鼠标V1神经解码的可学习扩散框架
Kaiwen Deng1, Peter S Schwendeman1,2, Yuanfang Guan1,3
1Department of Computational Medicine and Bioinformatics, University of Michigan, Ann Arbor, Michigan, USA.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|March 6, 2026
概括
研究人员开发了Sensorium-Viz,这是一种新的AI模型,可以从小鼠大脑活动中重建图像. 这种工具为非灵长类系统中的视觉处理提供了前所未有的单个神经元洞察力.
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.
- 人工智能的人工智能
背景情况:
- 解码神经信号是理解大脑表现的关键.
- 人类fMRI研究主导视觉刺激重建.
- 鼠标成像在非灵长类动物视觉系统中提供单个神经元分辨率.
研究的目的:
- 介绍Sensorium-Viz,一种基于扩散的框架,用于解码小鼠初级视觉皮层活动.
- 从单个神经元反应中实现高分辨率图像重建.
- 提供对非灵长类动物视觉处理的见解.
主要方法:
- 开发了Sensorium-Viz,将扩散变压器 (DiT) 与空间神经元嵌入模块集成在一起.
- 实施了合成响应增强策略,以提高性能和通用化.
- 利用来自小鼠主要视觉皮层的成像数据.
主要成果:
- 传感器可靠地从新的单个神经元数据中重建复杂的高分辨率图像.
- 合成响应增强使重建得到了30%以上的改进,并使跨鼠标概括成为可能.
- 与领先的基于fMRI的方法相比,实现了高达10.65%的性能提升.
结论:
- 传感器-Viz是一种强大的工具,用于在小鼠模型中解码视觉.
- 对低级视觉特征敏感的神经元对于V1的刺激表现至关重要.
- 该框架促进了对非灵长类动物视觉系统的单个神经元级理解.
