Как обезьяний мозг управляет языком, или почему нейросети теперь понимают в жевании
Представьте, что ваш язык – это не просто мышца, а невероятно гибкий и ловкий орган без единой косточки, настоящий мастер перевоплощений во время еды или речи. Ученые давно подозревали, что за этим цирком управляет определенный участок мозга – орофациальная сенсомоторная кора. Но как именно мозг кодирует столь сложные трехмерные деформации языка, оставалось загадкой. Все предыдущие попытки заглянуть внутрь этого процесса напоминали попытку описать танец, глядя лишь на тень танцора.
Группа исследователей решила эту головоломку, объединив мощь бипланарной рентгеновской съемки, записи нейронной активности и машинного обучения. Они наблюдали, как макаки едят виноград, и в режиме реального времени фиксировали, как танцуют крошечные метки, имплантированные в язык животных. А чтобы расшифровать нейронные сигналы, они призвали на помощь специальные алгоритмы – сети LSTM, известные своей способностью находить скрытые зависимости в последовательностях данных.
Оказалось, что эти алгоритмы могут с удивительной точностью расшифровать не только простое движение языка, например, высовывание или поворот, но и его сложнейшие трехмерные формы во время жевания и глотания. Мозг обезьян, как выяснилось, содержит детальную карту деформаций их языка. Интересно, что информация о форме языка была более рассредоточена по нейронным ансамблям, и для ее точного декодирования требовалась «толпа» из примерно 25-35 нейронов. При этом моторная кора оказалась куда болтливее и информативнее сенсорной, когда дело дошло до предсказания движений.
Что самое забавное, принципы, по которым мозг управляет этим бескостным чудом, оказались поразительно похожи на то, как он руководит рукой с ее суставами и пальцами. Это открывает фантастические перспективы для создания будущих нейропротезов – представьте себе мягкий робот-язык, который сможет вернуть способность говорить и глотать людям, перенесшим, например, удаление языка. Так что в следующий раз, когда будете есть виноград, помните: в вашем мозгу в этот момент работает сложнейший алгоритм, управляющий самым ловким акробатом в вашем теле.
https://www.nature.com/articles/s41467-023-38586-3
Представьте, что ваш язык – это не просто мышца, а невероятно гибкий и ловкий орган без единой косточки, настоящий мастер перевоплощений во время еды или речи. Ученые давно подозревали, что за этим цирком управляет определенный участок мозга – орофациальная сенсомоторная кора. Но как именно мозг кодирует столь сложные трехмерные деформации языка, оставалось загадкой. Все предыдущие попытки заглянуть внутрь этого процесса напоминали попытку описать танец, глядя лишь на тень танцора.
Группа исследователей решила эту головоломку, объединив мощь бипланарной рентгеновской съемки, записи нейронной активности и машинного обучения. Они наблюдали, как макаки едят виноград, и в режиме реального времени фиксировали, как танцуют крошечные метки, имплантированные в язык животных. А чтобы расшифровать нейронные сигналы, они призвали на помощь специальные алгоритмы – сети LSTM, известные своей способностью находить скрытые зависимости в последовательностях данных.
Оказалось, что эти алгоритмы могут с удивительной точностью расшифровать не только простое движение языка, например, высовывание или поворот, но и его сложнейшие трехмерные формы во время жевания и глотания. Мозг обезьян, как выяснилось, содержит детальную карту деформаций их языка. Интересно, что информация о форме языка была более рассредоточена по нейронным ансамблям, и для ее точного декодирования требовалась «толпа» из примерно 25-35 нейронов. При этом моторная кора оказалась куда болтливее и информативнее сенсорной, когда дело дошло до предсказания движений.
Что самое забавное, принципы, по которым мозг управляет этим бескостным чудом, оказались поразительно похожи на то, как он руководит рукой с ее суставами и пальцами. Это открывает фантастические перспективы для создания будущих нейропротезов – представьте себе мягкий робот-язык, который сможет вернуть способность говорить и глотать людям, перенесшим, например, удаление языка. Так что в следующий раз, когда будете есть виноград, помните: в вашем мозгу в этот момент работает сложнейший алгоритм, управляющий самым ловким акробатом в вашем теле.
https://www.nature.com/articles/s41467-023-38586-3
Nature
Robust cortical encoding of 3D tongue shape during feeding in macaques
Nature Communications - Little is known about how the brain encodes—and ultimately drives—the tongue’s 3D deformation. Here, the authors successfully decoded complex tongue...
