Jun, 2022

Sensorium 竞赛：预测大规模小鼠初级视皮层活动

PDF
TL;DR提出一种 Mouse neural system identification 的 benchmark competition，收集了一组大规模的数据集，基于预测性能对不同模型进行排名和评估。
neural networksmouse visual systembenchmark competitionpredictive performancelarge-scale dataset
发现论文，激发创造
  • 单向脑机接口：人工神经网络将自然图像编码为视觉皮层的 fMRI 反应

    通过使用具有视觉和上下文输入的多模态模型 VISION，我们成功预测了人类大脑对自然图像的功能性磁共振成像（fMRI）扫描反应，其准确度超过了现有技术性能 45％，并揭示了不同视觉区域的表征偏差，生成了可实验检验的假设，并形成了可解释的指标将这些假设与皮层功能相关联，为设计和实现视觉皮层功能分析带来了降低成本和时间负担的可能性。通过计算模型的进化，我们的工作表明可能揭示出对视觉皮层的基本理解，并提供可靠的脑机接口的可行方法。

    Sep, 2023

  • 视觉注意信息可追溯至大脑皮层反应而非视网膜：来自自然图像刺激的电生理实验证据

    我们通过计算方法研究了视觉注意力的生物学基础，分析了小鼠的视网膜和皮层电生理数据，结果显示在 V1 中约 10% 的神经元对显著和非显著的视觉区域有不同的响应，视觉注意力信息在视网膜反应中并未被追踪到，似乎视网膜对视觉注意力仍然是个陌生的概念，而皮层反应会被调节以解释视觉注意力信息；我们的研究为改进视觉假体系统的设计（这类系统通过植入于视网膜或皮层的电子植入物为视力受损者创造人工视觉感知）做出了贡献。

    Aug, 2023

  • 大规模生成模型的视觉探索：基于脑扩散的皮层发现

    该研究通过结合大规模扩散模型和脑图像合成的方法，介绍了 BrainDiVE（Brain Diffusion for Visual Exploration），该方法有效地从自然图像和功能磁共振成像数据中合成预测激活给定脑区域的图像，并验证了 BrainDiVE 在人类视觉皮层的 fine-grained functional organization 的应用及假设驱动方法的作用。

    Jun, 2023

  • 利用大规模神经影像数据集创建连接组约束方法，以实现更加稳健、高效和适应性人工智能

    利用大型神经成像数据集中的连接性图谱等手段，改善边缘端机器学习的效率和鲁棒性，并通过对果蝇和哺乳动物视脑回路连接等领域的分析，展示了多种潜在的应用脑科学领域洞见的方法。

    May, 2023

  • 一种基于大脑皮层层次性事件回忆器的架构

    该研究提出了一种新的机器学习方法，专注于复杂模式的无监督连续上下文依赖学习。论文的证明了该系统能够从原始数据中学习、识别和预测人类言语等复杂时间序列。

    May, 2024

  • 恒河猴皮层人口动态推断

    本文介绍了一种基于递归神经网络（RNN）的神经元群体动态行为的建模方法，该方法经过 macaque 大脑皮层的四个数据集的测试，效果较其他模型更好，其中，RNN 的自回归偏差是实现最高水平性能的关键因素之一。此外，提出了一个新的混合架构，将 RNN 与自我关注补充在一起，从而进一步提高性能。

    Apr, 2023

  • 利用深度学习揭示初级视皮层图像的神经编码

    该论文使用深度卷积神经网络预测 V1 神经元对自然图像的响应，发现有 15% 的神经元可以准确预测，并使用逆神经网络确定激发 V1 神经元的图像特征（接受野），其中包括预测高级纹理图像特征的神经元。

    Jun, 2017

  • 大鼠初级视觉皮层中视觉物体表示的表征

    本文通过有指导的和无指导的学习方法，分析了大鼠初级视皮层（V1）中各种视觉物体属性的表示，并证明了 V1 神经元具有区分能力，可以直接从神经元响应中派生出光度属性（亮度和物体在场景中的位置）的能力。

    Oct, 2018

  • 用于光变稳健卷积神经网络的前皮层模块

    研究发现，在哺乳动物的低级视觉通路中，加入一种基于前皮层神经元回路的卷积模块可以显著提高卷积神经网络的鲁棒性。

    Feb, 2022

  • 像素到体素：人脑对视觉表示的建模

    通过计算机视觉和机器学习中的 Fisher Vectors 和 CNN 模型，本研究发现可以直接从像素级低级视觉输入预测高级视觉区域的人脑的活动，为探究人类视觉的功能原理提供了新平台。

    Jul, 2014