老鼠大脑中的细胞
信用:Flickr上的蔡司显微镜
0) 一个由UCL参与的国际团队设计的人工神经网络可以翻译大脑活动的原始数据，为新发现以及技术和大脑之间更紧密的融合铺平道路
这种新方法可以加速发现大脑活动与行为的关系
由特隆赫姆的卡弗利系统神经科学研究所和莱比锡的马克斯·普朗克人类认知和大脑科学研究所共同领导，由韦尔科姆和欧洲研究委员会资助的这项研究今天发表在《电子生活》杂志上，研究表明，卷积神经网络，一种特定类型的深度学习算法，能够解码来自包括人类在内的不同物种大脑区域的许多不同行为和刺激
首席研究员马库斯·弗雷(卡弗利系统神经科学研究所)说，“神经科学家已经能够从大脑中记录越来越大的数据集，但是理解这些数据中包含的信息——读取神经代码——仍然是一个难题
在大多数情况下，我们不知道正在传输什么信息
“我们想开发一种自动方法来分析许多不同类型的原始神经数据，从而避免手动破译它们的需要
" 他们测试了这个名为“深度洞察”的网络，测试对象是探索开放竞技场的老鼠发出的神经信号，发现它能够精确预测动物的位置、头部方向和奔跑速度
即使没有人工处理，结果也比常规分析获得的结果更准确
资深作者卡斯维尔·巴里教授(UCL细胞与发育生物学)说，“现有的方法错过了神经记录中的许多潜在信息，因为我们只能解码我们已经理解的元素
我们的网络能够访问更多的神经代码，并通过这样做教会我们阅读其他一些元素
“我们能够比以前更准确地解码神经数据，但真正的进步是网络不受现有知识的约束
" 研究小组发现，他们的模型能够识别神经代码的新方面，他们通过检测一种以前无法识别的头部方向表征来显示这种新方面，这种表征是由海马体一个区域的中间神经元编码的，该区域是最早显示阿尔茨海默病患者功能缺陷的区域之一
此外，他们表明，同一网络能够通过不同类型的大脑区域记录来预测行为，也可以用来推断人类参与者的手部动作，这是他们通过在预先存在的人类大脑活动记录数据集上测试网络来确定的
合著者Christian Doeller教授(Kavli系统神经科学研究所和Max Planck人类认知和脑科学研究所)说，“这种方法可以让我们在未来更准确地预测人类更高级别的认知过程，比如推理和解决问题
" 马库斯·弗雷补充说，“我们的框架使研究人员能够对他们未处理的神经数据进行快速自动化分析，节省了时间，这些时间只能用在最有希望的假设上，使用更传统的方法
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
