論文の概要: Towards Unified Neural Decoding with Brain Functional Network Modeling
- arxiv url: http://arxiv.org/abs/2506.12055v1
- Date: Fri, 30 May 2025 12:10:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-22 23:32:14.611143
- Title: Towards Unified Neural Decoding with Brain Functional Network Modeling
- Title（参考訳）: 脳機能ネットワークモデリングを用いた統合ニューラルデコーディングに向けて
- Authors: Di Wu, Linghao Bu, Yifei Jia, Lu Cao, Siyuan Li, Siyu Chen, Yueqian Zhou, Sheng Fan, Wenjie Ren, Dengchang Wu, Kang Wang, Yue Zhang, Yuehui Ma, Jie Yang, Mohamad Sawan,
- Abstract要約: 本稿では,ニューラルデコードフレームワークMIBRAINについて述べる。
MIBRAINは、複数の個人にまたがる頭蓋内神経生理学的記録を統合することで、機能的脳ネットワークモデルを構築する。
我々のフレームワークは、個人間で堅牢なニューラルデコーディングの道を開き、実践的な臨床応用のための洞察を提供する。
- 参考スコア（独自算出の注目度）: 34.13766828046489
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent achievements in implantable brain-computer interfaces (iBCIs) have demonstrated the potential to decode cognitive and motor behaviors with intracranial brain recordings; however, individual physiological and electrode implantation heterogeneities have constrained current approaches to neural decoding within single individuals, rendering interindividual neural decoding elusive. Here, we present Multi-individual Brain Region-Aggregated Network (MIBRAIN), a neural decoding framework that constructs a whole functional brain network model by integrating intracranial neurophysiological recordings across multiple individuals. MIBRAIN leverages self-supervised learning to derive generalized neural prototypes and supports group-level analysis of brain-region interactions and inter-subject neural synchrony. To validate our framework, we recorded stereoelectroencephalography (sEEG) signals from a cohort of individuals performing Mandarin syllable articulation. Both real-time online and offline decoding experiments demonstrated significant improvements in both audible and silent articulation decoding, enhanced decoding accuracy with increased multi-subject data integration, and effective generalization to unseen subjects. Furthermore, neural predictions for regions without direct electrode coverage were validated against authentic neural data. Overall, this framework paves the way for robust neural decoding across individuals and offers insights for practical clinical applications.
- Abstract（参考訳）: 移植可能な脳-コンピュータインタフェース(iBCI)の最近の成果は、頭蓋内脳記録による認知と運動の振る舞いをデコードする可能性を実証している。
本稿では,脳内神経生理学的記録を複数の個体で統合することにより,機能的脳ネットワークモデルを構築する神経デコードフレームワークであるMIBRAINについて述べる。
MIBRAINは、自己教師型学習を活用して、一般化されたニューラルプロトタイプを導出し、脳領域間相互作用とオブジェクト間ニューラルシンクロニーの群レベル分析をサポートする。
この枠組みを検証するために,マンダリン音節明瞭化を行う個体のコホートから,立体脳波信号(sEEG)を記録した。
実時間オンラインとオフラインの両方の復号実験では、可聴音声とサイレント音声の復号化、多目的データの統合による復号精度の向上、不明な対象への効果的な一般化が見られた。
さらに, 直接電極被覆のない領域のニューラル予測を, 真のニューラルデータに対して検証した。
全体として、このフレームワークは個人間で堅牢なニューラルデコーディングの道を開き、実践的な臨床応用のための洞察を提供する。
関連論文リスト
- BrainStratify: Coarse-to-Fine Disentanglement of Intracranial Neural Dynamics [8.36470471250669]
ニューラルアクティビティから直接音声をデコードすることは、脳-コンピュータインターフェース(BCI)研究における中心的な目標である。
近年、脳内野電位記録(SEEG)やECoG(ElectroCorticoGraphy)など、頭蓋内野電位記録(intracranial field potential recordings)の利用により、エキサイティングな進歩がなされている。
i)タスク関連神経信号はsEEG電極に分散し、(ii)タスク関連神経信号をsEEGとECoの両方で絡み合うことが多い。
論文 参考訳（メタデータ） (2025-05-26T19:36:39Z) - Spatiotemporal Learning of Brain Dynamics from fMRI Using Frequency-Specific Multi-Band Attention for Cognitive and Psychiatric Applications [5.199807441687141]
MBBN(Multi-Band Net Brain)は、周波数特異的脳波を明示的にモデル化するトランスフォーマーベースのフレームワークである。
MBBNは3つの大規模なコホートで49,673人の個人を訓練し、精神医学と認知学の成果を予測する新しい最先端技術を確立している。
論文 参考訳（メタデータ） (2025-03-30T10:56:50Z) - Towards Dynamic Neural Communication and Speech Neuroprosthesis Based on Viseme Decoding [25.555303640695577]
テキスト、音声、あるいは人間の神経信号から画像を復号することは、患者の神経補綴や革新的なコミュニケーションツールとして有望な可能性を秘めている。
音声関連非侵襲脳信号から視覚音声意図を復号する拡散モデルに基づくフレームワークを開発した。
脳信号と動的視覚インターフェースのギャップを効果的に埋め、コヒーレントな唇運動の再構築に成功した。
論文 参考訳（メタデータ） (2025-01-09T04:47:27Z) - Parsing altered brain connectivity in neurodevelopmental disorders by integrating graph-based normative modeling and deep generative networks [1.2115617129203957]
神経型接続パターンからの分岐の定量化は、診断と治療の介入を知らせる有望な経路を提供する。
本稿では,生物にインスパイアされた深層生成モデルと規範的モデリングを統合したBRIDGEフレームワークによる脳表現について述べる。
BRIDGEは、接続ベースの脳年齢と時間年齢の違いに基づくグローバルなニューロディバージェンススコアと、局所的な接続性の違いを強調する地域的なニューロディバージェンスマップを提供する。
論文 参考訳（メタデータ） (2024-10-14T20:21:11Z) - 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) - A Hybrid Neural Coding Approach for Pattern Recognition with Spiking
Neural Networks [53.31941519245432]
脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。
これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。
本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
論文 参考訳（メタデータ） (2023-05-26T02:52:12Z) - 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) - BrainBERT: Self-supervised representation learning for intracranial
recordings [18.52962864519609]
我々は、神経科学に現代的な表現学習アプローチをもたらす頭蓋内記録のための再利用可能な変換器BrainBERTを開発した。
NLPや音声認識と同様に、この変換器は複雑な概念を高い精度で、はるかに少ないデータで分類することができる。
将来的には、表現学習を使用することで、はるかに多くの概念がニューラル録音から切り離され、言語モデルがアンロックされた言語のように脳をアンロックする可能性がある。
論文 参考訳（メタデータ） (2023-02-28T07:40:37Z) - 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) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z)
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。