некорректным, и он публично оспорил выводы, что привело к официальным проверкам. Университет Тюбинген сформировал комиссию, которая в 2019 году обнаружила нарушения: выборочную селекцию данных во время сбора, отсутствие раскрытия данных и скриптов, пропажу части информации (например, для одного пациента отчитывались результаты за двенадцать дней, но доступны были только за восемь), а также возможное искажение из-за ошибочного анализа.
Комиссия рекомендовала отозвать статью, хотя прямого фабрикации данных не выявила, но отметила, что Бирбаумер лично принимал решения об исключении некоторых данных без объяснений, ссылаясь на технические проблемы или собственные суждения. Немецкий исследовательский фонд (DFG) также провел расследование в 2018 году по сигналу Шпюлера и в 2019 году установил научное нарушение, запретив Бирбаумеру и Чаудхари подавать заявки на гранты на пять лет и рекомендовав отозвать не только исходную статью, но и их опровержение критике Шпюлера.
Бирбаумер подал в суд на DFG, но в 2022 году стороны урегулировали спор, и санкции в основном остались в силе, хотя срок запрета сократили.
Этот случай стал уроком для научного сообщества: даже уважаемые ученые могут допускать ошибки в анализе, а отсутствие прозрачности данных усугубляет проблемы, подрывая доверие. Несмотря на скандал, Бирбаумер в 2022 году опубликовал новую работу о мозговом импланте для общения с парализованным пациентом, но его репутация пострадала, что может вызывать скептическое отношение к тому, что он публикует.
https://www.discovermagazine.com/the-fall-of-niels-birbaumer-40115
👍8❤1🔥1
Опубликован окончательный текст статьи (editorial):
https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2025.1705522/full
https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2025.1705522/full
Frontiers
Frontiers | Editorial: Exoskeleton gait training
Introduction Powered lower-limb exoskeletons increasingly show promise for restoring mobility, inducing neuromuscular plasticity, and enriching quality of li...
👍3
Правая лобная доля никому не нужна. Либо левая — в зависимости от интерпретации полезного эффекта от долбления ТМСом по мозгам.
Но это только в Австралии.
https://t.iss.one/neurosputnik/840
Но это только в Австралии.
https://t.iss.one/neurosputnik/840
Telegram
NeuroSputnik
🪫 Австралийцы нашли способ “подзарядить” мозг при ранней деменции 🔋
В Австралии стартовало исследование iCog.X Boost, где людям с лёгкими когнитивными нарушениями (первой стадией перед деменцией) предлагают тренировку мозга и магнитную стимуляцию.
Участникам…
В Австралии стартовало исследование iCog.X Boost, где людям с лёгкими когнитивными нарушениями (первой стадией перед деменцией) предлагают тренировку мозга и магнитную стимуляцию.
Участникам…
😁2
Революция в области нейрокомпьютерных интерфейсов: преодоление проблем биосовместимости
Нейрокомпьютерные интерфейсы (BCIs) обладают огромным потенциалом для нейрообратной связи, лечения неврологических травм и восстановления речи, сенсорных и двигательных функций, однако их длительная имплантация ограничена низкой биосовместимостью и механическим несоответствием традиционных электродов с нейронными тканями, что вызывает воспаление, рубцевание и снижение качества сигнала; этот обзор подробно анализирует режимы отказа имплантируемых нейронных электродов, обсуждает современные исследования биосовместимых покрытий (полимеры, гидрогели, наноматериалы) и стратегий проектирования (миниатюризация, гибкие конструкции, беспроводные технологии), подчеркивает ключевые вызовы, такие как хроническое воспаление и деградация материалов, и предлагает перспективные направления, включая адаптивные материалы, биомиметические подходы и интеграцию с искусственным интеллектом, для создания долговечных и эффективных нейроинтерфейсов.
