論文の概要: When neural implant meets multimodal LLM: A dual-loop system for neuromodulation and naturalistic neuralbehavioral research

• arxiv url: http://arxiv.org/abs/2503.12334v1
• Date: Sun, 16 Mar 2025 03:07:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:28:25.504103
• Title: When neural implant meets multimodal LLM: A dual-loop system for neuromodulation and naturalistic neuralbehavioral research
• Title（参考訳）: 神経インプラントがマルチモーダルLEMと出会う時--ニューロ変調とニューロビヘイビア研究のためのデュアルループシステム
• Authors: Edward Hong Wang, Cynthia Xin Wen,
• Abstract要約: 本稿では、応答性神経刺激(RNS)インプラントと人工知能駆動型ウェアラブルデバイスを組み合わせた新しいデュアルループシステムを提案する。 PTSD療法モードでは、移植されたクローズドループニューラルデバイスが扁桃体活動を監視し、病理組織振動を検出するためのオンデマンド刺激を提供する。 神経科学研究モードでは、同じプラットフォームが現実世界の脳活動のキャプチャに適応している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We propose a novel dual-loop system that synergistically combines responsive neurostimulation (RNS) implants with artificial intelligence-driven wearable devices for treating post-traumatic stress disorder (PTSD) and enabling naturalistic brain research. In PTSD Therapy Mode, an implanted closed-loop neural device monitors amygdala activity and provides on-demand stimulation upon detecting pathological theta oscillations, while an ensemble of wearables (smart glasses, smartwatches, smartphones) uses multimodal large language model (LLM) analysis of sensory data to detect environmental or physiological PTSD triggers and deliver timely audiovisual interventions. Logged events from both the neural and wearable loops are analyzed to personalize trigger detection and progressively transition patients to non-invasive interventions. In Neuroscience Research Mode, the same platform is adapted for real-world brain activity capture. Wearable-LLM systems recognize naturalistic events (social interactions, emotional situations, compulsive behaviors, decision making) and signal implanted RNS devices (via wireless triggers) to record synchronized intracranial data during these moments. This approach builds on recent advances in mobile intracranial EEG recording and closed-loop neuromodulation in humans (BRAIN Initiative, 2023) (Mobbs et al., 2021). We discuss how our interdisciplinary system could revolutionize PTSD therapy and cognitive neuroscience by enabling 24/7 monitoring, context-aware intervention, and rich data collection outside traditional labs. The vision is a future where AI-enhanced devices continuously collaborate with the human brain, offering therapeutic support and deep insights into neural function, with the resulting real-world context rich neural data, in turn, accelerating the development of more biologically-grounded and human-centric AI.
• Abstract（参考訳）: 本稿では、応答性神経刺激(RNS)インプラントと人工知能駆動型ウェアラブルデバイスを相乗的に組み合わせて、外傷後ストレス障害(PTSD)を治療し、自然主義的脳研究を可能にする新しいデュアルループシステムを提案する。 PTSD療法モードでは、移植されたクローズドループニューラルデバイスが扁桃体活動を監視し、病理組織振動を検出するためのオンデマンド刺激を提供する一方、ウェアラブル(スマートグラス、スマートウォッチ、スマートフォン)のアンサンブルは、知覚データのマルチモーダル大言語モデル(LLM)分析を使用して環境または生理的PTSDトリガを検出し、タイムリーなオーディオ視覚的介入を提供する。 神経ループとウェアラブルループの両方からのログイベントを分析し、トリガー検出をパーソナライズし、患者を非侵襲的な介入へと段階的に移行させる。 神経科学研究モードでは、同じプラットフォームが現実世界の脳活動のキャプチャに適応している。 ウェアラブルLLMシステムは、自然現象(社会的相互作用、感情的状況、強制行動、意思決定)と信号埋め込んだRSNデバイス(無線トリガーを介して)を認識し、これらの瞬間に同期された頭蓋内データを記録する。 このアプローチは、ヒトの頭蓋内脳波記録とクローズドループ神経変調(BRAIN Initiative, 2023)の最近の進歩に基づいている(Mobbs et al , 2021)。 我々の学際システムは、従来の研究室の外で24/7のモニタリング、コンテキスト認識の介入、豊富なデータ収集を可能にして、PTSD治療と認知神経科学に革命をもたらすかについて議論する。 このビジョンは、AIによって強化されたデバイスが人間の脳と継続的に協力し、神経機能に対する治療的サポートと深い洞察を提供する未来である。

