在体内电生理学记录和计算建模可以预测章鱼的手臂运动

科学领域:

• 神经科学是一个神经科学.
• 生物物理学的生物物理.
• 计算生物学 计算生物学

背景情况:

• 由于其复杂的神经系统,章鱼为研究运动控制提供了独特的模型.
• 了解运动的神经原理对于开发先进的机器人和神经假体至关重要.

研究的目的:

• 为了研究神经活动和章鱼手臂运动之间的关系.
• 使用机器学习开发章鱼运动行为的预测模型.
• 探索复杂运动的实时预测和控制的潜力.

主要方法:

• 使用碳电极从章鱼前部神经中单个单元电生理记录.
• 刺激手臂位置和记录神经尖峰和由此产生的运动.
• 机器学习的应用 (监督和无监督) 用于分析电生理学和动力学数据.
• 深度学习和维度缩小用于手臂运动的动力学分析.

主要成果:

• 在刺激后100毫秒内的神经尖峰的数量预测了手臂运动反应.
• 机器学习模型在预测手臂运动发生时达到88.64%的准确性.
• 模型在横向手臂运动和抓取运动之间进行了区分,准确率为75.45%.
• 识别了不同类型的手臂运动区分的一致动力学特征.

结论:

• 可实现对章鱼运动行为的实时预测和区分.
• 计算模型可以预测复杂的运动,指导神经电路激活.
• 这些发现有助于大脑机器接口,机器人,神经假体和人工智能.