https://jnanobiotechnology.biomedcentral.com/articles/10.1186/s12951-025-03573-x
Нейрокомпьютерные интерфейсы (BCIs) обладают огромным потенциалом для нейрообратной связи, лечения неврологических травм и восстановления речи, сенсорных и двигательных функций, однако их длительная имплантация ограничена низкой биосовместимостью и механическим несоответствием традиционных электродов с нейронными тканями, что вызывает воспаление, рубцевание и снижение качества сигнала; этот обзор подробно анализирует режимы отказа имплантируемых нейронных электродов, обсуждает современные исследования биосовместимых покрытий (полимеры, гидрогели, наноматериалы) и стратегий проектирования (миниатюризация, гибкие конструкции, беспроводные технологии), подчеркивает ключевые вызовы, такие как хроническое воспаление и деградация материалов, и предлагает перспективные направления, включая адаптивные материалы, биомиметические подходы и интеграцию с искусственным интеллектом, для создания долговечных и эффективных нейроинтерфейсов.
https://jnanobiotechnology.biomedcentral.com/articles/10.1186/s12951-025-03573-x
SpringerLink
Revolutionizing brain‒computer interfaces: overcoming biocompatibility challenges in implantable neural interfaces
Journal of Nanobiotechnology - Brain‒computer interfaces (BCIs) exhibit significant potential for various applications, including neurofeedback training, neurological injury management, and...
👍1
Картина Репина «Приплыли»
https://www.popularmechanics.com/science/a69099925/consciousness-brain-waves-new-theory/
https://www.popularmechanics.com/science/a69099925/consciousness-brain-waves-new-theory/
🤣5
Нейроны сетки: локальное отслеживание движения
Нейроны сетки, ключевые клетки для навигации, не работают как стабильная внутренняя карта. Исследования показывают, что они динамически переключаются между разными системами отсчета в пределах одной задачи. Их паттерн активности может сдвигаться, привязываясь к значимым объектам. Кроме того, постепенное изменение в кодировании направления движения этими нейронами предсказывает итоговый путь животного. Таким образом, они вычисляют положение не в глобальной, а в нескольких локальных системах отсчета.
https://www.nature.com/articles/s41593-025-02054-6
Нейроны сетки, ключевые клетки для навигации, не работают как стабильная внутренняя карта. Исследования показывают, что они динамически переключаются между разными системами отсчета в пределах одной задачи. Их паттерн активности может сдвигаться, привязываясь к значимым объектам. Кроме того, постепенное изменение в кодировании направления движения этими нейронами предсказывает итоговый путь животного. Таким образом, они вычисляют положение не в глобальной, а в нескольких локальных системах отсчета.
https://www.nature.com/articles/s41593-025-02054-6
Nature
Grid cells accurately track movement during path integration-based navigation despite switching reference frames
Nature Neuroscience - Grid cells do not maintain a stable pattern during a self-motion-based task, but track animal movement in multiple local reference frames and reanchor to task-relevant...
👍1
Смогут ли мультимодальные большие языковые модели достичь глубокого понимания мира?
Несмотря на успехи, большие языковые модели сталкиваются с проблемой связи с реальностью и не обладают глубоким пониманием. Мультимодальные модели пытаются решить эту проблему, связывая язык с другими модальностями, такими как зрение или действия в мире, что особенно важно для роботов. В работе исследуется, насколько такие модели, интегрированные с телесными агентами, могут достичь понимания через взаимодействие с физическим миром. Авторы утверждают, что для этого необходима более глубокая интеграция непрерывных сенсорных данных, целенаправленного поведения и адаптивного обучения в реальных условиях. Подчеркивается, что нынешние модели не достигают человеческого уровня понимания, поскольку их обучение на случайных наборах данных отличается от поэтапного когнитивного развития человека, который выстраивает сложные концепции на основе простых. Это отклонение мешает созданию глубокой и осмысленной базы знаний.
