Meta 的手指追踪神经腕带演示，感觉这个比纯光学的追踪更好一些，操作更精细，而且不会受到光线环境的影响。

Meta 的手指追踪神经腕带演示，感觉这个比纯光学的追踪更好一些，操作更精细，而且不会受到光线环境的影响。 这个手指追踪方法是通过感知从大脑通过手腕传递到手指的神经电信号，使用一种称为肌电图（EMG）的技术。 理论上，这种方法可能具有零甚至负的延迟，完美的准确性，不受光照条件的影响，并且不会受到遮挡的影响。 根据去年的时间表：手环将提供两种型号，价格不同 - 一种只有神经输入技术，另一种还配备显示屏和摄像头，可作为智能手表。 来源：

机器人 显微外科医生 缝合 玉米 粒。

机器人 显微外科医生 缝合 玉米 粒。 索尼开发的这款机器人使用显微镜和高度灵敏的控制装置来跟踪外科医生的手部动作，并对静脉和神经等小组织进行精细的手术。 该技术的主要优点之一是能够降低显微外科手术过程中出现并发症的风险。通过提供手术部位的放大视图并提供精确控制，机器人可以帮助最大限度地减少对周围组织的损伤并提高手术精度。 这项技术代表了显微外科领域的重大进步，并有可能改善各种外科手术的患者治疗效果。这是如何利用机器人技术来增强外科医生能力并改善患者护理的一个例子。#医学

果蝇肌肉的详细线路图揭示了意想不到的复杂性

果蝇肌肉的详细线路图揭示了意想不到的复杂性 研究人员说，果蝇看似简单，但它们的运动系统却包含了"意想不到的复杂程度"。科学家们观察到："一个典型的苍蝇运动神经元接受来自数百个突触前运动神经元的数千个突触。这一数字与啮齿类动物大脑皮层锥体细胞的突触整合规模相当"。控制果蝇腿部和翅膀肌肉的运动神经元解剖重建图。图片来源：Tyler Sloan/Quorometrix Studio发表在《自然》科学杂志上的两篇新论文揭示了这一领域的最新发现，加深了我们对动物中枢神经系统如何协调单个肌肉以促进各种行为的理解。雌果蝇起飞和飞行所涉及的各种神经系统结构的解剖重建动画。果蝇用腿进行跳跃、行走、梳理、打斗和求偶等多种活动。它们还能调整步态，在室内植物、墙壁、潮湿表面、天花板甚至昆虫级跑步机等地形中穿行。从使苍蝇能够保持稳定位置的姿势反射，到穿越障碍物或改变飞行方向，所有这些动作都源自运动神经元的电信号。这些信号通过运动神经元的线状突起来刺激肌肉。研究人员指出，果蝇的六条腿仅由 60 到 70 个运动神经元管理。他们指出，在猫体内，约有 600 个运动神经元为一块小腿肌肉提供动力。只有 29 个运动神经元控制着果蝇翅膀的动力肌和转向肌。相比之下，蜂鸟的胸肌由 2000 个运动神经元提供。虽然苍蝇的运动神经元很少，但它在空中和陆地上的表现却非常出色。雌果蝇腹侧神经索的解剖重建图。图片来源：Tyler Sloan/Quorometrix Studio科学家们解释说，运动单元由单个运动神经元和它所能激发的肌肉纤维组成。不同的运动单元以不同的组合和顺序被激活，协同实现无数的运动行为。参与这两项研究的科学家对前运动电路的布线逻辑很感兴趣。他们希望了解苍蝇的神经系统是如何协调运动单元来完成各种任务的。其中一项研究采用了自动化工具、机器学习、细胞类型注释和电子显微镜技术，在一只雌果蝇的腹侧神经索中识别出了14600个神经元细胞体和大约4500万个突触（信号传递连接点）。果蝇的腹侧神经索类似于脊椎动物的脊髓。科学家们随后应用深度学习，自动重建了整个雌果蝇的神经元解剖结构及其连接。研究人员使用复杂的方法绘制了腿部和翅膀运动神经元所针对的肌肉图谱。他们确定了雌性成体神经线连接组中哪些运动神经元与前腿和翅膀的各个肌肉相连。在此基础上，他们绘制了一张图谱，显示了在起飞和飞行运动启动过程中协调苍蝇腿部和翅膀运动的回路。为了腾空而起，苍蝇的中腿伸直以便跳跃，前腿弯曲以便起飞。这大致就像滑行中的客机在离开地面后缩回轮子，或者涉水的苍鹭在冲向天空时收起细长的腿，使其不碍事。科学家们还发现，成年苍蝇的一些肌肉纤维由多个运动神经元支配。这种情况也出现在果蝇和蝗虫的幼虫阶段。虽然一些哺乳动物在刚出生时有多个神经纤维支配，但这些神经纤维通常在成年后就会消失。多重神经支配可能会提供更大的灵活性，并解释为什么昆虫的运动神经元如此之少，四肢却能精确运作。科学家们还研究了苍蝇的翅膀运动系统，该系统按功能大致分为三个部分：为翅膀拍打提供动力、引导昆虫和调整翅膀运动。通过对前运动神经元连接性的研究，研究人员对两种肢体的前运动回路组织进行了比较。果蝇的腿和翅膀各有不同的进化和生物力学。连接组使科学家们能够就神经回路的功能提出新的理论，并揭穿一些错误的观念。科学家们提到，最近开发果蝇神经连接组的群体努力，首次为任何有肢动物绘制了突触级布线图。他们希望更多的连接组将使研究人员能够比较不同个体的神经布线。预计重建的雄性果蝇中枢神经索可能会揭示性别之间的差异。编译自/ScitechDaily ... PC版： 手机版：

