論文の概要: Online decoding of rat self-paced locomotion speed from EEG using recurrent neural networks

• arxiv url: http://arxiv.org/abs/2602.18637v1
• Date: Fri, 20 Feb 2026 22:12:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.209412
• Title: Online decoding of rat self-paced locomotion speed from EEG using recurrent neural networks
• Title（参考訳）: リカレントニューラルネットワークを用いた脳波からのラット自傷運動速度のオンライン復号
• Authors: Alejandro de Miguel, Nelson Totah, Uri Maoz,
• Abstract要約: 運動の正確な神経復号化は、リハビリテーションの進行、義肢の制御、行動の神経相関を理解することを約束する。 そこで我々は,ラットの脳波記録を用いて,非侵襲的かつ連続的に自傷運動速度をデコードすることを目的としている。
• 参考スコア（独自算出の注目度）: 41.99844472131922
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: $\textit{Objective.}$ Accurate neural decoding of locomotion holds promise for advancing rehabilitation, prosthetic control, and understanding neural correlates of action. Recent studies have demonstrated decoding of locomotion kinematics across species on motorized treadmills. However, efforts to decode locomotion speed in more natural contexts$-$where pace is self-selected rather than externally imposed$-$are scarce, generally achieve only modest accuracy, and require intracranial implants. Here, we aim to decode self-paced locomotion speed non-invasively and continuously using cortex-wide EEG recordings from rats. $\textit{Approach.}$ We introduce an asynchronous brain$-$computer interface (BCI) that processes a stream of 32-electrode skull-surface EEG (0.01$-$45 Hz) to decode instantaneous speed from a non-motorized treadmill during self-paced locomotion in head-fixed rats. Using recurrent neural networks and a dataset of over 133 h of recordings, we trained decoders to map ongoing EEG activity to treadmill speed. $\textit{Main results.}$ Our decoding achieves a correlation of 0.88 ($R^2$ = 0.78) for speed, primarily driven by visual cortex electrodes and low-frequency ($< 8$ Hz) oscillations. Moreover, pre-training on a single session permitted decoding on other sessions from the same rat, suggesting uniform neural signatures that generalize across sessions but fail to transfer across animals. Finally, we found that cortical states not only carry information about current speed, but also about future and past dynamics, extending up to 1000 ms. $\textit{Significance.}$ These findings demonstrate that self-paced locomotion speed can be decoded accurately and continuously from non-invasive, cortex-wide EEG. Our approach provides a framework for developing high-performing, non-invasive BCI systems and contributes to understanding distributed neural representations of action dynamics.
• Abstract（参考訳）: $\textit{Objective。 運動の正確な神経復号化は、リハビリや義肢の制御、行動の神経的関連を理解するための約束を果たす。 近年の研究では、運動トレッドミル上での移動運動運動の復号化が示されている。 しかし、より自然な文脈で移動速度を復号しようとする試みは、外部に課された$-$areの不足ではなく、自己選択された$-$whereのペースで行われ、一般的には控えめな精度しか達成せず、頭蓋内インプラントを必要とする。 そこで我々は,ラットの脳波記録を用いて,非侵襲的かつ連続的に自傷運動速度をデコードすることを目的としている。 $\textit{Approach 頭蓋骨表面脳波 (0.01$-45 Hz) のストリームを処理する非同期脳$-$ Computer Interface (BCI) を導入し, 頭蓋骨を固定したラットの自傷移動中, 非運動トレッドミルから瞬時速度を復号する。 リカレントニューラルネットワークと133時間以上の記録データを用いて、進行中の脳波をトレッドミル速度にマッピングするようにデコーダを訓練した。 $\textit{Main result 速度の相関は0.88(R^2$ = 0.78)であり、主に視覚皮質電極と低周波の振動によって駆動される。 さらに、1回のセッションで事前トレーニングを行うことで、同じラットの他のセッションのデコードが可能となり、セッション全体にわたって一般化されるが、動物間での移動に失敗する一様神経シグネチャが示唆された。 最後に、皮質状態は現在の速度だけでなく、将来のダイナミクスや過去のダイナミクスに関する情報も持っていて、最大1000 ms.$\textit{Significance.comまで伸びていることがわかった。 以上の結果から,非侵襲性大脳皮質脳波から自己ペースの移動速度を正確に,かつ連続的に復号することが可能であることが示唆された。 我々のアプローチは、高性能で非侵襲的なBCIシステムを開発するためのフレームワークを提供し、アクションダイナミクスの分散神経表現の理解に寄与する。