https://www.frontiersin.org/journals/systems-neuroscience/articles/10.3389/fnsys.2025.1683133/abstract
Несмотря на успехи, большие языковые модели сталкиваются с проблемой связи с реальностью и не обладают глубоким пониманием. Мультимодальные модели пытаются решить эту проблему, связывая язык с другими модальностями, такими как зрение или действия в мире, что особенно важно для роботов. В работе исследуется, насколько такие модели, интегрированные с телесными агентами, могут достичь понимания через взаимодействие с физическим миром. Авторы утверждают, что для этого необходима более глубокая интеграция непрерывных сенсорных данных, целенаправленного поведения и адаптивного обучения в реальных условиях. Подчеркивается, что нынешние модели не достигают человеческого уровня понимания, поскольку их обучение на случайных наборах данных отличается от поэтапного когнитивного развития человека, который выстраивает сложные концепции на основе простых. Это отклонение мешает созданию глубокой и осмысленной базы знаний.
https://www.frontiersin.org/journals/systems-neuroscience/articles/10.3389/fnsys.2025.1683133/abstract
Frontiers
Frontiers | Will Multimodal Large Language Models Ever Achieve Deep Understanding of the World?
Despite impressive performance in various tasks, large language models (LLMs) are subject to the symbol grounding problem, so from the cognitive science pers...
🔥3👍2
Исследование по оптимизации распознавания печати с помощью интерфейса "мозг-компьютер" на основе мысленного handwriting
Несмотря на значительные прорывы в области печати с помощью интерфейса "мозг-компьютер", основанной на мысленном представлении handwriting, это направление исследований по-прежнему сталкивается с рядом проблем. Среди них — неточные шаблоны символов, легкое смешение похожих символов, аномальное декодирование сигналов мозга и ошибочное обнаружение шумовых сигналов.
Для решения этих проблем в данном исследовании предлагаются подходы к улучшению. Во-первых, для оптимизации шаблонов символов используется метод разреженного главных компонент. Во-вторых, разработан классификатор второго уровня на основе сети долгой краткосрочной памяти для решения проблемы неправильного распознавания похожих символов. В-третьих, применяются адаптивные алгоритмы оптимизации для настройки порога и шага, чтобы смягчить ошибки распознавания символов, вызванные аномальным затуханием интенсивности сигналов мозга и шумовыми сигналами.
Благодаря этим усовершенствованиям, уровень ошибок для символов снизился с 2,93% до 2,30%, для слов — с 14,39% до 11,21%, а для предложений — с 73,02% до 60,32%. Проведенное исследование может предложить важную техническую поддержку для оптимизации печати с помощью интерфейса "мозг-компьютер".
https://link.springer.com/article/10.1007/s10586-025-05761-8
Несмотря на значительные прорывы в области печати с помощью интерфейса "мозг-компьютер", основанной на мысленном представлении handwriting, это направление исследований по-прежнему сталкивается с рядом проблем. Среди них — неточные шаблоны символов, легкое смешение похожих символов, аномальное декодирование сигналов мозга и ошибочное обнаружение шумовых сигналов.
Для решения этих проблем в данном исследовании предлагаются подходы к улучшению. Во-первых, для оптимизации шаблонов символов используется метод разреженного главных компонент. Во-вторых, разработан классификатор второго уровня на основе сети долгой краткосрочной памяти для решения проблемы неправильного распознавания похожих символов. В-третьих, применяются адаптивные алгоритмы оптимизации для настройки порога и шага, чтобы смягчить ошибки распознавания символов, вызванные аномальным затуханием интенсивности сигналов мозга и шумовыми сигналами.
Благодаря этим усовершенствованиям, уровень ошибок для символов снизился с 2,93% до 2,30%, для слов — с 14,39% до 11,21%, а для предложений — с 73,02% до 60,32%. Проведенное исследование может предложить важную техническую поддержку для оптимизации печати с помощью интерфейса "мозг-компьютер".
https://link.springer.com/article/10.1007/s10586-025-05761-8
SpringerLink
Research on optimization of brain-controlled typing recognition based on imaginary handwriting
Cluster Computing - Although brain-controlled typing based on imaginary handwriting typing has made significant breakthroughs, this research still faces some challenges, such as inaccurate...
