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：

AI根据人类大脑活动重建视觉图像

AI根据人类大脑活动重建视觉图像 这项研究利用了开源的 Stable Diffusion 模型，由日本大阪大学的科学家完成。该AI模型能够有效地生成高质量图像，并且能够捕捉到图像中不同层次的特征，从低级的边缘和纹理到高级的语义和场景。 他们使用功能性磁共振成像 (fMRI) 记录了人类大脑在观看不同类型的图片时产生的神经活动。然后设计了一个AI神经网络，学习大脑活动与 Stable Diffusion 的潜在表示 (图片的多维特征) 之间的映射关系。通过这个网络，他们能够从大脑活动中重建出与原始图片非常相似的图像。

我们的大脑如何工作？连接实验室培育的脑细胞产生新见解

我们的大脑如何工作？连接实验室培育的脑细胞产生新见解 东京大学工业科学研究所的研究人员发现，为实验室培育的"大脑器官"提供与真实大脑类似的连接，可以促进其发育和活动。资料来源：东京大学工业科学研究所神经研究的进展研究大脑发育和功能的确切机制具有挑战性。动物研究受到物种间大脑结构和功能差异的限制，而实验室培育的脑细胞往往缺乏人脑细胞特有的连接。更重要的是，研究人员越来越意识到，这些区域间的连接及其形成的回路，对于我们人类的许多大脑功能非常重要。以前的研究曾试图在实验室条件下创建大脑回路，这推动了这一领域的发展。东京大学的研究人员最近找到了一种方法，可以在实验室培育的"神经器官"（一种实验模型组织，将人类干细胞培育成模仿大脑发育的三维结构）之间建立更多生理连接。研究小组通过轴突束将有机体连接起来，这与活体人脑中各区域的连接方式类似。通过创新增进理解该研究的共同第一作者杜恩基（Tomoya Duenki）说："在实验室条件下生长的单神经器官中，细胞开始显示出相对简单的电活动。当我们用轴索束连接两个神经器官组织时，我们能够看到这些双向连接是如何促进器官组织之间活动模式的产生和同步的，这与大脑内两个区域之间的连接有一定的相似性。"与轴索束相连的大脑器官组织比单个器官组织或使用以前的技术相连的器官组织显示出更复杂的活动。此外，当研究小组使用一种被称为光遗传学的技术刺激轴索束时，类器官的活动也会发生相应的变化，类器官会在一段时间内受到这些变化的影响，这一过程被称为可塑性。研究的资深作者 Yoshiho Ikeuchi 解释说："这些发现表明，轴索束连接对于复杂网络的发展非常重要。"值得注意的是，复杂的大脑网络负责许多深层次的功能，如语言、注意力和情感。"鉴于大脑网络的改变与各种神经和精神疾病有关，因此更好地了解大脑网络非常重要。对实验室培养的人类神经回路进行研究，将有助于我们更好地了解这些网络在不同情况下是如何形成并随时间发生变化的，从而改进治疗这些疾病的方法。编译自:ScitechDaily ... PC版： 手机版：

网络成瘾改变了年轻人的大脑

网络成瘾改变了年轻人的大脑 根据发表在《PLOS Mental Health》期刊上的一项研究，网络成瘾改变了年轻人大脑中的化学反应，可能导致了更多成瘾行为。研究发现，年轻人大脑多个神经网络受到了明显影响，增加了休息时部分大脑区域的活动。参与主动思考（active thinking）的大脑部分功能连通性出现总体下降，“主动思考”是大脑负责记忆和决策的执行控制网络。研究发现，这些变化导致了青少年的成瘾行为和成瘾倾向，以及与心理健康、发育、智力和身体协调性相关的行为变化。来源 ， 频道：@kejiqu 群组：@kejiquchat

研究发现我们的大脑使用基本的音速和模式来区分音乐和语音

研究发现我们的大脑使用基本的音速和模式来区分音乐和语音 每年有超过三分之一的美国人受到这种语言障碍的困扰，其中包括温迪-威廉姆斯（Wendy Williams）和布鲁斯-威利斯（Bruce Willis）。纽约大学心理学系博士后、论文第一作者安德鲁-张（Andrew Chang）解释说："虽然音乐和语音在很多方面都不同，从音高、音色到声音质地，但我们的研究结果表明，听觉系统使用非常简单的声学参数来区分音乐和语音，总的来说，较慢和稳定的纯噪音声音片段听起来更像音乐，而较快和不规则的片段听起来更像语音"。该论文今天（5 月 28 日）发表在《PLOS 生物学》杂志上。科学家通过精确的测量单位来衡量信号的速率：赫兹（Hz）。赫兹数越大，表示每秒发生的次数（或周期）越多，而赫兹数越小，表示每秒发生的次数（或周期）越少。例如，人们通常以每秒 1.5 到 2 步的速度行走，也就是 1.5-2 赫兹。史蒂夫-汪达 1972 年的名曲"Superstition"（迷信）的节拍也是如此。迷信"的节拍约为 1.6 赫兹，而安娜-卡琳娜 1967 年的名曲"Roller Girl"则为 2 赫兹。相比之下，语音的速度通常要快两到三倍，为 4-5 赫兹。歌曲的音量或响度随时间的变化即所谓的"振幅调制"相对稳定在 1-2 赫兹。相比之下，语音的振幅调制通常为 4-5 赫兹，这意味着其音量变化频繁。尽管音乐和语音无处不在、耳熟能详，但科学家们以前并不清楚我们是如何毫不费力地自动将声音识别为音乐或语音的。声音感知实验结果在PLOS Biology的研究中，为了更好地理解这一过程，张及其同事进行了四次实验，让 300 多名参与者聆听了一系列不同振幅调制速度和规律的合成音乐和语音噪声片段。音频噪声片段只允许检测音量和速度。参与者被要求判断这些模棱两可的噪音片段（他们被告知这些片段是掩盖了噪音的音乐或语音）听起来像音乐还是语音。通过观察参与者将数百个噪音片段分类为音乐或语音的模式，可以发现速度和/或规律性特征对他们判断音乐和语音的影响有多大。科学家们总结说，这就是听觉版的"云中看脸"：如果声波中的某一特征符合听众对音乐或语音的理解，那么即使是白噪声片段听起来也会像音乐或语音。音乐和语音的例子可以从以下页面中获取：<2Hz）、振幅调制较规则的片段听起来更像音乐，而速率较高（~4Hz）、振幅调制较不规则的片段听起来更像语音。对治疗和康复的影响作者指出，了解人脑是如何区分音乐和语音的，有可能使听觉或语言障碍（如失语症）患者受益。例如，旋律音调疗法是一种很有前途的方法，它可以训练失语症患者唱出他们想说的话，利用他们完好的"音乐机制"绕过受损的语言机制。因此，了解是什么使音乐和语言在大脑中相似或不同，有助于设计更有效的康复计划。编译来源：ScitechDaily ... 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：