Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Auditory Pathway01:15

Auditory Pathway

5.8K
Auditory pathways constitute the complex neural circuits responsible for transmitting and interpreting auditory information from the peripheral auditory system to the brain. Sound waves are initially captured by the outer ear, funneled through the ear canal, and reach the tympanic membrane (eardrum). These vibrations are transmitted via the middle ear's ossicles to the inner ear's cochlea.
When viewed cross-sectionally, the cochlea reveals the scala vestibuli and scala tympani flanking...
5.8K
Neural Circuits01:25

Neural Circuits

1.6K
Neural circuits and neuronal pools are two of the main structures found in the nervous system. Neural circuits are networks of neurons that work together to carry out a specific task or process. They consist of interconnected neurons and glial cells, which provide structural and metabolic support.
Neuronal pools are collections of nerve cells with similar functions and interact through chemical and electrical signals. These pools include both interneurons (the central neural circuit nodes that...
1.6K
Hearing01:31

Hearing

53.0K
When we hear a sound, our nervous system is detecting sound waves—pressure waves of mechanical energy traveling through a medium. The frequency of the wave is perceived as pitch, while the amplitude is perceived as loudness.
53.0K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

GPR120/free fatty acid receptor 4 (FFAR-4) agonists, antagonists, allosteric modulators: Computational drug design and discovery review.

European journal of medicinal chemistry·2026
Same author

Advanced theoretical engineering of KM<sub>3</sub>H<sub>9</sub> (M = Fe, Co, Ni, Cu) hydrides for novel applications in hydrogen storage.

Dalton transactions (Cambridge, England : 2003)·2026
Same author

Over 600 million people aged 18-65 will have headache tomorrow: global 1-day prevalence and recall bias from a meta-analysis of individual participant data (N = 38,512) from the general populations of 15 countries.

The journal of headache and pain·2026
Same author

Clinical insights into levothyroxine overdose: A systematic review.

World journal of methodology·2026
Same author

Biopsychosocial stressors and perinatal mental health: The mediating role of social support in a Pakistani cohort.

Global mental health (Cambridge, England)·2026
Same author

A CFD and Experimental Investigation of the Influence of Flow Characteristics on Spherical Agglomeration.

Pharmaceutics·2026

Video Experimental Relacionado

Updated: Sep 10, 2025

Using Neuron Spiking Activity to Trigger Closed-Loop Stimuli in Neurophysiological Experiments
05:19

Using Neuron Spiking Activity to Trigger Closed-Loop Stimuli in Neurophysiological Experiments

Published on: November 12, 2019

7.1K

Las redes neuronales profundas explican el aumento de la actividad en la corteza auditiva

Bilal Ahmed1, Joshua D Downer2, Brian J Malone2

  • 1Elmore School of Electrical and Computer Engineering, Purdue University, West Lafayette, Indiana, United States of America.

PLoS computational biology
|August 25, 2025
PubMed
Resumen

Las redes neuronales artificiales (ANN) entrenadas en el habla predicen la actividad neuronal en la corteza auditiva. Estas ANN explican mejor las respuestas neuronales en escalas de tiempo finas que los modelos anteriores.

Más Videos Relacionados

Optical Recording of Suprathreshold Neural Activity with Single-cell and Single-spike Resolution
08:48

Optical Recording of Suprathreshold Neural Activity with Single-cell and Single-spike Resolution

Published on: September 5, 2012

12.0K
Author Spotlight: Advancing Large-Scale Neural Dynamics Through HD-MEA Technology
09:44

Author Spotlight: Advancing Large-Scale Neural Dynamics Through HD-MEA Technology

Published on: March 8, 2024

5.0K

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Using Neuron Spiking Activity to Trigger Closed-Loop Stimuli in Neurophysiological Experiments
05:19

Using Neuron Spiking Activity to Trigger Closed-Loop Stimuli in Neurophysiological Experiments

Published on: November 12, 2019

7.1K
Optical Recording of Suprathreshold Neural Activity with Single-cell and Single-spike Resolution
08:48

Optical Recording of Suprathreshold Neural Activity with Single-cell and Single-spike Resolution

Published on: September 5, 2012

12.0K
Author Spotlight: Advancing Large-Scale Neural Dynamics Through HD-MEA Technology
09:44

Author Spotlight: Advancing Large-Scale Neural Dynamics Through HD-MEA Technology

Published on: March 8, 2024

5.0K

Área de la Ciencia:

  • La neurociencia
  • Neurociencia computacional
  • Aprendizaje automático

Sus antecedentes:

  • Las redes neuronales artificiales (ANN) se destacan por predecir las respuestas neuronales en la corteza visual y auditiva de los primates a los estímulos estáticos.
  • El poder predictivo de las ANN para la actividad de picos de escala de tiempo fina, crucial para la audición, sigue siendo en gran medida inexplorado.

Objetivo del estudio:

  • Investigar si los ANN entrenados en audio de voz pueden predecir la actividad de picos en la corteza auditiva en escalas de tiempo finas.
  • Comparar el rendimiento predictivo de las ANN entrenadas con los campos receptivos espectrotemporales tradicionales y las redes no entrenadas.

Principales métodos:

  • Utilizó ANNs entrenados en conjuntos de datos de audio de voz.
  • Realizó grabaciones agudas de múltiples electrodos de la corteza auditiva de los monos ardilla.
  • Análisis del recuento de picos de múltiples unidades en respuesta al habla y las vocalizaciones de los monos utilizando anchos de compartimiento de tiempo variables (≤50 ms).

Principales resultados:

  • Los ANN entrenados predijeron con éxito conteos de picos de varias unidades en la corteza auditiva en escalas de tiempo de 50 ms o menos.
  • Las ANN explicaron una varianza neuronal significativamente más explicable en comparación con los campos receptivos espectrotemporales tradicionales y las redes no entrenadas.
  • Las capas ANN más profundas mostraron una mejor previsibilidad para las neuronas no primarias, aunque con una considerable variación específica de las neuronas.

Conclusiones:

  • Las ANN entrenadas en el habla proporcionan una herramienta poderosa para predecir la actividad cortical auditiva en escalas de tiempo finas.
  • Este enfoque supera los métodos tradicionales para explicar la varianza neuronal, ofreciendo nuevas ideas sobre el procesamiento auditivo.
  • Los hallazgos destacan el potencial de las ANN para comprender la codificación neuronal en sistemas sensoriales complejos.