🔥6👏1
Слушая мозг: восстановление речи по стерео-ЭЭГ с помощью гиперграфов
Речь — основа человеческого общения, но существующие технологии интерфейса «мозг-компьютер» в основном ориентированы на расшифровку произносимой речи. Это ограничивает их применение у пациентов с нарушениями речи, например, после инсульта или при синдроме замкнутости.
Чтобы решить эту проблему, представлен NeuroListen — первый открытый набор данных стерео-ЭЭГ, специально созданный для восстановления услышанной речи. Он содержит более 10 часов синхронных записей мозговой активности и звука от пяти пациентов.
На основе этого набора данных мы разработали HyperSpeech — систему декодирования, которая использует динамические гиперграфовые нейронные сети. Этот метод выявляет сложные пространственно-временные связи в сигналах мозга, что позволяет точнее реконструировать речь, которую слышит человек.
Эксперименты показали, что HyperSpeech значительно превосходит существующие методы как по объективным показателям качества звука, так и по оценкам людей. Это подтверждает его эффективность для создания коммуникационных систем нового поколения.
Текущим ограничением является разное расположение электродов у разных пациентов, что затрудняет универсальность декодирования. В будущем планируется создать более гибкую систему, а также изучить, как мозг обрабатывает разные языки и смысловые аспекты речи.
Речь — основа человеческого общения, но существующие технологии интерфейса «мозг-компьютер» в основном ориентированы на расшифровку произносимой речи. Это ограничивает их применение у пациентов с нарушениями речи, например, после инсульта или при синдроме замкнутости.
Чтобы решить эту проблему, представлен NeuroListen — первый открытый набор данных стерео-ЭЭГ, специально созданный для восстановления услышанной речи. Он содержит более 10 часов синхронных записей мозговой активности и звука от пяти пациентов.
На основе этого набора данных мы разработали HyperSpeech — систему декодирования, которая использует динамические гиперграфовые нейронные сети. Этот метод выявляет сложные пространственно-временные связи в сигналах мозга, что позволяет точнее реконструировать речь, которую слышит человек.
Эксперименты показали, что HyperSpeech значительно превосходит существующие методы как по объективным показателям качества звука, так и по оценкам людей. Это подтверждает его эффективность для создания коммуникационных систем нового поколения.
Текущим ограничением является разное расположение электродов у разных пациентов, что затрудняет универсальность декодирования. В будущем планируется создать более гибкую систему, а также изучить, как мозг обрабатывает разные языки и смысловые аспекты речи.
❤3🔥3👍1
Расшифровка воображаемых эмоций по ЭЭГ с помощью машинного обучения для аффективных интерфейсов «мозг-компьютер»
Исследование предлагает гибридный подход: индукция эмоций с помощью изображений лиц с последующим мысленным представлением шести положительных и шести отрицательных эмоций. Машинное обучение применялось для распознавания этих состояний по электроэнцефалограмме. Наивысшую точность классификации для всех категорий эмоций показали признаки абсолютной бета-мощности, вычисленные из спектральной плотности мощности по всем каналам ЭЭГ, в сочетании с алгоритмом k-ближайших соседей. Нелинейные параметрические модели также продемонстрировали высокую эффективность. Предложенная система поддерживает использование гибридной парадигмы индукции эмоций и признаков ЭЭГ для разработки надежных аффективных интерфейсов, не зависящих от конкретного субъекта.
https://www.mdpi.com/2073-8994/17/11/1868
Исследование предлагает гибридный подход: индукция эмоций с помощью изображений лиц с последующим мысленным представлением шести положительных и шести отрицательных эмоций. Машинное обучение применялось для распознавания этих состояний по электроэнцефалограмме. Наивысшую точность классификации для всех категорий эмоций показали признаки абсолютной бета-мощности, вычисленные из спектральной плотности мощности по всем каналам ЭЭГ, в сочетании с алгоритмом k-ближайших соседей. Нелинейные параметрические модели также продемонстрировали высокую эффективность. Предложенная система поддерживает использование гибридной парадигмы индукции эмоций и признаков ЭЭГ для разработки надежных аффективных интерфейсов, не зависящих от конкретного субъекта.
https://www.mdpi.com/2073-8994/17/11/1868
MDPI
Decoding Self-Imagined Emotions from EEG Signals Using Machine Learning for Affective BCI Systems
Research on self-imagined emotional imagery supports the development of practical affective brain–computer interface (BCI) systems. This study proposes a hybrid emotion induction approach that combines facial expression image cues with subsequent emotional…
🔥2
Полина Кривых оказалась неправа: суть не в прилежащем ядре.
