机械敏感离子通道Piezo1和Piezo2调节啮齿动物对经颅聚焦超声刺激大脑运动皮层的反应 学术背景 经颅聚焦超声（Transcranial Focused Ultrasound，TFUS）神经调节是一种非侵入性、深层脑刺激技术，以其高精准度和安全性在神经回路研究及脑病治疗中显示出巨大的潜力。然而，经颅聚焦超声的具体作用机制仍不完全清楚。已有研究表明，超声的机械效应，特别是声辐射力（Acoustic Radiation Force，ARF），可能通过作用于机械敏感离子通道，影响神经元活动。因此，明确这些离子通道在 TFUS 神经调控中的作用，对开发新的脑疾病治疗技术具有重要意义。 论文来源 本研究由 Tianqi Xu, Ying Zhang, Dapeng Li, Chunhao Lai,...

帕金森患者步态冻结量化模型研究 背景介绍 帕金森病 (Parkinson’s Disease, PD) 是一种常见的神经退行性疾病，伴随复杂的运动障碍。在帕金森病患者的后期阶段，“步态冻结” (Freezing of Gait, FOG) 现象尤为突出，指患者在行走过程中突然无法启动或继续行走的短暂现象。这种现象不仅会增加跌倒风险，还会显著降低患者的行动能力，严重影响其生活质量。因此，准确量化FOG的严重程度对于帮助临床医生管理此症状并减轻其影响至关重要。 目前临床上常用的新型步态冻结问卷（new Freezing of Gait Questionnaire, NFOG-Q）主要依靠患者自我报告和医生的经验进行评估。然而，这种评估方法带有主观性和不确定性，无法提供精准细致的量化结果。随着技术...

跨主体脑机接口：基于卷积神经网络的领域对抗训练实现实时注意力解码 学术背景 注意力解码在我们日常生活中扮演着至关重要的角色，其基于脑电图（EEG）的实现已经引起了广泛关注。然而，由于EEG信号在个体间的显著差异性，为每个人训练一个通用的模型在实践中是不可行的。因此，本文提出了一种端到端的脑机接口（BCI）框架，旨在解决这一挑战，特别是利用了时间和空间的一维卷积神经网络（1D CNN）及领域对抗训练策略（Domain-Adversarial Training）。 传统注意力解码方法通常依赖于预定义的特征提取和模式分类技术，如线性判别分析（LDA）和支持向量机（SVM），但这些方法在处理跨主体数据时表现出局限。另外，深度学习方法虽然在分类性能上表现出色，但如何处理EEG信号的显著个体差异性依旧是...

背景与研究动机 帕金森病（Parkinson’s Disease, PD）是一种神经退行性疾病，主要影响患者的运动能力，导致震颤、运动迟缓、四肢僵硬和行走平衡问题。这种运动缺陷严重影响患者的独立生活能力和生活质量。据统计，预计到2030年，仅在美国就会有近1.2百万人患有帕金森病，而全球的患者数更是超过1000万人。因此，如何准确评估和诊断患者的运动缺陷是一个急需解决的关键问题。 现有的PD严重性评估方法主要依赖于临床医生的主观观察和经验，通过患者在实验室或诊所中进行特定动作来评估。这种方法不仅受到人为主观因素的影响，且在受控环境中的观察无法充分反映患者在日常生活中的实际运动情况。因此，研究人员亟需一种可靠的、非侵入式的量化方法，能客观地评估帕金森病患者的运动缺陷，从而提供更及时有效的康复反...

学术报道：基于分数脉冲神经元电路的仿生视觉检测模型研究 在智能自动驾驶和无人驾驶飞行器等领域中，迅速有效地预测碰撞并触发避让行为具有非常重要的应用价值。蚱蜢的巨型运动探测器 (LGMDs) 能够在碰撞发生前有效地预测碰撞，并触发避让。这种能力使得LGMD成为设计碰撞避让人工视觉系统的理想模型。不同于传统CMOS摄像机，事件相机(DVS)能够模拟生物视觉系统中的光感受器，从底层仿真LGMD系统的分野，提供高时间分辨率、高动态范围和最小运动模糊等优势。 背景及意义 本次研究的作者为Yabin Deng、Haojie Ruan、Shan He、Tao Yang和Donghui Guo，分别来自厦门大学和福州大学，并在IEEE Transactions on Biomedical Engineeri...

CLASH：基于互补学习与神经架构搜索的步态识别框架 研究背景 步态识别是一种通过个体的行走模式进行身份识别的生物识别技术。这种技术由于可以在远距离无须个体合作的条件下进行，因此在安全检查、视频检索和身份识别等领域有着广泛的应用。然而，基于人影轮廓的识别方法存在一些问题：二值化的稀疏边界表示缺乏丰富的时空信息，使得轮廓大部分像素对步态模式不敏感。为了提高对步态模式的敏感性，同时保持识别的鲁棒性，本文引入了一种基于神经架构搜索的互补学习（Complementary Learning with Neural Architecture Search, CLASH）框架，旨在解决上述问题。 论文来源 本文由Huanzhang Dou、Pengyi Zhang、Yuhan Zhao、Lu Jin和Xi...