海马体时空编码新进展——多路复用的θ相位编码及外界和自运动线索的调控机制 ——评述Nature Neuroscience最新发表论文：“allothetic and idiothetic spatial cues control the multiplexed theta phase coding of place cells” 一、学术背景与研究动因 空间导航与记忆在神经科学领域长期受到关注，海马体（hippocampus）作为脑内认知地图（cognitive map）产生与维持的关键结构，承载着空间信息编码与检索的核心功能。几十年来，关于海马体如何整合内外空间线索形成稳定且灵活的空间表征，一直是理论与实验亟待攻克的难题。 本研究聚焦于海马体主细胞——位置细胞（place cells）在θ...

人类听觉皮层时间整合机制：以绝对时间为主导的神经计算方式 近年来，声音结构处理特别是在语音和音乐理解过程中的大脑时间整合机制，引发了神经科学领域的广泛关注。声音信号，如语音中的音素（phoneme）、音节（syllable）和词（word）等结构，具有高度可变的持续时间，且在复杂语音感知和加工过程中，时间整合的窗口（integration window）——即大脑在多长的时间跨度内对声音做整合处理——对于理解神经计算模型尤为关键。本报道系统介绍了一项由 Sam V. Norman-Haignere、Menoua Keshishian 等人团队于 2025 年 11 月发表于 Nature Neuroscience 的最新原创研究，题为《Temporal integration in huma...

学术背景：知觉推理与神经机制探究 在日常生活中，我们的感觉系统经常面对不完整或模糊的信息。例如，物体被遮挡时，大脑依靠既有经验和预期完成对整体的推断。这种推理能力不仅是人类视觉系统的核心功能之一，同时也是其他动物包括灵长类、鼠类、鱼类甚至昆虫的共同能力。感知推断（sensory inference）不仅推动我们识别本不存在的边缘和形状，例如著名的Kanizsa三角形错觉（Kanizsa triangle illusion）中，观察者会看到不存在实物的白色三角形。这种“主观轮廓（illusory contour, IC）”现象本质上属于一种高层次的知觉推断，但其背后的神经机制长久以来仍未被充分揭示。 之前在灵长类和人类的研究中，发现初级视觉皮层（primary visual cortex, V...

深度学习在心电图自动诊断解释性研究 ——基于Explainable AI的进展综述 一、学术背景与问题提出 心电图（Electrocardiogram, ECG）作为临床诊断心脏疾病的重要生理信号采集手段，至今已有百年历史。近年来，随着人工智能（Artificial Intelligence, AI）和深度学习（Deep Neural Networks, DNNs）技术的快速发展，基于数据驱动的自动诊断算法在心电图领域获得了卓越的性能，尤其在心律失常等复杂异常识别上显著优于传统方法。深度学习模型通过自动学习和提取信号特征，极大地推动了心电图自动解读和辅助诊断系统的进步。 然而，这类黑箱性质的算法在实际临床应用中的推广仍然受限，最核心障碍之一正是缺乏可解释性（Explainability）。尽...

EEG 情感识别领域的新突破：MASA-TCN统一模型的提出与实验分析 学术背景与研究动机 人类情感识别（Emotion Recognition）一直是神经科学、人工智能以及人机交互领域的热点研究方向。通过对个体情绪状态的自动识别，可以服务于心理健康管理、智能辅助系统、以及更自然的人机互动，为抑郁、焦虑、孤独症谱系障碍等精神疾病患者提供有效干预与监测。然而，情感识别技术的发展主要集中在基于语音、面部表情等外部表现的信号，尽管这些信号易于采集，但极易受到被试主观控制或掩盖，缺乏对大脑真实情感状态的精准捕捉。 相比之下，脑电图（Electroencephalogram, EEG）作为一种非侵入、低成本、高时序分辨率的脑成像工具，能够直接反映大脑内在的情感神经活动，因此在情感识别领域具有独特优势。...

深度表示学习在失衡心电图分类中的创新应用 —— 《Deep Representation Learning with Sample Generation and Augmented Attention Module for Imbalanced ECG Classification》学术新闻报道 一、学术背景与研究动因 心脏健康监测在现代医疗保健领域中占据着至关重要的地位，尤其是在远程健康监护（Remote Health Monitoring）和物联网（IoT）技术快速发展的背景下，心电图（Electrocardiogram, ECG）作为心脏电活动的记录工具，始终是医生诊断心率失常（Arrhythmia）等心血管疾病的重要依据。心律失常凭借其发病率高、危险性大，成为心血管疾病致死的主要原因...

一、学术背景与研究动机 近年来，人工智能（Artificial Intelligence, AI）在医疗健康领域取得了巨大进展。从最初的辅助诊断、风险预测到个性化干预方案的推荐，AI已成为改善医疗服务质量和效率的重要工具。然而，AI在临床实际应用中仍面临诸多挑战，最突出的问题之一是模型的可解释性（Explainability）与可信度（Trustworthiness）。当AI系统被用于临床决策支持（Clinical Decision Support Systems, CDSS）时，医务人员和患者都迫切希望能“看懂”AI如何做出推断，以及这些推断是否符合现有医学知识而不是黑盒输出。缺乏透明度不仅限制了AI工具的推广，也影响了医生的信任与接受度，进而影响到患者的安全和健康结果。 为弥补这一缺陷，...