Sep, 2022

半球专业化下的双侧大脑深度学习

PDF
TL;DR该研究提出了一种双侧神经网络结构，模仿大脑左右脑半球的功能区别，并通过对图像分类任务的测试表明，这种结构比其他容量类似的基线模型更具有效性，可以实现对图像特征的加权注意力。
hemispheric specializationartificial neural networkbilateral architectureimage classification taskweighted attention
发现论文，激发创造
  • 左 / 右脑、人类运动控制及对机器人的影响

    通过训练具有不同损失函数的半球，该研究探讨了一种用于运动任务的双侧神经网络架构作为控制系统，以实现类似于人类的半球专门化，其中协调和运动效率较好的领先体系在协调性任务上表现出色，而非领先体系在需要位置稳定性的任务上表现更好，并发现双侧模型优于单侧模型，在两项任务中都优于 “非首选” 手，并且不同模型之间的神经连接对于专门化的模型不一定总是改进性能。

    Jan, 2024

  • 基于不断增加复杂度的语言模型的 fMRI 预测恢复大脑左侧化

    通过对脑成像数据集的分析，我们发现自然语言处理、词嵌入、编码模型、fMRI 数据集和左右脑相关性是关键研究领域。

    May, 2024

  • 人工智能中的决策侧重性：证据支持的利与弊

    研究表明侧化是脊椎动物大脑中普遍存在的现象，同时也在生物智能中扮演了一个重要角色，最近已将侧化运用于人工智能系统中以解决计算机视觉和导航方面的复杂问题，并得到了实验结果的验证。

    Feb, 2023

  • 学习同源脑结构正常不对称表示

    通过异常检测和表征学习，使用孪生架构将大脑结构的左右半球分割映射到正常非对称嵌入空间中，以量化未见过的样本对中心的嵌入距离，为研究正常大脑非对称性和神经变性疾病的诊断提出了一种新颖的方法。

    Jun, 2023

  • 使用对称性分割脑瘤

    本文研究将脑部对称性编码进神经网络，用于脑肿瘤分割任务。我们提出了一种方法将脑部对称性编码进现有神经网络，并将该方法应用于医学成像分割的最新神经网络。通过在脑肿瘤分割挑战赛数据集上验证，我们证实了新模型比原模型更加高效地提取训练图像信息。

    Nov, 2017

  • 共同使用左脑和右脑：走向视觉和语言规划

    我们引入了一个新的视觉 - 语言规划框架来同时进行具有任何形式输入的任务的视觉和语言规划，该框架将视觉规划和语言规划相结合，以提高整体系统的逻辑连贯性，并通过评估在视觉 - 语言任务、仅视觉任务和仅语言任务上的表现，展示了我们方法的卓越性能，表明视觉和语言规划的整合能够产生更好的上下文感知任务执行结果。

    Feb, 2024

  • Symbrain: 新生儿脑对称性分析的大规模 MRI 图像数据集

    该研究提供了一个脑 MRI 图像的注释数据集，旨在推进脑对称性研究领域。数据集可用于训练深度学习模型，通过识别医学 MRI 图像中的潜在非对称模式，从而实现新生儿脑 MRI 异常检测的更精确诊断。此外，该数据集还可为使用两个脑半球的相对对称性进行关键诊断和治疗规划的方法的研究和开发做出贡献。

    Jan, 2024

  • 特异性判别分析揭示大脑功能网络侧化中性别差异的统计验证

    通过第一级分类左右功能网络和第二级分类男女模型，我们开发了一种用于学习性别特定模型的 Group-Specific Discriminant Analysis (GSDA) 方法，评估结果表明 GSDA 能在功能网络中学习性别特定模型，并在组特异性方面显著提高，主要性别差异在于侧化的强度和区域内部及区域间的相互作用。

    Apr, 2024

  • 基于对称性的人工和生物智能表示

    本篇论文讨论了对称变换作为引导好的感性表征的一个基本原则，并探讨了对称变换在生物智能中的应用以及对机器学习的数据效率和泛化能力的提升作用。

    Mar, 2022

  • 通过循环神经网络的优化出现头向系统的功能和结构特性

    本文研究了神经网络在模拟神经电路的结构和功能方面的表现，通过对啮齿动物和果蝇的头部定向系统进行的研究，证明了神经网络可以自然地产生指南针神经元和移位器神经元等不同类别的神经元，其结果表明，人工神经网络可用于在神经活动和解剖组织层面上研究大脑。

    Dec, 2019