Активность дофаминовых нейронов VTA формирует пространственно организованные представления ценности
Исследователи под руководством Алехандро Пан-Васкеса и Иланы Виттен изучили, как активность дофаминовых нейронов в вентральной тегментальной области мозга (VTA) помогает подкреплять действия. Они провели эксперименты на мышах, которые учились методом проб и ошибок в задаче с вероятностным выбором, где награда была оптогенетической стимуляцией этих нейронов, сопровождаемой звуковым сигналом. Записи активности в стриатуме показали, что такая стимуляция создает в нижележащих нейронах представления ожидаемой награды, или “ценности” действий. Неожиданно, эти представления оказались наиболее выражены в промежуточном каудопутамене (CP) и наименее выражены в nucleus accumbens (NAc), хотя NAc является основным получателем сигналов от VTA. В CP ценностные сигналы организованы по-разному: в вентромедиальных зонах преобладают представления общей ценности состояния, а в дорсолатеральных — относительной ценности для принятия решений. Разница не объясняется скоростью обучения, а скорее тем, что стимуляция VTA делает звуковой сигнал ценным “условным подкреплителем”, за который мыши работают, и это в итоге формирует ценностные представления в CP. Таким образом, дофаминовые нейроны VTA поддерживают обучение косвенно, через придание ценности стимулам.
https://www.biorxiv.org/content/10.1101/2025.11.04.685995v1
Активность дофаминовых нейронов VTA формирует пространственно организованные представления ценности
Исследователи под руководством Алехандро Пан-Васкеса и Иланы Виттен изучили, как активность дофаминовых нейронов в вентральной тегментальной области мозга (VTA) помогает подкреплять действия. Они провели эксперименты на мышах, которые учились методом проб и ошибок в задаче с вероятностным выбором, где награда была оптогенетической стимуляцией этих нейронов, сопровождаемой звуковым сигналом. Записи активности в стриатуме показали, что такая стимуляция создает в нижележащих нейронах представления ожидаемой награды, или “ценности” действий. Неожиданно, эти представления оказались наиболее выражены в промежуточном каудопутамене (CP) и наименее выражены в nucleus accumbens (NAc), хотя NAc является основным получателем сигналов от VTA. В CP ценностные сигналы организованы по-разному: в вентромедиальных зонах преобладают представления общей ценности состояния, а в дорсолатеральных — относительной ценности для принятия решений. Разница не объясняется скоростью обучения, а скорее тем, что стимуляция VTA делает звуковой сигнал ценным “условным подкреплителем”, за который мыши работают, и это в итоге формирует ценностные представления в CP. Таким образом, дофаминовые нейроны VTA поддерживают обучение косвенно, через придание ценности стимулам.
https://www.biorxiv.org/content/10.1101/2025.11.04.685995v1
bioRxiv
VTA dopamine neuron activity produces spatially organized value representations
How does the activity of midbrain dopamine (DA) neurons reinforce actions? A prominent hypothesis is that the activity of ventral tegmental area (VTA) DA neurons instructs representations of predicted reward, or value, in downstream neurons[1][1]. To directly…
👍2❤1
Нейронные корреляты восприятия фосфенов у слепых: шаг к двунаправленному кортикальному зрительному протезу
Исследование рассматривало возможность восстановления функционального зрения у слепых с помощью кортикальных зрительных протезов. В визуальную кору двух слепых добровольцев имплантировали массив из 100 микроэлектродов для стимуляции и записи нейронной активности. Эксперименты показали, что параметры стимуляции влияют на пороги восприятия, яркость и минимальный интервал для различения отдельных фосфенов. Нейронная активность, записанная с соседних электродов, позволяет точно предсказывать субъективные зрительные ощущения. Это демонстрирует потенциал двунаправленной связи с мозгом для создания более точных и персонализированных зрительных протезов, снижая инвазивность и упрощая настройку параметров.
https://www.science.org/doi/10.1126/sciadv.adv8846
Исследование рассматривало возможность восстановления функционального зрения у слепых с помощью кортикальных зрительных протезов. В визуальную кору двух слепых добровольцев имплантировали массив из 100 микроэлектродов для стимуляции и записи нейронной активности. Эксперименты показали, что параметры стимуляции влияют на пороги восприятия, яркость и минимальный интервал для различения отдельных фосфенов. Нейронная активность, записанная с соседних электродов, позволяет точно предсказывать субъективные зрительные ощущения. Это демонстрирует потенциал двунаправленной связи с мозгом для создания более точных и персонализированных зрительных протезов, снижая инвазивность и упрощая настройку параметров.
https://www.science.org/doi/10.1126/sciadv.adv8846
Science Advances
Neural correlates of phosphene perception in blind individuals: A step toward a bidirectional cortical visual prosthesis
Visual prostheses are improved by decoding neural signals to predict and control visual perceptions in blind individuals.
