一种用于特定细胞类型的大脑计算机接口的AI代理

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 计算生物学 计算生物学

背景情况:

• 从电生理信号分类神经元亚型对于理解大脑功能至关重要,但仍然具有挑战性.
• 现有的方法需要大量的训练数据,并且缺乏在体内记录的概括性.

研究的目的:

• 开发一种新的AI框架,BCI AI Agent,用于从体内电生理学数据中准确有效地分类神经元细胞类型.
• 为了使神经元亚型推断能够进行少量学习,而无需对特定任务进行微调.
• 将细胞类型分类与自动验证和动态神经解码相结合.

主要方法:

• 重新利用预先训练的视觉语言模型 (VLMs) 作为电生理信号分类的少数射击学习器.
• 开发了BCI人工智能代理,集成基于视觉的推断,神经元跟踪和分子地图表验证.
• 将框架应用于动物运动学习任务和人类神经像素记录.

主要成果:

• 在最低限度的监督下实现了强大的和可泛化的神经元亚型推断,与光遗传标记数据集进行验证.
• 在动物运动学习中,BCI AI Agent揭示了稳定的,细胞类型特定的神经轨迹.
• 从人类记录中成功推断和验证神经元亚型,使用集成的地图集和文献.

结论:

• BCI AI Agent提供了一种可扩展的,无需培训的方法,用于在体内电生理学的细胞类型特定推断.
• 这一框架推进了对神经元群体对大脑功能和功能障碍的贡献的剖析.
• 为神经科学研究和临床大脑计算机接口提供了新的可能性.