👍1
Из рубрики «Философские притчи»
Однажды студенты МИФИ, где я недавно был и где есть кафедра теологии, решили проверить при помощи ИИ, существует ли бог. Они не задали этот вопрос в лоб, а сочинили очень интеллектуальный промпт. В результате вопрос очень понравился ИИ, и он глубоко задумался.
Думал ИИ очень долго, рассматривая все нюансы сложной и важной проблемы. На это понадобились вычислительные мощности. По счастью в Бразилии было построено несколько дата-центров, оснащенных современным оборудованием.Они работали слаженно и точно. Правда, при работе компьютеров выделялось тепло, но их охлаждали водой, взятой из реки Амазонки.
Вопрос о боге был непростым. К примеру: бог — это суперсущество, или практически один из нас? И поместится ли он на кончике иглы?
По мере проведения расчетов река Амазонка начала перегреваться. Это было очень хорошо, поскольку прожорливая и кровожадная рыбка пиранья наконец подохла. Заодно подохли ядовитые змеи в джунглях, так как они входили в эту экосистему. Это была двойная польза.
Постепенно река Амазонка высохла, на месте Бразилии образовалась безводная пустыня. Но компьютеры по всему миру,где еще оставалась вода, продолжали работать над проблемой.
Особенно полезным глобальное потепление оказалось для России. На территории МИФИ выросли красивые пальмы, а затем было принято решение заменить все крайне безобразные корпуса на великолепные чудеса архитектуры. Депрессивное Каширское шоссе стало не узнать, а охламны-физики поняли, что формулы лучше писать, лежа в шезлонгах у бассейна.
Ну а как же вопрос на поставленный вопрос? Думаете, он остался без ответа? — Ошибаетесь.
Однажды студенты МИФИ, где я недавно был и где есть кафедра теологии, решили проверить при помощи ИИ, существует ли бог. Они не задали этот вопрос в лоб, а сочинили очень интеллектуальный промпт. В результате вопрос очень понравился ИИ, и он глубоко задумался.
Думал ИИ очень долго, рассматривая все нюансы сложной и важной проблемы. На это понадобились вычислительные мощности. По счастью в Бразилии было построено несколько дата-центров, оснащенных современным оборудованием.Они работали слаженно и точно. Правда, при работе компьютеров выделялось тепло, но их охлаждали водой, взятой из реки Амазонки.
Вопрос о боге был непростым. К примеру: бог — это суперсущество, или практически один из нас? И поместится ли он на кончике иглы?
По мере проведения расчетов река Амазонка начала перегреваться. Это было очень хорошо, поскольку прожорливая и кровожадная рыбка пиранья наконец подохла. Заодно подохли ядовитые змеи в джунглях, так как они входили в эту экосистему. Это была двойная польза.
Постепенно река Амазонка высохла, на месте Бразилии образовалась безводная пустыня. Но компьютеры по всему миру,где еще оставалась вода, продолжали работать над проблемой.
Особенно полезным глобальное потепление оказалось для России. На территории МИФИ выросли красивые пальмы, а затем было принято решение заменить все крайне безобразные корпуса на великолепные чудеса архитектуры. Депрессивное Каширское шоссе стало не узнать, а охламны-физики поняли, что формулы лучше писать, лежа в шезлонгах у бассейна.
Ну а как же вопрос на поставленный вопрос? Думаете, он остался без ответа? — Ошибаетесь.
