Artículos sobre desarrollo en Brain Research Part2

May 09 2022
1. Comunicación inalámbrica directa de las mentes humanas a través de una plataforma no invasiva de cerebro-computadora-metasuperficie (arXiv) Autor: Qian Ma, Wei Gao, Qiang Xiao, Lingsong Ding, Tianyi Gao, Yajun Zhou, Xinxin Gao, Tao Yan, Che Liu, Ze Gu, Xianghong Kong, Qammer H.
Foto de Josh Riemer en Unsplash

1. Comunicación inalámbrica directa de la mente humana a través de una plataforma no invasiva de cerebro-computadora-metasuperficie ( arXiv )

Autor: Qian Ma , Wei Gao , Qiang Xiao , Lingsong Ding , Tianyi Gao , Yajun Zhou , Xinxin Gao , Tao Yan , Che Liu , Ze Gu , Xianghong Kong , Qammer H. Abbasi , Lianlin Li , Cheng-Wei Qiu , Yuanqing Li , Tie Jun Cui

Resumen :Las interfaces cerebro-computadora (BCI), invasivas o no invasivas, han proyectado una visión y una promesa incomparables para ayudar a los pacientes que necesitan mejorar su interacción con el entorno. Inspirándonos en las tecnologías de rehabilitación basadas en BCI para las deficiencias del sistema nervioso y la amputación, proponemos un paradigma electromagnético cerebro-computadora-metasuperficie (EBCM), regulado por la cognición humana mediante señales cerebrales de forma directa y no invasiva. Demostramos experimentalmente que nuestra plataforma EBCM puede traducir la mente humana de los potenciales evocados de la electroencefalografía basada en P300 a la información de codificación digital en el dominio electromagnético de forma no invasiva, que puede ser procesada y transportada por una metasuperficie de información de forma automatizada e inalámbrica. Las comunicaciones inalámbricas directas de las mentes humanas se realizan entre dos operadores EBCM con transmisiones de texto precisas. Además, se presentan varios otros esquemas de control mental de prueba de concepto utilizando la misma plataforma EBCM, exhibiendo capacidades flexiblemente personalizadas de procesamiento y síntesis de información, como escaneo de haz visual, modulaciones de onda y codificación de patrones.

2. Desenredar redes cerebrales funcionales espacio-temporales a través de transformadores gemelos ( arXiv )

Autor: Xiaowei Yu , Lu Zhang , Lin Zhao , Yanjun Lyu , Tianming Liu , Dajiang Zhu

Resumen :Cómo identificar y caracterizar las redes cerebrales funcionales (BN) es fundamental para obtener información a nivel de sistema sobre los mecanismos de la arquitectura organizacional del cerebro. El análisis actual de resonancia magnética funcional (fMRI) se basa en gran medida en el conocimiento previo de patrones específicos en el dominio espacial (p. ej., red de estado de reposo) o temporal (p. ej., estímulo de tareas). Además, la mayoría de los enfoques tienen como objetivo encontrar redes funcionales comunes grupales, las redes funcionales específicas de individuos rara vez se han estudiado. En este trabajo, proponemos un marco novedoso de transformadores gemelos para inferir simultáneamente redes funcionales comunes e individuales en el espacio espacial y temporal, de manera autosupervisada. El primer transformador toma información dividida en espacios como entrada y genera características espaciales, mientras que el segundo transformador toma información relacionada con el tiempo como características temporales de entrada y salida. Las características espaciales y temporales se separan aún más en comunes e individuales a través de interacciones (compartir pesos) y restricciones entre los dos transformadores. Aplicamos nuestro TwinTransformers al conjunto de datos de fMRI de tareas motoras del Proyecto Conectoma Humano (HCP) e identificamos múltiples redes cerebrales comunes, incluidas redes relacionadas con tareas y en estado de reposo (p. ej., red de modo predeterminado). Curiosamente, también recuperamos con éxito un conjunto de redes individuales específicas que no están relacionadas con el estímulo de la tarea y solo existen a nivel individual. Aplicamos nuestro TwinTransformers al conjunto de datos de fMRI de tareas motoras del Proyecto Conectoma Humano (HCP) e identificamos múltiples redes cerebrales comunes, incluidas redes relacionadas con tareas y en estado de reposo (p. ej., red de modo predeterminado). Curiosamente, también recuperamos con éxito un conjunto de redes individuales específicas que no están relacionadas con el estímulo de la tarea y solo existen a nivel individual. Aplicamos nuestro TwinTransformers al conjunto de datos de fMRI de tareas motoras del Proyecto Conectoma Humano (HCP) e identificamos múltiples redes cerebrales comunes, incluidas redes relacionadas con tareas y en estado de reposo (p. ej., red de modo predeterminado). Curiosamente, también recuperamos con éxito un conjunto de redes individuales específicas que no están relacionadas con el estímulo de la tarea y solo existen a nivel individual.