👍5❤2🔥2
2025.11.06.686984v1.full.pdf
557.9 KB
Интеграция P300-спеллера с большой языковой моделью
Наше исследование демонстрирует, как использование больших языковых моделей может преодолеть ключевое ограничение интерфейсов "мозг-компьютер" для набора текста — низкую скорость.
Традиционные спеллеры, основанные на детекции P300-потенциала, требуют высокой точности распознавания каждого символа, что замедляет коммуникацию. Предлагаемый подход меняет парадигму: вместо идеального посимвольного ввода пользователь формирует слова, фокусируясь на буквах в удобном темпе, что приводит к появлению некоторого количества ошибок в сыром выходе системы. Затем эта текстовая строка с шумом обрабатывается большой языковой моделью, которая, используя контекст целого предложения, эффективно исправляет ошибки.
Моделирование на основе реальных данных ЭЭГ подтвердило, что даже при значительном уровне ошибок после декодера языковые модели успешно восстанавливают исходный замысел. Это позволяет снизить требования к точности распознавания отдельных символов и увеличить скорость набора.
Кроме ускорения коммуникации, интеграция с большой языковой моделью трансформирует интерфейс в интеллектуального агента, способного выступать в роли собеседника и ассистента, что значительно обогащает пользовательский опыт и открывает новые возможности для помощи людям с тяжелыми нарушениями моторики и речи.
https://www.biorxiv.org/content/10.1101/2025.11.06.686984v1.full.pdf
Наше исследование демонстрирует, как использование больших языковых моделей может преодолеть ключевое ограничение интерфейсов "мозг-компьютер" для набора текста — низкую скорость.
Традиционные спеллеры, основанные на детекции P300-потенциала, требуют высокой точности распознавания каждого символа, что замедляет коммуникацию. Предлагаемый подход меняет парадигму: вместо идеального посимвольного ввода пользователь формирует слова, фокусируясь на буквах в удобном темпе, что приводит к появлению некоторого количества ошибок в сыром выходе системы. Затем эта текстовая строка с шумом обрабатывается большой языковой моделью, которая, используя контекст целого предложения, эффективно исправляет ошибки.
Моделирование на основе реальных данных ЭЭГ подтвердило, что даже при значительном уровне ошибок после декодера языковые модели успешно восстанавливают исходный замысел. Это позволяет снизить требования к точности распознавания отдельных символов и увеличить скорость набора.
Кроме ускорения коммуникации, интеграция с большой языковой моделью трансформирует интерфейс в интеллектуального агента, способного выступать в роли собеседника и ассистента, что значительно обогащает пользовательский опыт и открывает новые возможности для помощи людям с тяжелыми нарушениями моторики и речи.
https://www.biorxiv.org/content/10.1101/2025.11.06.686984v1.full.pdf
🔥6👍3❤1
Мысленное представление движения влияет на корковые и спинальные нейронные цепи: исследование с помощью транскраниальной и трансспинальной магнитной стимуляции
Моторный образ, то есть мысленное воспроизведение движения без его физического выполнения, является ключевым методом в интерфейсах мозг-компьютер. Ранее было известно, что он модулирует активность коры головного мозга. Данное исследование показывает, что моторный образ также влияет на возбудимость спинного мозга.
Асма, Николай, et al. применили два вида магнитной стимуляции: транскраниальную (ТМС) для воздействия на моторную кору и трансспинальную (ТСМС) для воздействия на спинной мозг на уровне шейных позвонков. Оказалось, что ТСМС вызывает потенциалы в мышцах предплечья и латерализованные потенциалы в коре головного мозга.
Мысленное представление движения правой кисти усиливало корковые и мышечные ответы на обе виды стимуляции. Это демонстрирует, что моторный образ модулирует активность как на корковом, так и на спинальном уровне.
Полученные результаты подчеркивают потенциал комбинации моторного образа и магнитной стимуляции для нейрореабилитации, например, после травм спинного мозга или инсульта, поскольку такой подход позволяет целенаправленно воздействовать на всю кортико-спинальную систему.
https://www.biorxiv.org/content/10.1101/2025.11.06.686943v1.full.pdf
Моторный образ, то есть мысленное воспроизведение движения без его физического выполнения, является ключевым методом в интерфейсах мозг-компьютер. Ранее было известно, что он модулирует активность коры головного мозга. Данное исследование показывает, что моторный образ также влияет на возбудимость спинного мозга.
