GCTNet：基于EEG信号检测重度抑郁症的图卷积Transformer网络 研究背景 重度抑郁症（Major Depressive Disorder, MDD）是一种普遍的精神疾病，其特征是显著且持续的低落情绪，全球约有超过3.5亿人受到影响。MDD是导致自杀的主要原因之一，每年约有80万人因此丧生。当前MDD的诊断主要依赖于患者的自我报告和临床医生的专业判断。然而，诊断过程的主观性可能会导致不同医生之间的一致性较低，从而可能产生不准确的诊断。研究发现，被诊断为MDD的一般医生的正确率仅为47.3%。因此，探索客观可靠的生理指标，并采用有效的方法及时识别MDD，对于促进早期诊断和干预至关重要。 论文来源 本论文由Beijing Advanced Innovation Center for ...
基于高频稳态视觉诱发场的视觉脑机接口 背景介绍 脑机接口（Brain-Computer Interface, BCI）技术通过解码特定的脑活动信号，使用户能够控制机器。尽管侵入性BCI在捕获高质量脑信号方面表现出色，但其应用主要局限于临床环境。而非侵入性方法，如脑电图（Electroencephalography, EEG），则为广泛应用BCI提供了更具可行性的途径。然而，由于脑脊液和颅骨的影响，EEG信号在传播过程中会变得非常微弱，且颅骨的差异性和各向异性导电性让定位EEG信号位置变得更加困难。 磁源成像（Magnetoencephalography, MEG）是一种非侵入性成像脑活动的方法，它在捕捉精细空间信息方面优于EEG。这种优势主要源自磁通量不会像电流那样受到衰减。然而，传统MEG...
帕金森病(Parkinson’s Disease, PD)患者通常会经历步态障碍，这种障碍严重影响他们的生活质量。以往的研究表明，基底神经节的β频率(15-30 Hz)振荡活动可能与步态障碍相关，但这些振荡活动在步态过程中的确切动态信息尚不清楚。此外，已有研究发现音频提示可以改善PD患者的步态运动学，如果能更好地了解这一提示的神经生理机制，则可以通过自适应深部脑刺激(ADBS)技术治疗步态障碍。因此，本研究旨在描绘步态过程中丘脑下核(subthalamic nucleus, STN)振荡活动的动态特征，并探索音频提示调节步态的神经生理机制。 来源和作者信息 本文由Chien-Hung Yeh、Yifan Xu、Wenbin Shi、James J. Fitzgerald、Alexander ...
在神经形态硬件上使用类脑计算原理的学习逆动力学 背景与研究动机 在现代机器人领域中，实现自主人工代理的低延迟神经形态处理系统具有巨大潜力。但目前硬件基础的可变性和低精度对其稳定和可靠性能的实现提出了严峻挑战。为了应对这些挑战，研究者们采用基于大脑启发的计算原理（computational primitives），如三元峰时间依赖可塑性（triplet spike-timing dependent plasticity）、基于基底神经节的去抑制机制以及合作竞争网络，并将这些技术应用于运动控制。 本研究通过展示一个使用混合信号神经形态处理器实现的硬件脉冲神经网络（spiking neural network，SNN）在线学习两关节机器人臂的逆运动学的示例，证明了这一方法的可行性。最终系统能够使用...
研究背景 胃肠疾病在全球范围内表现出广泛而复杂的症状，如腹泻、胃肠道出血、吸收不良、营养不良，甚至神经功能障碍等。这些疾病因为其显著的地区、年龄和性别差异，构成了现代社会重大健康挑战和社会经济负担，尤其是胃肠道癌症，占全球癌症发病率和死亡率的三分之一。早期筛查胃肠疾病并进行及时干预对减少死亡率和提高寿命具有重要意义。 传统的胃肠疾病筛查方法主要依赖内窥镜检查，使用嵌入摄像头的柔性内窥镜，通过天然开口检查胃肠道。然而，内窥镜检查尽管广泛应用于医院，仍存在光学传感器局限，照明条件差及胃肠道工作环境极其狭窄等问题。这些因素会导致黑暗、炫光、反射等现象，降低影像质量，甚至导致误诊。无线胶囊内窥镜因其无创图像捕获能力引起了极大兴趣。尽管如此，传统内窥镜仍然需要在胶囊内窥镜之后执行详细诊断。 在当前临床...
