論文の概要: MindSimulator: Exploring Brain Concept Localization via Synthetic FMRI
- arxiv url: http://arxiv.org/abs/2503.02351v1
- Date: Tue, 04 Mar 2025 07:20:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:15:52.765220
- Title: MindSimulator: Exploring Brain Concept Localization via Synthetic FMRI
- Title（参考訳）: MindSimulator: 合成FMRIによる脳概念のローカライゼーション
- Authors: Guangyin Bao, Qi Zhang, Zixuan Gong, Zhuojia Wu, Duoqian Miao,
- Abstract要約: ヒト大脳皮質における概念選択領域は、特定の概念に関連する特定の視覚刺激に応答して顕著な活性化を示す。
従来の実験駆動型アプローチは手作業による視覚刺激収集とそれに対応する脳活動記録に基づいている。
広範囲な脳活動記録を合成することにより、様々な概念選択領域を統計的に局在させる。
- 参考スコア（独自算出の注目度）: 11.463093725231971
- License:
- Abstract: Concept-selective regions within the human cerebral cortex exhibit significant activation in response to specific visual stimuli associated with particular concepts. Precisely localizing these regions stands as a crucial long-term goal in neuroscience to grasp essential brain functions and mechanisms. Conventional experiment-driven approaches hinge on manually constructed visual stimulus collections and corresponding brain activity recordings, constraining the support and coverage of concept localization. Additionally, these stimuli often consist of concept objects in unnatural contexts and are potentially biased by subjective preferences, thus prompting concerns about the validity and generalizability of the identified regions. To address these limitations, we propose a data-driven exploration approach. By synthesizing extensive brain activity recordings, we statistically localize various concept-selective regions. Our proposed MindSimulator leverages advanced generative technologies to learn the probability distribution of brain activity conditioned on concept-oriented visual stimuli. This enables the creation of simulated brain recordings that reflect real neural response patterns. Using the synthetic recordings, we successfully localize several well-studied concept-selective regions and validate them against empirical findings, achieving promising prediction accuracy. The feasibility opens avenues for exploring novel concept-selective regions and provides prior hypotheses for future neuroscience research.
- Abstract（参考訳）: ヒト大脳皮質における概念選択領域は、特定の概念に関連する特定の視覚刺激に応答して顕著な活性化を示す。
これらの領域を正確に局在させることは、神経科学において重要な脳機能とメカニズムを理解するための重要な長期的な目標である。
従来の実験駆動アプローチは、手動で構築された視覚刺激収集とそれに対応する脳活動記録に基づいており、概念ローカライゼーションの支持とカバレッジを制限している。
さらに、これらの刺激は、しばしば非自然的文脈における概念対象からなり、主観的嗜好に偏っている可能性があるため、特定された領域の妥当性と一般化性に対する懸念が引き起こされる。
これらの制約に対処するため,データ駆動探索手法を提案する。
広範囲な脳活動記録を合成することにより、様々な概念選択領域を統計的に局在させる。
提案するMindSimulatorは、先進的な生成技術を利用して、概念指向視覚刺激に基づく脳活動の確率分布を学習する。
これにより、実際の神経反応パターンを反映した模擬脳記録の作成が可能になる。
合成記録を用いて, よく研究された概念選択領域を同定し, 実験結果と比較し, 予測精度を期待できる結果を得た。
この実現性は、新しい概念選択領域を探索するための道を開き、将来の神経科学研究に先立つ仮説を提供する。
関連論文リスト
- Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
神経科学とAIの両方において、ニューロン間の'結合'が競合学習の形式につながることは長年知られている。
完全に接続された畳み込みや注意機構などの任意の接続設計とともに人工的再考を導入する。
このアイデアは、教師なしオブジェクト発見、敵対的ロバスト性、不確実性、推論など、幅広いタスクに性能改善をもたらすことを示す。
論文 参考訳（メタデータ） (2024-10-17T17:47:54Z) - MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。
現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。
我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
論文 参考訳（メタデータ） (2024-04-11T15:46:42Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - A Goal-Driven Approach to Systems Neuroscience [2.6451153531057985]
人間と動物は、動的環境において様々な興味深い行動を示す。
私たちの脳が、こうした行動を可能にするために、どのようにしてこの密集した感覚情報を積極的に再構築するかは不明です。
我々は、ニューラルサーキットの統一構造モデルと機能モデルを生み出すことを約束する新しい解釈可能性の定義を提供する。
論文 参考訳（メタデータ） (2023-11-05T16:37:53Z) - BrainSCUBA: Fine-Grained Natural Language Captions of Visual Cortex Selectivity [6.285481522918523]
そこで本研究では,関心のボクセルを最大に活性化する画像に対して,自然言語記述を生成するデータ駆動方式を提案する。
高次視覚領域にまたがる微細なボクセルレベルのキャプションにより,本手法の有効性を検証した。
そこで我々は,脳内の「個人」表現の分布に関する探索的研究を行った。
論文 参考訳（メタデータ） (2023-10-06T17:59:53Z) - Deep Neural Networks and Brain Alignment: Brain Encoding and Decoding (Survey) [9.14580723964253]
人工知能は人間の脳の秘密を解き放つことができるのか?
脳記録のパワーをタップすることでAIを強化することは可能か?
本調査は,ヒト脳記録研究と最先端認知神経科学データセットに焦点を当てた。
論文 参考訳（メタデータ） (2023-07-17T06:54:36Z) - Identifying Shared Decodable Concepts in the Human Brain Using
Image-Language Foundation Models [2.213723689024101]
高品質な事前学習型マルチモーダル表現を利用して、人間の脳内のきめ細かいセマンティックネットワークを探索する手法を提案する。
このような脳の領域を特定するために,我々は,大規模な機能的磁気共鳴画像(fMRI)データセットからデオード可能な視覚概念を明らかにするために,データ駆動型アプローチを開発した。
論文 参考訳（メタデータ） (2023-06-06T03:29:47Z) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳（メタデータ） (2022-12-08T15:16:04Z) - Towards a Neural Model for Serial Order in Frontal Cortex: a Brain
Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。
我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。
これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
論文 参考訳（メタデータ） (2020-05-22T14:29:51Z) - Neuronal Sequence Models for Bayesian Online Inference [0.0]
連続神経活動は、脳内の幅広いプロセスの基盤となる。
ニューロン配列の神経科学的証拠は、知覚、運動制御、スピーチ、空間ナビゲーション、記憶といった領域で報告されている。
本稿では、ニューロン配列に関する重要な知見を概説し、感覚運動処理と認識のモデルとして、シーケンスのオンライン推論の概念に関連付ける。
論文 参考訳（メタデータ） (2020-04-02T10:52:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。