Михаил Лебедев (Mikhail Lebedev) — нейроученый
5.08K subscribers
4.84K photos
1.71K videos
52 files
7.06K links
Михаил Альбертович Лебедев (@lebedevmikhaila) — нейроученый. Индекс Хирша — 55 (Google scholar).

https://sites.google.com/site/lebedevneuro/curriculum-vitae

https://scholar.google.com/citations?user=cvd2xxcAAAAJ&hl=en
Download Telegram
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
👍1
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
👍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
🔥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
👍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.
😁5😱4👍211😇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
🔥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
👍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
👍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
👍1
Гамма-активность??

EEG Activity Over Ipsilateral and Contralateral M1 During Simple and Complex Hand Tasks: Variations with Motor Learning

Исследование на 47 правшах показало, что до обучения активность в гамма-диапазоне (50-80 Гц) над ипсилатеральной моторной корой (iM1) выше при простых задачах для обеих рук, чем при сложных. После 10 тренировок она выросла при сложных задачах и снизилась при простых, выровняв уровни. Активность над контралатеральной корой (cM1) не изменилась, подтвердив динамическую роль iM1 в освоении навыков в зависимости от сложности.

https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2025.1681250/abstract
Safety and effectiveness of Co-careldopa for motor recovery in post-stroke patients: A Systematic Review

Систематический обзор рандомизированных исследований по комбинации леводопа и карбидопы (Co-careldopa) для моторной реабилитации после инсульта. Короткий курс показал значимое улучшение моторики (до 79% у кортикальных инсультов), баланса и настроения с редкими побочками (тошнота, скованность), но долгосрочных выгод для ходьбы в крупном исследовании не выявлено. Препарат хорошо переносится, но нужны дополнительные испытания для подтверждения эффекта.

https://link.springer.com/article/10.1007/s10072-025-08492-1
MINDFUL: Safe, Implantable, Large-Scale Brain-Computer Interfaces from a System-Level Design Perspective

Интерфейсы мозг-компьютер (BCI) — один из самых быстрорастущих трендов в науке: они помогают инвалидам и помогают понять мозг. От простых наушников они эволюционировали в импланты с чипами, дающими высококачественные нейрональные данные. Но для безопасности импланты имеют ограничения по питанию, так что нужно балансировать сбор сигналов, вычисления на месте и беспроводную связь. Авторы Guy Eichler и команда разобрали вызовы дизайна, создали формулы для расчета энергопотребления и показали: крутые ИИ-методы для BCI пока не вписываются в энергобюджет, но в будущем все будет лучше.

https://dl.acm.org/doi/full/10.1145/3725843.3756032
Efficient Ocular Artifacts Removal from EEG Recordings using State Space Model

Сеть EORNet от Jin Yin и коллег эффективно убирает глазные артефакты из ЭЭГ с линейной сложностью через state space model, превосходя attention-методы: SNR +1.486, FLOPs в 36 раз меньше, параметров в 12 раз меньше. Улучшает точность моторного воображения на 2.57% и распознавания эмоций на 2.03% для BCI.

https://ieeexplore.ieee.org/abstract/document/11206005
Global Health Care Equivalency in the Age of Nanotechnology, Nanomedicine and Artificial Intelligence

Книга Фрэнка Дж. Бёма и Раджа Бавы рисует будущее глобальной медицины, где ИИ, квантовые компьютеры, нанотехнологии и блокчейн с квантовым шифрованием создают равный доступ к лечению для всех на планете. Авторы предлагают детальный план интеграции технологий, этические рамки и стратегии преодоления геополитических барьеров для универсальной системы здравоохранения, помогая политикам, ученым и студентам устранить мировые диспропорции в медицине.

https://www.amazon.ca/Equivalency-Nanotechnology-Nanomedicine-Artificial-Intelligence/dp/113863199X
Molecular Manufacturing: The Future of Nanomedicine

Книга Фрэнка Дж. Бёма раскрывает революцию атомно-точного производства для медицины: домашние Factory@Home системы создадут доступные автономные наномедицинские устройства против старения и болезней. Описаны ДНК-производство, квантовые нанонауки и демократизация технологий для равного глобального здравоохранения, независимо от дохода и места, — для ученых, врачей и энтузиастов нано-ИИ-медицины.

https://www.amazon.ca/Molecular-Manufacturing-Nanomedicine-Frank-Boehm/dp/1138632007
В свежей статье в Neuron (20 октября 2025) Han et al. описывают, как фаза тета-ритмов (3–6 Гц) в фронтальной глазной области (FEF) предсказывает считывание из рабочей памяти: обработка информации варьируется с фазой и положением цели, а тета "сканирует" визуальное пространство сверху вниз, модулируя спайки и бета-ритмы на противоположных фазах.

Однако они полностью проигнорировали наши статьи про бегущую нейрональную волну.

https://www.cell.com/neuron/abstract/S0896-6273(25)00744-5
🔥2
Assessing human scalp and brain blood flow sensitivities via superficial temporal artery occlusion using speckle contrast optical spectroscopy

Кровоток в мозге является ключевым показателем для мониторинга цереброваскулярной системы. Оценка кровотока важна для выявления инсультов, оценки повреждений мозга, изучении старения и неврологических расстройств.

Неинвазивное измерение динамики крови в мозге представляет собой сложную задачу из-за наличия кожи головы и черепа, которые препятствуют прямому доступу к мозгу и обладают собственной динамикой кровотока, которую необходимо изолировать. Здесь разработана агрегированная семиканальная система спектроскопии оптического контраста спекла (SCOS) для неинвазивного измерения кровотока и объема крови. Каждый канал нацелен на определенную глубину, чтобы регистрировать динамику кровотока.

Кратковременное окклюзирование поверхностной височной артерии, которая питает кровью только кожу головы, позволило разделить поверхностную динамику крови и сигналы мозга. Результаты 20 испытуемых показали, что каналы, чувствительные к коже головы, испытали значительное снижение динамики крови во время окклюзии, в то время как каналы, чувствительные к активности мозга, продемонстрировали минимальные изменения.

Это предлагается как экспериментальное доказательство чувствительности оптических диффузных измерений, таких как SCOS, к кровотоку в коже головы.

https://pubs.aip.org/aip/apb/article/9/4/046106/3368590/Assessing-human-scalp-and-brain-blood-flow
Как только я посетил конгресс по нейроэргономике в Костроме, авторы из капиталистических стран поспешили отметиться в этой теме. Нейровизуализация предсказывает скрытые устойчивые психологические состояния на работе (Goldstein et al., PNAS, 2025).

https://www.pnas.org/doi/10.1073/pnas.2504382122
🤓2🔥1😁1