3. Reconocimiento de patrones con computación neuromórfica utilizando dinámicas de skyrmions inducidas por campos magnéticos ( arXiv )

Autor: Tomoyuki Yokouchi , Satoshi Sugimoto , Bivas Rana , Shinichiro Seki , Naoki Ogawa , Yuki Shiomi , Shinya Kasai , Yoshichika Otani

Resumen: Los fenómenos no lineales en los sistemas físicos se pueden utilizar para el cerebroInformática inspirada con bajo consumo de energía. La respuesta de la dinámica de una estructura topológica de espín llamada skyrmion es uno de los candidatos para tal computación neuromórfica. Sin embargo, su capacidad no ha sido bien explorada experimentalmente. Aquí, demostramos experimentalmente la computación neuromórfica utilizando una respuesta no lineal que se origina en la dinámica de skyrmions inducida por campos magnéticos. Diseñamos un dispositivo neuromórfico basado en skyrmion de estructura simple y logramos el reconocimiento de dígitos escritos a mano con una precisión de hasta el 94,7 % y el reconocimiento de formas de onda. En particular, existe una correlación positiva entre la precisión del reconocimiento y la cantidad de skyrmions en los dispositivos. El alto grado de libertades de los sistemas skyrmion, como la posición y el tamaño, originan el mapeo no lineal más complejo y la mayor dimensión de salida, y por lo tanto alta precisión. Nuestros resultados proporcionan una guía para desarrollar dispositivos informáticos neuromórficos skyrmion de alto rendimiento y ahorro de energía.

4. Un marco de interfaz cerebro-computadora independiente del sujeto basado en un codificador automático supervisado ( arXiv )

Autor: Navid Ayoobi , Elnaz Banan Sadeghian

Resumen :Se requiere un procedimiento de calibración en la interfaz cerebro-computadora basada en imágenes motoras (MI-BCI) para ajustar el sistema para nuevos usuarios. Este procedimiento requiere mucho tiempo y evita que los usuarios inexpertos utilicen el sistema de inmediato. Desarrollar un sistema MI-BCI independiente del sujeto para reducir la fase de calibración sigue siendo un desafío debido a las características dependientes del sujeto de las señales MI. Se han desarrollado muchos algoritmos basados ​​en el aprendizaje automático y el aprendizaje profundo para extraer características de alto nivel de las señales de MI para mejorar la generalización de un sistema BCI de sujeto a sujeto. Sin embargo, estos métodos se basan en el aprendizaje supervisado y extraen características útiles para discriminar varias señales MI. Por lo tanto, estos enfoques no pueden encontrar los patrones subyacentes comunes en las señales de MI y su nivel de generalización es limitado. Este documento propone un MI-BCI independiente del sujeto basado en un codificador automático supervisado (SAE) para eludir la fase de calibración. El marco sugerido se valida en el conjunto de datos 2a de la competencia BCI IV. Los resultados de la simulación muestran que nuestro modelo SISAE supera los algoritmos BCI convencionales y ampliamente utilizados, los patrones espaciales comunes y los patrones espaciales comunes del banco de filtros, en términos del valor medio de Kappa, en ocho de nueve sujetos.

5. Codificación cerebral visio-lingüística ( arXiv )

Autor : Subba Reddy Oota , Jashn Arora , Vijay Rowtula , Manish Gupta , Raju S. Bapi

Resumen :Habilitar interfaces cerebro-computadora efectivas requiere comprender cómo el cerebro humano codifica estímulos a través de modalidades como visual, lenguaje (o texto), etc. La codificación cerebral tiene como objetivo construir actividad cerebral fMRI dado un estímulo. Existe una plétora de modelos de codificación neuronal que estudian la codificación cerebral para estímulos monomodo: visual (CNN preentrenados) o texto (modelos de lenguaje preentrenados). Pocos artículos recientes también obtuvieron modelos de representación visual y de texto separados y realizaron una fusión tardía utilizando heurística simple. Sin embargo, el trabajo anterior no ha podido explorar: (a) la efectividad de los modelos de Transformador de imágenes para codificar estímulos visuales, y (b) el modelado multimodal co-atento para el razonamiento visual y de texto. En este artículo exploramos sistemáticamente la eficacia de los transformadores de imagen (ViT, DEiT, y BEiT) y transformadores multimodales (VisualBERT, LXMERT y CLIP) para la codificación cerebral. Los extensos experimentos en dos conjuntos de datos populares, BOLD5000 y Pereira, brindan los siguientes conocimientos. (1) Hasta donde sabemos, somos los primeros en investigar la eficacia de los transformadores de imagen y multimodales para la codificación cerebral. (2) Encontramos que VisualBERT, un transformador multimodal, supera significativamente a las CNN monomodo propuestas anteriormente, los transformadores de imágenes y otros modelos multimodales propuestos anteriormente, estableciendo así un nuevo estado del arte. La supremacía de los modelos visio-lingüísticos plantea la cuestión de si las respuestas provocadas en las regiones visuales se ven afectadas implícitamente por el procesamiento lingüístico incluso cuando se ven imágenes de forma pasiva.

© Copyright 2021 - 2022 | unogogo.com | All Rights Reserved