関連論文リスト

• A Bio-Inspired Research Paradigm of Collision Perception Neurons Enabling Neuro-Robotic Integration: The LGMD Case [7.885957968654851]
  昆虫の視覚系は、数万のニューロンに頼っているにもかかわらず、迅速かつ正確な衝突検出に優れる。 緑内障巨大運動検出器(LGMD)という,視神経の衝突選択的ニューロンを同定した。 LGMDニューロンの深い理解により、LGMDベースのモデルは、移動ロボットにおける衝突のないナビゲーションを大幅に改善した。
  論文  参考訳（メタデータ） (2025-01-06T12:44:48Z)
• Brain-like Functional Organization within Large Language Models [58.93629121400745]
  人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた 最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。 本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。 このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
  論文  参考訳（メタデータ） (2024-10-25T13:15:17Z)
• Exploring neural oscillations during speech perception via surrogate gradient spiking neural networks [59.38765771221084]
  本稿では、ディープラーニングフレームワークと互換性があり、スケーラブルな、生理学的にインスパイアされた音声認識アーキテクチャを提案する。 本研究では, 終末から終末までの勾配降下訓練が, 中枢スパイク神経ネットワークにおける神経振動の出現に繋がることを示す。 本研究は, スパイク周波数適応やリカレント接続などのフィードバック機構が, 認識性能を向上させるために, 神経活動の調節と同期に重要な役割を担っていることを明らかにする。
  論文  参考訳（メタデータ） (2024-04-22T09:40:07Z)
• The Neuron as a Direct Data-Driven Controller [43.8450722109081]
  本研究は、ニューロンを最適フィードバックコントローラとして概念化し、予測を最適化する現在の規範モデルを拡張する。 我々は、ニューロンを生物学的に実現可能なコントローラとしてモデル化し、ループダイナミクスを暗黙的に識別し、潜伏状態を推測し、制御を最適化する。 我々のモデルは、従来の、フィードフォワード、即時応答のマカロック-ピッツ-ローゼンブラットニューロンから大きく離れており、ニューラルネットワークを構築するための、新しく生物学的にインフォームドされた基本ユニットを提供する。
  論文  参考訳（メタデータ） (2024-01-03T01:24:10Z)
• Personalized identification, prediction, and stimulation of neural oscillations via data-driven models of epileptic network dynamics [0.0]
  脳波データから直接ててんかん性ネットワークダイナミクスの予測モデルを抽出するフレームワークを開発する。 本研究では,周期運転下での脳ネットワーク力学モデル間の直接対応を構築することができることを示す。 このことは、周期的な脳刺激がてんかん性ネットワークの病態状態を正常な機能的脳状態へと導くことを示唆している。
  論文  参考訳（メタデータ） (2023-10-20T13:21:31Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• 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)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• Neural dSCA: demixing multimodal interaction among brain areas during naturalistic experiments [6.2122699483618]
  神経集団間の多地域間相互作用は、私たちの日常生活における脳の豊富な感覚情報の処理の根底にある。 最近の神経科学と神経イメージングの研究は、脳内のそのような現実的な感覚計算を識別するために、自然主義的な刺激と実験的デザインをますます利用してきた。 そこで我々は,多機能なタスクや刺激パラメータを用いて,異なる神経集団によってどのように,どのような情報を共有するかを明らかにする,クロスリアルなインタラクション分析手法を開発した。
  論文  参考訳（メタデータ） (2021-06-05T19:16:21Z)
• Continuous Learning and Adaptation with Membrane Potential and Activation Threshold Homeostasis [91.3755431537592]
  本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。 このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。 実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
  論文  参考訳（メタデータ） (2021-04-22T04:01:32Z)
• Reinforcement Learning Framework for Deep Brain Stimulation Study [10.505656411009388]
  脳内の機能不全ニューロンは時折同期して活動し、多くの神経疾患を引き起こすとされる。 本稿では、このニューロンの集合的挙動をエミュレートする最初の強化学習体育館の枠組みについて述べる。 我々は,RLによる3つの信号伝達系に対する同期の抑制に成功し,フレームワークの雑音に対する安定性を特徴付けるとともに,複数のPPOエージェントを係合させることにより不要な振動を除去した。
  論文  参考訳（メタデータ） (2020-02-22T16:48:43Z)

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。