論文の概要: Model-Guided Microstimulation Steers Primate Visual Behavior

• arxiv url: http://arxiv.org/abs/2510.03684v1
• Date: Sat, 04 Oct 2025 05:54:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.193105
• Title: Model-Guided Microstimulation Steers Primate Visual Behavior
• Title（参考訳）: モデル誘導マイクロ刺激ステアプライメイト視覚行動
• Authors: Johannes Mehrer, Ben Lonnqvist, Anna Mitola, Abdulkadir Gokce, Paolo Papale, Martin Schrimpf,
• Abstract要約: 初期の視覚補綴は初期の視覚皮質に電気的微小刺激を適用し、文字のような単純な記号の知覚を誘発する。 本研究では,高次大脳皮質の因果モデルと刺激の導出のための計算フレームワークを提案する。 この枠組みを2匹のマカクザルに適用し、モデル予測刺激実験は知覚的選択において重要な生体内変化をもたらした。
• 参考スコア（独自算出の注目度）: 4.226816735935618
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Brain stimulation is a powerful tool for understanding cortical function and holds promise for therapeutic interventions in neuropsychiatric disorders. Initial visual prosthetics apply electric microstimulation to early visual cortex which can evoke percepts of simple symbols such as letters. However, these approaches are fundamentally limited by hardware constraints and the low-level representational properties of this cortical region. In contrast, higher-level visual areas encode more complex object representations and therefore constitute a promising target for stimulation - but determining representational targets that reliably evoke object-level percepts constitutes a major challenge. We here introduce a computational framework to causally model and guide stimulation of high-level cortex, comprising three key components: (1) a perturbation module that translates microstimulation parameters into spatial changes to neural activity, (2) topographic models that capture the spatial organization of cortical neurons and thus enable prototyping of stimulation experiments, and (3) a mapping procedure that links model-optimized stimulation sites back to primate cortex. Applying this framework in two macaque monkeys performing a visual recognition task, model-predicted stimulation experiments produced significant in-vivo changes in perceptual choices. Per-site model predictions and monkey behavior were strongly correlated, underscoring the promise of model-guided stimulation. Image generation further revealed a qualitative similarity between in-silico stimulation of face-selective sites and a patient's report of facephenes. This proof-of-principle establishes a foundation for model-guided microstimulation and points toward next-generation visual prosthetics capable of inducing more complex visual experiences.
• Abstract（参考訳）: 脳刺激は皮質機能を理解する強力なツールであり、神経精神疾患の治療介入を約束する。 初期の視覚補綴は初期の視覚皮質に電気的微小刺激を適用し、文字のような単純な記号の知覚を誘発する。 しかし、これらのアプローチは基本的にハードウェアの制約と、この皮質領域の低レベル表現性によって制限されている。 対照的に、より高いレベルの視覚領域はより複雑なオブジェクト表現を符号化し、それによって刺激の有望なターゲットを構成するが、オブジェクトレベルの知覚を確実に誘発する表現対象を決定することは大きな課題である。 本稿では,(1)微小刺激パラメータを神経活動への空間的変化に変換する摂動モジュール,(2)皮質ニューロンの空間的構造を捉えて刺激実験のプロトタイピングを可能にするトポグラフィーモデル,(3)モデル最適化刺激部位を霊長類皮質にリンクするマッピング手順の3つの主要な構成要素からなる高次皮質の刺激を因果的にモデル化し,誘導するための計算枠組みを紹介する。 この枠組みを視覚認識タスクを行う2匹のマカクザルに適用することにより、モデル予測刺激実験は知覚的選択において重要な生体内変化をもたらした。 部位ごとのモデル予測とサルの行動は強く相関し, モデル誘導刺激の可能性を強調した。 さらに, 顔選択部位のシリカ内刺激と, 顔フェーンの報告との間には, 質的類似性が認められた。 このプリンシプルの証明は、モデル誘導型微小刺激の基礎を確立し、より複雑な視覚体験を誘導できる次世代の視覚補綴物に向けてのポイントを定めている。

関連論文リスト

• Rest2Visual: Predicting Visually Evoked fMRI from Resting-State Scans [30.743554598059692]
  本研究では、静止状態入力と2次元視覚刺激から視覚誘発されたfMRI(ve-fMRI)を予測する条件生成モデルであるRest2Visualを紹介する。 この結果から,自発神経活動の個別化が刺激に適応した表現に変換できることが示唆された。
  論文  参考訳（メタデータ） (2025-09-17T01:08:03Z)
• Integration of Calcium Imaging Traces via Deep Generative Modeling [0.0]
  スパイク推定アルゴリズムに頼らずに、カルシウムイメージング蛍光トレースから単一ニューロン表現を学習する方法を示す。 このアプローチは、バッチ効果を緩和しながら生物学的変動を保ちながら、最先端モデルよりも優れていることが判明した。 このフレームワークは、シングルニューロンダイナミクスの堅牢な可視化、クラスタリング、解釈を可能にする。
  論文  参考訳（メタデータ） (2025-01-24T16:33:52Z)
• 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)
• 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)
• Modelling Human Visual Motion Processing with Trainable Motion Energy Sensing and a Self-attention Network [1.9458156037869137]
  本稿では,生体とコンピュータの視覚モデルとのギャップを埋めることで,人間の動作知覚のイメージ計算可能なモデルを提案する。 このモデルアーキテクチャは、生体視覚システムにおける運動知覚のコア構造であるV1-MTの計算を捉えることを目的としている。 サイリコ神経生理学では、我々のモデルの単位応答は、運動プーリングやスピードチューニングに関する哺乳類の神経記録に類似していることが明らかになっている。
  論文  参考訳（メタデータ） (2023-05-16T04:16:07Z)
• Adapting Brain-Like Neural Networks for Modeling Cortical Visual Prostheses [68.96380145211093]
  皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。 現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。 我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-09-27T17:33:19Z)
• The Sensorium competition on predicting large-scale mouse primary visual cortex activity [28.272130531998936]
  本稿では,マウス視覚システムの最先端モデルを特定するために,Sensiumベンチマークコンペティションを提案する。 28,000以上のニューロンの反応を含むマウス一次視覚野から大規模なデータセットを収集した。 ベンチマークの課題は、保持されたテストセット上での神経反応の予測性能に基づいて、モデルをランク付けする。
  論文  参考訳（メタデータ） (2022-06-17T10:09:57Z)
• Brain Cortical Functional Gradients Predict Cortical Folding Patterns via Attention Mesh Convolution [51.333918985340425]
  我々は,脳の皮質ジャイロ-サルカル分割図を予測するための新しいアテンションメッシュ畳み込みモデルを開発した。 実験の結果,我々のモデルによる予測性能は,他の最先端モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-05-21T14:08:53Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• Fooling the primate brain with minimal, targeted image manipulation [67.78919304747498]
  本稿では、行動に反映される神経活動と知覚の両方の変化をもたらす、最小限の標的画像摂動を生成するための一連の手法を提案する。 我々の研究は、敵対的攻撃、すなわち最小限のターゲットノイズによる画像の操作で同じ目標を共有し、ANNモデルに画像の誤分類を誘導する。
  論文  参考訳（メタデータ） (2020-11-11T08:30:54Z)

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。