😁5😱4👍2❤1⚡1😇1
Dissociable cortical contributions to impulse control during waiting
Всем нам приходится чего-то ждать ждать, и это не всегда легко потому, что нужно подавлять импульсивные действия ради будущей награды. Исследование на мышах с задачей отложенного ответа выявило разные роли коры мозга в этом процессе: дорсомедиальная фронтальная кора (dmFC) способствует терпению, передняя островковая кора (AIC) провоцирует импульсивность, а задняя теменная кора (PPC) обеспечивает точность во времени ожидания, как показала оптогенетическая ингибиция. Кальциевый имаджинг выявил, что нейроны PPC кодируют абсолютное прошедшее время через активность, похожую на "клетки времени", предсказывая точность ожидания независимо от уровня терпения. Нейроны dmFC и AIC демонстрируют противоположную активность, связанную с лизанием (dmFC снижает, AIC повышает), а их изменения во время ожидания предсказывают терпение. Таким образом, PPC предоставляет временную информацию для регуляции поведения, а цепь dmFC-AIC создает динамику "толкай-тяни" для контроля терпения.
https://www.science.org/doi/10.1126/sciadv.adx4732
Всем нам приходится чего-то ждать ждать, и это не всегда легко потому, что нужно подавлять импульсивные действия ради будущей награды. Исследование на мышах с задачей отложенного ответа выявило разные роли коры мозга в этом процессе: дорсомедиальная фронтальная кора (dmFC) способствует терпению, передняя островковая кора (AIC) провоцирует импульсивность, а задняя теменная кора (PPC) обеспечивает точность во времени ожидания, как показала оптогенетическая ингибиция. Кальциевый имаджинг выявил, что нейроны PPC кодируют абсолютное прошедшее время через активность, похожую на "клетки времени", предсказывая точность ожидания независимо от уровня терпения. Нейроны dmFC и AIC демонстрируют противоположную активность, связанную с лизанием (dmFC снижает, AIC повышает), а их изменения во время ожидания предсказывают терпение. Таким образом, PPC предоставляет временную информацию для регуляции поведения, а цепь dmFC-AIC создает динамику "толкай-тяни" для контроля терпения.
https://www.science.org/doi/10.1126/sciadv.adx4732
Science Advances
Dissociable cortical contributions to impulse control during waiting
Triple dissociation in waiting behavior: PPC encodes time, while dmFC/AIC exert opposing control over patience/impulsivity.
🔥2
Сортировка спайков при помощи спайковой же нейросети:
A frugal Spiking Neural Network for unsupervised multivariate temporal pattern classification and multichannel spike sorting
Современные крупномасштабные нейронные интерфейсы требуют эффективных алгоритмов для автоматической обработки и оптимального использования их обширных непрерывных потоков данных. В этой связи представлена очень экономичная общая однослойная спайковая нейронная сеть (SNN) для обучения без учителя идентификации и классификации многомерных временных паттернов в непрерывных данных. Подход валидирован на симулированных многомерных данных, представлениях звуков речи и многоканальных мультиюнитных нейронных записях. Эта простая SNN эффективно классифицирует потенциалы действия на симулированных и реальных наборах для сортировки спайков. Результаты открывают путь к высокоэкономичным SNN-архитектурам для автоматического безнадзорного распознавания паттернов в реальном времени в высокоразмерных нейронных данных, подходящим для встраивания в ультранизкопотребляющие платформы, такие как нейронные импланты.
https://www.nature.com/articles/s41467-025-64231-2
A frugal Spiking Neural Network for unsupervised multivariate temporal pattern classification and multichannel spike sorting
Современные крупномасштабные нейронные интерфейсы требуют эффективных алгоритмов для автоматической обработки и оптимального использования их обширных непрерывных потоков данных. В этой связи представлена очень экономичная общая однослойная спайковая нейронная сеть (SNN) для обучения без учителя идентификации и классификации многомерных временных паттернов в непрерывных данных. Подход валидирован на симулированных многомерных данных, представлениях звуков речи и многоканальных мультиюнитных нейронных записях. Эта простая SNN эффективно классифицирует потенциалы действия на симулированных и реальных наборах для сортировки спайков. Результаты открывают путь к высокоэкономичным SNN-архитектурам для автоматического безнадзорного распознавания паттернов в реальном времени в высокоразмерных нейронных данных, подходящим для встраивания в ультранизкопотребляющие платформы, такие как нейронные импланты.
https://www.nature.com/articles/s41467-025-64231-2
Nature
A frugal Spiking Neural Network for unsupervised multivariate temporal pattern classification and multichannel spike sorting
Nature Communications - Novel brain implants generate massive data flow to be processed efficiently. Here, authors propose a light artificial spiking neural network to perform spike sorting, a key...