科学家发现防止我们迷路的大脑活动模式

科学家发现防止我们迷路的大脑活动模式 这项研究确定了大脑中精细调整的头部方向信号。这些结果与在啮齿类动物身上发现的神经密码相当，对理解帕金森症和阿尔茨海默氏症等疾病具有重要意义。测量人在运动时的神经活动具有挑战性，因为现有的大多数技术都要求参与者尽可能保持静止。在这项研究中，研究人员利用移动脑电图设备和动作捕捉克服了这一难题。第一作者本杰明-J-格里菲斯博士说："掌握前进方向非常重要。在估计自己的位置和方向时，即使是很小的错误也会带来灾难性的后果。我们知道，鸟类、大鼠和蝙蝠等动物的神经回路可以让它们保持方向，但我们对人类大脑在现实世界中如何管理这一点却知之甚少，令人惊讶。"一组 52 名健康参与者参加了一系列运动跟踪实验，同时通过头皮脑电图记录了他们的大脑活动。通过这些实验，研究人员可以监测参与者在根据不同电脑显示器上的提示移动头部以确定方向时发出的大脑信号。在另一项研究中，研究人员监测了 10 名参与者的信号，这些人已经因癫痫等疾病接受了颅内电极监测。所有任务都会促使参与者移动头部，有时甚至只移动眼睛，脑电图帽和颅内脑电图（iEEG）记录了这些动作产生的大脑信号，前者用于测量来自头皮的信号，后者用于记录来自海马体和邻近区域的数据。在考虑了肌肉运动或参与者在环境中的位置等因素对脑电图记录造成的"混淆"后，研究人员能够显示出一种微调的方向信号，这种信号可以在参与者头部方向发生物理变化之前被检测到。格里菲斯博士补充说："分离这些信号使我们能够真正关注大脑如何处理导航信息，以及这些信号如何与视觉地标等其他线索一起发挥作用。我们的方法为探索这些特征开辟了新的途径，对神经退行性疾病的研究，甚至对改进机器人和人工智能中的导航技术都有意义"。在今后的工作中，研究人员计划将他们的学习成果应用于研究大脑如何在时间中导航，以找出类似的神经元活动是否对记忆起作用。编译来源：ScitechDaily ... PC版： 手机版：

科学家开发出能产生34倍于自身重量力量的人造肌肉装置

科学家开发出能产生34倍于自身重量力量的人造肌肉装置 研究人员利用离子聚合物人造肌肉开发出了一种软流体开关，它能以超低功率运行，产生的力是其重量的 34 倍。这一突破通过精确控制狭窄空间中的流体流动，为软机器人、生物医学设备和微流体技术提供了潜在应用。上图描述了在超低电压下使用软流体开关分离液滴的过程。资料来源：KAIST 软机器人与智能材料实验室韩国科学技术院（KAIST）（院长 Kwang-Hyung Lee）1 月 4 日宣布，机械工程系 IlKwon Oh 教授领导的一个研究小组开发出了一种软流体开关，它能在超低电压下工作，并能在狭窄空间内使用。现代科技中的人造肌肉人造肌肉模仿人类肌肉，与传统电机相比能提供灵活自然的运动，是软体机器人、医疗设备和可穿戴设备的基本元素之一。这些人造肌肉会根据电、气压和温度变化等外部刺激产生运动，要利用人造肌肉，必须对这些运动进行精确控制。基于现有电机的开关因其刚性和体积大而难以在有限的空间内使用。为了解决这些问题，研究团队开发了一种电离子软致动器，即使在狭窄的管道中也能控制流体流动，同时产生较大的力，并将其用作软流体开关。合成 pS-COF 并将其用作电活性软流体开关的普通电极-电解质宿主。A) pS-COF 的合成示意图。B) 电化学软开关的工作原理示意图。C) 使用基于 pS-COF 的电化学软开关在动态操作中控制流体流动的原理图。资料来源：KAIST 软机器人与智能材料实验室。研究小组开发的离子聚合物人工肌肉由金属电极和离子聚合物组成，在通电后会产生力和运动。人工肌肉电极表面由有机分子组合而成的多磺化共价有机框架（pS-COF）被用来以超低功率（~0.01V）产生相对于其重量的巨大力量。结果制造出的厚度为 180 微米、细如发丝的人造肌肉在启动平滑运动时产生的力比其 10 毫克的轻重量大 34 倍多。因此，研究小组能够以较低的功率精确控制流体的流动方向。领导这项研究的IlKwon Oh教授说："以超低功率运行的电化学软流体开关可以为基于流体控制的软机器人、软电子学和微流体学领域带来许多可能性。从智能纤维到生物医学设备，这项技术有可能立即在各种工业环境中投入使用，因为它可以轻松应用于我们日常生活中的超小型电子系统。" ... PC版： 手机版：

