从一个大脑转移到另一个大脑的无监督方法
Daiki Nakamura1, Shizuo Kaji2, Ryota Kanai3
1Human Informatics and Interaction Research Institute, National Institute of Advanced Industrial Science and Technology, Ibaraki, Japan.
Frontiers in neuroinformatics
|December 13, 2024
概括
这项研究引入了一种新的无监督方法,用于大脑表示传输,使神经数据在个人之间翻译成为可能,而不需要相应的标签. 这种技术有助于将现有的大脑解码模型重新应用于新的数据集和个人.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 机器学习 机器学习
背景情况:
- 神经信息表示在个体之间有很大差异.
- 解码大脑活动往往需要个性化模型,限制数据的可重复使用性.
- 脑对脑通信和跨主体模型应用需要有效的数据翻译.
研究的目的:
- 开发一种无监督的方法,用于在个体之间进行大脑表示传输.
- 为了使神经数据表示的转换没有相应的标签信息.
- 为了证明该方法的适用性,重新使用现有的大脑解码模型.
主要方法:
- 开发了一种通过编码器使用非线性维度缩小进行大脑表示转移的算法.
- 利用低维超球上的旋转和反射转换来捕捉共同的相似结构.
- 使用人工神经网络数据和人类参与者的功能磁共振成像 (fMRI) 数据验证了该方法.
主要成果:
- 成功执行无监督的大脑表示转移,在某些情况下实现了与监督方法相比的转换.
- 证明了从单个大脑数据中重建图像的能力,而无需个性化解码器.
- 在模拟的神经活动和真实fMRI数据上验证了该方法的有效性.
结论:
- 建议的无监督传输方法有效地重新应用参与者特定的模型来解码来自其他个体的神经信息.
- 这种方法作为一种概念证明,用于在个人之间交换潜在的神经信息属性.
- 这些发现支持了个性化神经科学和脑计算机接口的更广泛应用的潜力.