Асма, Николай, et al. применили два вида магнитной стимуляции: транскраниальную (ТМС) для воздействия на моторную кору и трансспинальную (ТСМС) для воздействия на спинной мозг на уровне шейных позвонков. Оказалось, что ТСМС вызывает потенциалы в мышцах предплечья и латерализованные потенциалы в коре головного мозга.
Мысленное представление движения правой кисти усиливало корковые и мышечные ответы на обе виды стимуляции. Это демонстрирует, что моторный образ модулирует активность как на корковом, так и на спинальном уровне.
Полученные результаты подчеркивают потенциал комбинации моторного образа и магнитной стимуляции для нейрореабилитации, например, после травм спинного мозга или инсульта, поскольку такой подход позволяет целенаправленно воздействовать на всю кортико-спинальную систему.
https://www.biorxiv.org/content/10.1101/2025.11.06.686943v1.full.pdf
👍4✍2❤2👏2🔥1
"Советы по борьбе с нейродегенерацией на основе прокачки зон со сниженной толщиной"
Задумался, как может выглядеть такой совет. "Советуем прокачать зону 3b"?
https://news.1rj.ru/str/neurosputnik/847
Задумался, как может выглядеть такой совет. "Советуем прокачать зону 3b"?
https://news.1rj.ru/str/neurosputnik/847
Telegram
NeuroSputnik
🌟 На прошлой неделе опубликовали пост: что такое чекап мозга ГиперКортекс? Сегодня рады открыть на него запись через наш тг-бот!
🔬 С развитием технологий у людей все больше запрос на персонализированную и превентивную медицину. С помощью носимых устройств…
🔬 С развитием технологий у людей все больше запрос на персонализированную и превентивную медицину. С помощью носимых устройств…
🔥3😁2🎄2
https://news.1rj.ru/str/augmented_brain/12361
В чем ценность проекта по интеграции нейроинтерфейсов и языковых моделей, над которым мы работаем в центре искусственного интеллекта МГУ, и в чем проблемы?
Начну с проблем.
Первая проблема в том, что неинвазивные интерфейсы не сильно практичны, поскольку они медленны и неточны. (Здесь обычный ход — увести дело в научную плоскость.) Вторая проблема в том, что ничто не ново под луной. Соответственно, все очевидные вещи кто-то уже придумал.
Соответственно, если продвигаться в этой области, то нужно обладать скромностью и не обещать слишком много, по крайней мере сразу. Но раз идеи в этой области есть, и люди над ними работают, то вполне логично присоединиться к этому движению. В этой связи BCI-P300 — вполне симпатичная модель для взаимодействия с языковым ИИ. Думаю, будут вполне практичные приложения.
Но этим наши проекты не исчерпываются. Ведь марксизм всесилен, поскольку он верен. Простите, не марксизм, а научно-технический прогресс. Поэтому наши интерфейсы мозг-ИИ скоро заставят сиять яркими красками даже такой тусклый сигнал, как ЭЭГ.
Но самое главное — это, конечно, люди. У нас сложился отличный коллектив молодых, талантливых сотрудников, которые не только все понимают в трансформерах, но и трансформируют науку и в конечном итоге — весь мир.
В чем ценность проекта по интеграции нейроинтерфейсов и языковых моделей, над которым мы работаем в центре искусственного интеллекта МГУ, и в чем проблемы?
Начну с проблем.
Первая проблема в том, что неинвазивные интерфейсы не сильно практичны, поскольку они медленны и неточны. (Здесь обычный ход — увести дело в научную плоскость.) Вторая проблема в том, что ничто не ново под луной. Соответственно, все очевидные вещи кто-то уже придумал.
Соответственно, если продвигаться в этой области, то нужно обладать скромностью и не обещать слишком много, по крайней мере сразу. Но раз идеи в этой области есть, и люди над ними работают, то вполне логично присоединиться к этому движению. В этой связи BCI-P300 — вполне симпатичная модель для взаимодействия с языковым ИИ. Думаю, будут вполне практичные приложения.
Но этим наши проекты не исчерпываются. Ведь марксизм всесилен, поскольку он верен. Простите, не марксизм, а научно-технический прогресс. Поэтому наши интерфейсы мозг-ИИ скоро заставят сиять яркими красками даже такой тусклый сигнал, как ЭЭГ.
Но самое главное — это, конечно, люди. У нас сложился отличный коллектив молодых, талантливых сотрудников, которые не только все понимают в трансформерах, но и трансформируют науку и в конечном итоге — весь мир.