基于自注意机制的风险敏感机器人控制探讨 研究背景 机器人控制中的运动学和动力学是确保任务精确完成的关键因素。大多数机器人控制方案依赖于各种模型来实现任务优化、调度和优先级控制。然而，传统模型的动态特征计算通常复杂且容易产生误差。为了解决这个问题，通过机器学习以及强化学习技术来自动获取模型成为一种可行的替代方案。然而，直接应用于实际的机器人系统中，这种方法存在急剧的运动变化和非期望的行为输出的风险。 研究来源 本文由Dongwook Kim、Sudong Lee、Tae Hwa Hong和Yong-Lae Park撰写，作者分别来自首尔国立大学和洛桑联邦理工学院。该研究发表在2023年的npj Robotics杂志上。 研究内容 研究流程 本文提出了一种在线模型更新算法，直接应用于实际机器人系...
研究背景 在救援任务中，为了提升搜救效率，一种新兴的解决方案是利用电子背包与昆虫的结合体——赛博昆虫（cyborg insects）。这些昆虫结合了生物与电子技术的优势，通过附加的电子背包用于通信、感应和控制。然而，附加设备会影响昆虫的平衡，尤其是在其自我摆正（self-righting）动作中。如果昆虫在执行任务时遭受摔落或意外冲击，原先的机器装置可能会导致其翻倒不能自如行动。为了应对这一挑战，本研究引入了一种仿生3D打印人工肢体，它模仿了瓢虫的自我摆正动作，提高了赛博昆虫在复杂和不可预测条件下的灵活性。 文章来源 该研究由Marc Josep Montagut Marques、Qiu Yuxuan、Hirotaka Sato和Shinjiro Umezu团队完成。作者隶属机构分别是日本早...
使用生成细胞自动机研究金的手性形态发生 背景与研究目的 手性（chirality）在自然界中无处不在，并且可以通过特定的分子相互作用和多尺度耦合在系统间传递和放大。然而，手性形成的机制以及生长过程中的关键步骤尚未完全理解。在本研究中，我们通过训练基于实验结果的生成细胞自动机（cellular automata, CA）人工神经网络，识别从非手性到手性形态的金纳米粒子的两种可区分的途径。手性最初由沿对映异构高指数平面边界的不对称生长的性质所决定。基于深度学习的手性形态生成解释不仅提供了理论理解，还允许我们预测前所未有的交叉路径及其结果形态。 作者与机构 本文由Sang Won Im、Dongsu Zhang、Jeong Hyun Han、Ryeong Myeong Kim、Changwoon ...
#利用机器学习和组合化学加快mRNA递送的可离子化脂质的发现 研究背景 为了释放信使RNA（mRNA）治疗的全部潜力，扩展脂质纳米颗粒（LNPs）的工具包至关重要。然而，LNPs开发的一个关键瓶颈是识别新的可离子化脂质。已有研究表明，LNPs在将mRNA递送至特定组织或细胞中表现出显著效果。经典的LNPs配方通常由一个离子脂质、胆固醇、辅助脂质和聚乙二醇化脂质（PEG脂质）组成，其中离子脂质在mRNA的加载和逃离内涵体方面起着至关重要的作用。 近年来，LNPs在临床应用方面取得了重大进展。例如，美国食品药品监督管理局（FDA）批准了首个针对遗传性淀粉样变蛋白病的短发夹RNA（siRNA）药物Onpattro，以及Moderna和Pfizer/BioNTech联合开发的两款SARS-CoV-2...
学术报告：先进最优跟踪结合神经网络评价技术用于非对称约束零和博弈 背景与研究问题 在现代控制领域，博弈论是研究智能决策者之间竞争与合作的数学模型，其中涉及至少两个玩家的互动决策问题。近年来，微分博弈在控制领域引起了越来越多的关注。当我们面对复杂受扰动系统的最优控制问题时，通常将其视为零和博弈（Zero-Sum Game, ZSG）。如果某系统的控制问题涉及多种控制策略且无扰动时，则被称为非零和博弈（Non-ZSG）。然而，由于真实系统中常存在各种扰动，因此进一步考虑ZSG问题以减轻扰动对系统性能的影响非常重要。 尤其在连续时间（Continuous-Time, CT）非线性系统中，传统动态规划方法尽管非常有价值，但在解决非线性最优控制问题时，常因为维数灾难（Curse of Dimensio...