反思大脑设计：人类神经元的独特布线挑战了旧有假设

反思大脑设计：人类神经元的独特布线挑战了旧有假设 新研究发现，与小鼠的循环互动不同，人类新皮质神经元单向交流效率更高。这一发现可能会通过模仿人类大脑的连通性来促进人工神经网络的发展。记录多达十个神经元活动的多补丁实验装置。图片来源：Charité | 彭扬帆新皮质是人类智力的关键结构，厚度不足五毫米。在大脑的最外层，200 亿个神经元处理着无数的感官知觉，规划着行动，并构成了我们意识的基础。这些神经元是如何处理所有这些复杂信息的呢？这在很大程度上取决于它们之间的"连接"方式。夏里特神经生理学研究所所长约尔格-盖格（Jörg Geiger）教授解释说："我们以前对新皮层神经结构的理解主要基于小鼠等动物模型的研究结果。在这些模型中，相邻的神经元经常像对话一样相互交流。一个神经元向另一个神经元发出信号，然后另一个神经元再向它发出信号。这意味着信息经常以循环往复的方式流动"。带有机器人机械手的多通道装置，可在两轮实验之间自动冲洗玻璃移液管。图片来源：Charité | 彭扬帆人类的新皮质比小鼠的新皮质更厚、更复杂。尽管如此，研究人员之前一直假设部分原因是缺乏数据它遵循相同的基本连接原则。盖革领导的夏里特研究小组现在利用极其罕见的组织样本和最先进的技术证明了事实并非如此。在这项研究中，研究人员检查了23名在夏里特接受神经外科手术治疗耐药性癫痫患者的脑组织。在手术过程中，医学上有必要切除脑组织，以便观察其下的病变结构。患者同意将这些组织用于研究目的。神经元的旋转重建。图片来源：Charité | Sabine Grosser为了能够观察人类新皮层最外层相邻神经元之间的信号流，研究小组开发出了一种改进版的"multipatch"技术。这样，研究人员就能同时监听多达十个神经元之间的通信。因此，他们能够在细胞停止体外活动前的短时间内进行必要数量的测量，以绘制网络图。他们分析了近 1170 个神经元之间的通信渠道，以及约 7200 个可能的连接。他们发现，只有一小部分神经元之间进行了相互对话。"人类的信息往往是单向流动的。它很少直接或通过循环返回起点，"该论文的第一作者彭扬帆博士解释说。他曾在神经生理学研究所从事这项研究，目前在夏里特神经学系和神经科学研究中心工作。研究小组根据人类网络结构的基本原理设计了一种计算机模拟，以证明这种前向信号流在处理数据方面的优势。来自多配接装置的微量移液管接近单个神经元。图片来源：Charité | Franz Mittermaier研究人员给人工神经网络布置了一项典型的机器学习任务：从口语数字录音中识别出正确的数字。在这项语音识别任务中，模仿人类结构的网络模型比以小鼠为模型的网络模型获得了更多的正确响应。它的效率也更高，同样的成绩在小鼠模型中需要相当于 380 个神经元，而在人类模型中只需要 150 个神经元。"我们在人类身上看到的定向网络结构更强大，也更节省资源，因为更多独立的神经元可以同时处理不同的任务，"彭解释道。"这意味着局部网络可以存储更多信息。目前还不清楚我们在颞叶皮层最外层的发现是否会扩展到其他皮层区域，也不清楚这些发现能在多大程度上解释人类独特的认知能力。"过去，人工智能开发人员在设计人工神经网络时会从生物模型中寻找灵感，但也会独立于生物模型来优化算法。盖格说："许多人工神经网络已经使用了某种形式的前向连接，因为它能为某些任务带来更好的结果。人脑也显示出类似的网络原理，这令人着迷。这些对人类新皮质中具有成本效益的信息处理的洞察，可以为完善人工智能网络提供更多灵感"。编译来源：ScitechDaily ... PC版： 手机版：