Telegram
Михаил Лебедев (Mikhail Lebedev) — нейроученый
Интеграция P300-спеллера с большой языковой моделью
Наше исследование демонстрирует, как использование больших языковых моделей может преодолеть ключевое ограничение интерфейсов "мозг-компьютер" для набора текста — низкую скорость.
Традиционные спеллеры…
Наше исследование демонстрирует, как использование больших языковых моделей может преодолеть ключевое ограничение интерфейсов "мозг-компьютер" для набора текста — низкую скорость.
Традиционные спеллеры…
👍6🔥4💯3🤔1
elibrary_74494081_61759011.pdf
229.6 KB
В последнее время не утихают споры по поводу каких-то списков каких-то журналов, которые то ли двинут российскую науку вперед, то ли ее окончательно затормозят.
При этом всякие чиновники требуют от бедных ученых публикаций в "Q1". При этом чиновникам наплевать на то, что в этих журналах русских ученых никто не ждет и их отвергнут просто потому, что они русские. Это выливается в колоссальную потерю времени.
Между тем существуют прекрасные архивы (biorxiv, medrxiv, xarxiv), куда можно относительно легко поместить статью. Причем там есть неплохая модерация (внедрили и ИИ), и туфту они не публикуют.
Спрашивается: что еще надо??
Так, между прочим, можно и обанкротить расплодившиеся open access journals, сосущие денюшки трудящихся.
Но пока я обнаружил у себя публикацию:
https://elibrary.ru/item.asp?id=74494081
которую загрузить не так просто, особенно нашим зарубежным партнерам. Поэтому прикрепляю ее к этому сообщению и на всякий случай перевожу на зарубежный язык:
NEUROINTERFACES IN SCIENCE AND MEDICINE
LEBEDEV M.A.¹,²
¹Lomonosov Moscow State University, Moscow
²Sechenov Institute of Evolutionary Physiology and Biochemistry of the Russian Academy of Sciences, St. Petersburg, mikhail.a.lebedev@gmail.com
Neurointerfaces are systems that read signals from the nervous system, decode them, and convert them into commands for external devices such as robotic prostheses, exoskeletons, or neurostimulators. Neurointerfaces can not only read information but also transmit it to the nervous system, for example, through electrical stimulation. Neurointerfaces are rapidly developing, with a particular increase in the number of developments for the rehabilitation of patients with neurological disorders.
Despite the success of clinical trials of approaches using neurointerfaces, their potential has not yet been fully realized, either in science or in medicine. This report highlights the fundamental aspects of neurointerfaces and the principles of their application in medicine: Hebbian mechanism-based therapeutic plasticity, neurointerfaces based on visuomotor transformation, and olfactory neurointerfaces.
The rapid development of neurointerfaces has been ongoing since the end of the last century [1]. Among the promising applications of neurointerfaces are their medical applications, such as use in the rehabilitation of ailments like stroke, spinal cord injury, and neurodegenerative diseases [2]. Although results are accumulating showing that neurointerfaces aid rehabilitation [3], there is no complete understanding of how to optimize such systems. It is important to emphasize here that neurointerfaces will be effective for rehabilitation if they trigger neuronal plasticity according to the Hebbian principle, namely: synchronous activity of regions of the nervous system leads to the strengthening of connections between them [4]. Neurointerfaces read brain activity, which allows synchronizing this activity with therapeutic interventions, such as neurostimulation and mechanotherapy.
A successful implementation of therapeutic plasticity is a neuro-trainer that combines a neurointerface operating on the P300 principle with a robotic device that moves a paralyzed limb [5]. The neuro-trainer uses the principle of visuomotor transformation: the goal of the movement is processed by visual areas in retinotopic coordinates and then translated into room coordinates and muscle coordinates [6]. This neuro-trainer is effective for post-stroke rehabilitation, as it allows reading signals from intact occipital and parietal cortical areas and rehabilitating the entire visuomotor transformation circuit. A trainer operating on the same principle has also been created, which does not have an assistive robot but has improved speed [7].
Bidirectional neurointerfaces are most effective for rehabilitation. In particular, neurostimulation that creates artificial tactile sensations [8] and suppresses pain syndromes [9] is effective. Stimulation of motivation centers in the future will allow significantly influencing the processes of neuronal plasticity and
При этом всякие чиновники требуют от бедных ученых публикаций в "Q1". При этом чиновникам наплевать на то, что в этих журналах русских ученых никто не ждет и их отвергнут просто потому, что они русские. Это выливается в колоссальную потерю времени.
Между тем существуют прекрасные архивы (biorxiv, medrxiv, xarxiv), куда можно относительно легко поместить статью. Причем там есть неплохая модерация (внедрили и ИИ), и туфту они не публикуют.