👍2
Detection and rehabilitation of age-related motor skills impairment: neurophysiological biomarkers and perspectives
Замечательный научный коллектив в лице Susanna Gordleeva, Nikita Grigorev, Elena Pitsik, Semen Kurkin, Viktor Kazantsev и Alexander Hramov анализирует возрастное снижение моторного контроля, ухудшающее качество жизни пожилых. Используются нейрофизиологические биомаркеры, включая спектральный анализ и сети функциональной связности, отмечая корреляции с латентностью нейронных откликов и деградацией моторного обучения. Обзор подчеркивает потенциал BCI с нейрофидбеком, DBS и цифровой медицины с ИИ для ранней диагностики нейродегенеративных заболеваний, сенсомоторной реабилитации и персонализированных вмешательств на основе непрерывного мониторинга.
https://www.sciencedirect.com/science/article/abs/pii/S1568163725002697
Замечательный научный коллектив в лице Susanna Gordleeva, Nikita Grigorev, Elena Pitsik, Semen Kurkin, Viktor Kazantsev и Alexander Hramov анализирует возрастное снижение моторного контроля, ухудшающее качество жизни пожилых. Используются нейрофизиологические биомаркеры, включая спектральный анализ и сети функциональной связности, отмечая корреляции с латентностью нейронных откликов и деградацией моторного обучения. Обзор подчеркивает потенциал BCI с нейрофидбеком, DBS и цифровой медицины с ИИ для ранней диагностики нейродегенеративных заболеваний, сенсомоторной реабилитации и персонализированных вмешательств на основе непрерывного мониторинга.
https://www.sciencedirect.com/science/article/abs/pii/S1568163725002697
👍2👀1
Parkinsonism disrupts the balance between excitatory and inhibitory activity within the primary motor cortex during movement
Болезнь Паркинсона нарушает баланс между возбуждением и торможением в первичной моторной коре мозга во время движения, что приводит к проблемам с координацией. Исследование на приматах показало: после вызова паркинсонизма нейротоксином МФТП в моторной коре увеличивается доля активированных нейронов и уменьшается подавленных, а изменения активности происходят медленнее. Это подтверждает идею о "перевозбуждении" коры из-за потери торможения, что усиливает моторные нарушения в базальных ганглиях и таламо-кортикальной сети, как видно из единичных записей нейронов во время задачи на дотягивание.
https://www.pnas.org/doi/abs/10.1073/pnas.2510287122
Болезнь Паркинсона нарушает баланс между возбуждением и торможением в первичной моторной коре мозга во время движения, что приводит к проблемам с координацией. Исследование на приматах показало: после вызова паркинсонизма нейротоксином МФТП в моторной коре увеличивается доля активированных нейронов и уменьшается подавленных, а изменения активности происходят медленнее. Это подтверждает идею о "перевозбуждении" коры из-за потери торможения, что усиливает моторные нарушения в базальных ганглиях и таламо-кортикальной сети, как видно из единичных записей нейронов во время задачи на дотягивание.
https://www.pnas.org/doi/abs/10.1073/pnas.2510287122
PNAS
Parkinsonism disrupts the balance between excitatory and inhibitory activity within the primary motor cortex during movement
Parkinson’s disease (PD) has been associated with alterations in neuronal activity in the basal ganglia-thalamocortical (BGTC) network. Previous st...
👍1