関連論文リスト

• Neuromorphic Wireless Split Computing with Resonate-and-Fire Neurons [69.73249913506042]
  本稿では、共振器(RF)ニューロンを用いて時間領域信号を直接処理する無線スプリットコンピューティングアーキテクチャについて検討する。 可変周波数で共鳴することにより、RFニューロンは低スパイク活性を維持しながら時間局在スペクトル特徴を抽出する。 実験の結果,提案したRF-SNNアーキテクチャは従来のLIF-SNNやANNと同等の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2025-06-24T21:14:59Z)
• Realtime-Capable Hybrid Spiking Neural Networks for Neural Decoding of Cortical Activity [42.72938925647165]
  皮質内脳-機械界面(iBMIs)は、損傷によって失われた脳活動の回復と復号に有望な解決策を提供する。 このような神経補綴物の患者は、デバイスがかさばる配線から生じる永久的な頭蓋骨の開口に悩まされる。 最近では、スパイクニューラルネットワーク(SNN)が低消費電力神経復号の候補として研究されている。
  論文  参考訳（メタデータ） (2025-06-16T12:08:08Z)
• Generalizable, real-time neural decoding with hybrid state-space models [19.90083268518243]
  本稿では、クロスアテンションモジュールによる個別スパイクトークン化と、再帰状態空間モデル(SSM)のバックボーンを組み合わせた、新しいハイブリッドアーキテクチャPOSSMを提案する。 サル運動タスクの皮質内復号におけるPOSSMの復号性能と推論速度を評価し,臨床応用に拡張することを示す。 これらすべてのタスクにおいて、POSSMは、最先端のトランスフォーマーに匹敵する復号精度を推論コストのごく一部で達成している。
  論文  参考訳（メタデータ） (2025-06-05T17:57:08Z)
• Hybrid Spiking Neural Networks for Low-Power Intra-Cortical Brain-Machine Interfaces [42.72938925647165]
  皮質内脳-機械界面(iBMI)は麻痺患者の生活を劇的に改善する可能性がある。 現在のiBMIは、ハードウェアと配線が大きすぎるため、スケーラビリティとモビリティの制限に悩まされている。 無線iBMIにおける組込みニューラルデコーディングのためのハイブリッドスパイキングニューラルネットワークについて検討している。
  論文  参考訳（メタデータ） (2024-09-06T17:48:44Z)
• 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)
• Neural Capacitance: A New Perspective of Neural Network Selection via Edge Dynamics [85.31710759801705]
  現在の実践は、性能予測のためのモデルトレーニングにおいて高価な計算コストを必要とする。 本稿では,学習中のシナプス接続(エッジ)上の制御ダイナミクスを解析し,ニューラルネットワーク選択のための新しいフレームワークを提案する。 我々のフレームワークは、ニューラルネットワークトレーニング中のバックプロパゲーションがシナプス接続の動的進化と等価であるという事実に基づいて構築されている。
  論文  参考訳（メタデータ） (2022-01-11T20:53:15Z)
• Neuroevolution of a Recurrent Neural Network for Spatial and Working Memory in a Simulated Robotic Environment [57.91534223695695]
  我々は,ラットで観察される行動と神経活動を再現する進化的アルゴリズムを用いて,生物学的に有意なリカレントニューラルネットワーク(RNN)でウェイトを進化させた。 提案手法は, 進化したRNNの動的活動が, 興味深く複雑な認知行動をどのように捉えているかを示す。
  論文  参考訳（メタデータ） (2021-02-25T02:13:52Z)
• Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving [65.36115045035903]
  スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。 各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
  論文  参考訳（メタデータ） (2020-01-24T22:58:55Z)

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。