Спрашивается: что еще надо??
Так, между прочим, можно и обанкротить расплодившиеся open access journals, сосущие денюшки трудящихся.
Но пока я обнаружил у себя публикацию:
https://elibrary.ru/item.asp?id=74494081
которую загрузить не так просто, особенно нашим зарубежным партнерам. Поэтому прикрепляю ее к этому сообщению и на всякий случай перевожу на зарубежный язык:
NEUROINTERFACES IN SCIENCE AND MEDICINE
LEBEDEV M.A.¹,²
¹Lomonosov Moscow State University, Moscow
²Sechenov Institute of Evolutionary Physiology and Biochemistry of the Russian Academy of Sciences, St. Petersburg, mikhail.a.lebedev@gmail.com
Neurointerfaces are systems that read signals from the nervous system, decode them, and convert them into commands for external devices such as robotic prostheses, exoskeletons, or neurostimulators. Neurointerfaces can not only read information but also transmit it to the nervous system, for example, through electrical stimulation. Neurointerfaces are rapidly developing, with a particular increase in the number of developments for the rehabilitation of patients with neurological disorders.
Despite the success of clinical trials of approaches using neurointerfaces, their potential has not yet been fully realized, either in science or in medicine. This report highlights the fundamental aspects of neurointerfaces and the principles of their application in medicine: Hebbian mechanism-based therapeutic plasticity, neurointerfaces based on visuomotor transformation, and olfactory neurointerfaces.
The rapid development of neurointerfaces has been ongoing since the end of the last century [1]. Among the promising applications of neurointerfaces are their medical applications, such as use in the rehabilitation of ailments like stroke, spinal cord injury, and neurodegenerative diseases [2]. Although results are accumulating showing that neurointerfaces aid rehabilitation [3], there is no complete understanding of how to optimize such systems. It is important to emphasize here that neurointerfaces will be effective for rehabilitation if they trigger neuronal plasticity according to the Hebbian principle, namely: synchronous activity of regions of the nervous system leads to the strengthening of connections between them [4]. Neurointerfaces read brain activity, which allows synchronizing this activity with therapeutic interventions, such as neurostimulation and mechanotherapy.
A successful implementation of therapeutic plasticity is a neuro-trainer that combines a neurointerface operating on the P300 principle with a robotic device that moves a paralyzed limb [5]. The neuro-trainer uses the principle of visuomotor transformation: the goal of the movement is processed by visual areas in retinotopic coordinates and then translated into room coordinates and muscle coordinates [6]. This neuro-trainer is effective for post-stroke rehabilitation, as it allows reading signals from intact occipital and parietal cortical areas and rehabilitating the entire visuomotor transformation circuit. A trainer operating on the same principle has also been created, which does not have an assistive robot but has improved speed [7].
Bidirectional neurointerfaces are most effective for rehabilitation. In particular, neurostimulation that creates artificial tactile sensations [8] and suppresses pain syndromes [9] is effective. Stimulation of motivation centers in the future will allow significantly influencing the processes of neuronal plasticity and
❤6👍6✍2
Forwarded from Dmitry Anikanov
Доктор Иванов был одержим. Не славой, не деньгами, а одной-единственной идеей: найти нейронный коррелят сознания. Он презирал философов с их метафорами и психологов с их опросниками. "Сознание, — гремел он на лекциях, — это не более чем специфический паттерн! Электрический отпечаток 'Я' в нейронной сети. И я его найду".
Его теория была элегантна и проста. Он считал, что "Я" — это самый стабильный, самый глубоко въевшийся аттрактор в мозге. А что может быть стабильнее собственного имени? Звук, который ты слышишь с рождения, который ассоциирован с каждым твоим ощущением, каждым действием, каждым взглядом в зеркало.
Он решил найти этот аттрактор. Кластер "И-ван".
Иванов построил "Нейро-слухач" — шлем, усыпанный тысячами электродов, способный с беспрецедентной точностью отслеживать активность нейронных ансамблей в слуховой коре и гиппокампе. В качестве подопытного он выбрал самого себя.
Эксперимент был прост. Он садился в звукоизолированную камеру. Компьютерный голос монотонно произносил тысячи имен: "Петр... Елена... Сергей... Дмитрий...". Иванов ждал. Он знал, что в момент, когда прозвучит "Иван", где-то в его мозге вспыхнет тот самый, уникальный, искомый паттерн.
И он его нашел.
На экране монитора, среди хаоса нейронной активности, проступил четкий, устойчивый кластер. Несколько сотен нейронов в верхней височной извилине, которые "загорались" синхронно, как единое целое, только на звук "Иван". Это был он. Код его имени. Иванов торжествовал.
