論文の概要: Neuroprobe: Evaluating Intracranial Brain Responses to Naturalistic Stimuli

• arxiv url: http://arxiv.org/abs/2509.21671v1
• Date: Thu, 25 Sep 2025 22:38:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.063685
• Title: Neuroprobe: Evaluating Intracranial Brain Responses to Naturalistic Stimuli
• Title（参考訳）: 神経プローブ : 自然刺激に対する頭蓋内脳反応の評価
• Authors: Andrii Zahorodnii, Christopher Wang, Bennett Stankovits, Charikleia Moraitaki, Geeling Chau, Andrei Barbu, Boris Katz, Ila R Fiete,
• Abstract要約: 高解像度のニューラルデータセットは、次世代の脳-コンピュータインタフェースと神経学的治療の基礎モデルを可能にする。 Neuroprobeは、脳内のマルチモーダル言語処理を研究するためのデコードタスクのスイートである。 NeuroprobeはBrainTreebankのデータセット上に構築されており、10人の被験者から40時間のiEEG録音が自然主義映画視聴タスクを実行している。
• 参考スコア（独自算出の注目度）: 13.536940903353768
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-resolution neural datasets enable foundation models for the next generation of brain-computer interfaces and neurological treatments. The community requires rigorous benchmarks to discriminate between competing modeling approaches, yet no standardized evaluation frameworks exist for intracranial EEG (iEEG) recordings. To address this gap, we present Neuroprobe: a suite of decoding tasks for studying multi-modal language processing in the brain. Unlike scalp EEG, intracranial EEG requires invasive surgery to implant electrodes that record neural activity directly from the brain with minimal signal distortion. Neuroprobe is built on the BrainTreebank dataset, which consists of 40 hours of iEEG recordings from 10 human subjects performing a naturalistic movie viewing task. Neuroprobe serves two critical functions. First, it is a mine from which neuroscience insights can be drawn. Its high temporal and spatial resolution allows researchers to systematically determine when and where computations for each aspect of language processing occur in the brain by measuring the decodability of each feature across time and all electrode locations. Using Neuroprobe, we visualize how information flows from the superior temporal gyrus to the prefrontal cortex, and the progression from simple auditory features to more complex language features in a purely data-driven manner. Second, as the field moves toward neural foundation models, Neuroprobe provides a rigorous framework for comparing competing architectures and training protocols. We found that the linear baseline is surprisingly strong, beating frontier foundation models on many tasks. Neuroprobe is designed with computational efficiency and ease of use in mind. We make the code for Neuroprobe openly available and maintain a public leaderboard, aiming to enable rapid progress in the field of iEEG foundation models, at https://neuroprobe.dev/
• Abstract（参考訳）: 高解像度のニューラルデータセットは、次世代の脳-コンピュータインタフェースと神経学的治療の基礎モデルを可能にする。 コミュニティは、競合するモデリングアプローチを区別するために厳格なベンチマークを必要とするが、頭蓋内脳波(iEEG)記録のための標準化された評価フレームワークは存在しない。 このギャップに対処するために、脳内のマルチモーダル言語処理を研究するためのデコードタスクであるNeuroprobeを提案する。 頭蓋内脳波とは異なり、頭蓋内脳波は、脳からの神経活動を最小の信号歪みで記録する電極を移植するために、侵襲的な手術を必要とする。 NeuroprobeはBrainTreebankのデータセット上に構築されており、10人の被験者から40時間のiEEG録音が自然主義映画視聴タスクを実行している。 神経プローブは2つの重要な機能を持つ。 まず、神経科学の洞察を引き出すことができる鉱山である。 その高時間分解能と空間分解能により、研究者は時間とすべての電極位置のそれぞれの特徴の陰性度を測定することによって、言語処理の各側面の計算が脳内でいつどこで起こるかを体系的に決定できる。 Neuroprobeを用いて、上側頭回から前頭前皮質への情報の流れを可視化し、単純な聴覚的特徴からより複雑な言語的特徴への進化を純粋にデータ駆動的に可視化する。 第二に、分野が神経基盤モデルに向かうにつれ、Neuroprobeは競合するアーキテクチャとトレーニングプロトコルを比較するための厳格なフレームワークを提供する。 線形ベースラインは驚くほど強く、多くのタスクにおいてフロンティア基盤モデルを上回っていることがわかった。 Neuroprobeは計算効率と使いやすさを念頭に設計されている。 Neuroprobeのコードは公開されており、iEEGファンデーションモデルの分野で急速に進歩することを目指して、公開のリーダーボードを維持しています。

関連論文リスト

• Voxel-Level Brain States Prediction Using Swin Transformer [65.9194533414066]
  本稿では, 4D Shifted Window (Swin) Transformer をエンコーダとして用い, 時間的情報を効率よく学習し, 畳み込みデコーダを用いて入力fMRIデータと同じ空間的, 時間的解像度で脳状態の予測を可能にするアーキテクチャを提案する。 前回の23.04s fMRI時系列に基づいて7.2sの安静時脳活動を予測すると,高い精度が得られた。 これは、人間の脳の時間的構造が高解像度でSwin Transformerモデルによって学習できることを示す有望な証拠である。
  論文  参考訳（メタデータ） (2025-06-13T04:14:38Z)
• BrainODE: Dynamic Brain Signal Analysis via Graph-Aided Neural Ordinary Differential Equations [67.79256149583108]
  本稿では,脳波を連続的にモデル化するBrainODEというモデルを提案する。 遅延初期値とニューラルODE関数を不規則な時系列から学習することにより、BrainODEは任意の時点の脳信号を効果的に再構築する。
  論文  参考訳（メタデータ） (2024-04-30T10:53:30Z)
• Neuroformer: Multimodal and Multitask Generative Pretraining for Brain Data [3.46029409929709]
  最先端のシステム神経科学実験は大規模なマルチモーダルデータを生み出し、これらのデータセットは分析のための新しいツールを必要とする。 視覚領域と言語領域における大きな事前学習モデルの成功に触発されて、我々は大規模な細胞分解性神経スパイクデータの解析を自己回帰生成問題に再構成した。 我々はまず、シミュレーションデータセットでNeuroformerを訓練し、本質的なシミュレートされた神経回路の動作を正確に予測し、方向を含む基盤となる神経回路の接続性を推定した。
  論文  参考訳（メタデータ） (2023-10-31T20:17:32Z)
• Mapping and Validating a Point Neuron Model on Intel's Neuromorphic Hardware Loihi [77.34726150561087]
  インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。 Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。 Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
  論文  参考訳（メタデータ） (2021-09-22T16:52:51Z)
• Non-linear Neurons with Human-like Apical Dendrite Activations [81.18416067005538]
  XOR論理関数を100%精度で学習し, 標準的なニューロンに後続のアピーカルデンドライト活性化(ADA)が認められた。 コンピュータビジョン,信号処理,自然言語処理の6つのベンチマークデータセットについて実験を行った。
  論文  参考訳（メタデータ） (2020-02-02T21:09:39Z)

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。