Но это был лишь первый шаг. Он хотел не просто найти "Я", он хотел его изолировать.
Он модифицировал "Нейро-слухач", добавив к нему модуль обратной связи. Теперь прибор мог не только считывать, но и усиливать активность. Идея была в том, чтобы создать положительную обратную связь: как только система обнаруживает паттерн "И-ван", она немедленно посылает слабый электромагнитный импульс, который еще сильнее возбуждает именно этот кластер.
"Я усилю сигнал 'Я'", — бормотал он, надевая шлем. — "Я заставлю его звучать так громко, что все остальные мысли утонут. Я дистиллирую сознание до его чистой формы".
Он запустил программу. Голос произнес: "Иван".
В его голове что-то щелкнуло.
Кластер "И-ван" вспыхнул. "Нейро-слухач" засек вспышку и немедленно послал усиливающий импульс. Кластер вспыхнул еще ярче. Прибор снова его усилил.
За доли секунды возникла неконтролируемая рекурсия. Нейронный ансамбль, кодирующий его имя, зациклился.
Для внешнего мира это выглядело жутко. Ассистент, заглянувший в камеру через час, увидел неподвижно сидящего Иванова. Глаза его были широко открыты и смотрели в пустоту. Губы едва заметно шевелились, беззвучно повторяя что-то.
Ассистент надел наушники, подключенные к микрофону в камере. И услышал.
Тихий, монотонный, механический шепот, повторяющийся снова и снова, в такт с пульсирующим индикатором на мониторе "Нейро-слухача":
"...И-ван... это я..."
"...И-ван... это я..."
"...И-ван... это я..."
Иванов добился своего. Он изолировал паттерн "Я".
Его теория была элегантна и проста. Он считал, что "Я" — это самый стабильный, самый глубоко въевшийся аттрактор в мозге. А что может быть стабильнее собственного имени? Звук, который ты слышишь с рождения, который ассоциирован с каждым твоим ощущением, каждым действием, каждым взглядом в зеркало.
Он решил найти этот аттрактор. Кластер "И-ван".
Иванов построил "Нейро-слухач" — шлем, усыпанный тысячами электродов, способный с беспрецедентной точностью отслеживать активность нейронных ансамблей в слуховой коре и гиппокампе. В качестве подопытного он выбрал самого себя.
Эксперимент был прост. Он садился в звукоизолированную камеру. Компьютерный голос монотонно произносил тысячи имен: "Петр... Елена... Сергей... Дмитрий...". Иванов ждал. Он знал, что в момент, когда прозвучит "Иван", где-то в его мозге вспыхнет тот самый, уникальный, искомый паттерн.
И он его нашел.
На экране монитора, среди хаоса нейронной активности, проступил четкий, устойчивый кластер. Несколько сотен нейронов в верхней височной извилине, которые "загорались" синхронно, как единое целое, только на звук "Иван". Это был он. Код его имени. Иванов торжествовал.
Но это был лишь первый шаг. Он хотел не просто найти "Я", он хотел его изолировать.
Он модифицировал "Нейро-слухач", добавив к нему модуль обратной связи. Теперь прибор мог не только считывать, но и усиливать активность. Идея была в том, чтобы создать положительную обратную связь: как только система обнаруживает паттерн "И-ван", она немедленно посылает слабый электромагнитный импульс, который еще сильнее возбуждает именно этот кластер.
"Я усилю сигнал 'Я'", — бормотал он, надевая шлем. — "Я заставлю его звучать так громко, что все остальные мысли утонут. Я дистиллирую сознание до его чистой формы".
Он запустил программу. Голос произнес: "Иван".
В его голове что-то щелкнуло.
Кластер "И-ван" вспыхнул. "Нейро-слухач" засек вспышку и немедленно послал усиливающий импульс. Кластер вспыхнул еще ярче. Прибор снова его усилил.
За доли секунды возникла неконтролируемая рекурсия. Нейронный ансамбль, кодирующий его имя, зациклился.
Для внешнего мира это выглядело жутко. Ассистент, заглянувший в камеру через час, увидел неподвижно сидящего Иванова. Глаза его были широко открыты и смотрели в пустоту. Губы едва заметно шевелились, беззвучно повторяя что-то.
Ассистент надел наушники, подключенные к микрофону в камере. И услышал.
Тихий, монотонный, механический шепот, повторяющийся снова и снова, в такт с пульсирующим индикатором на мониторе "Нейро-слухача":
"...И-ван... это я..."
"...И-ван... это я..."
"...И-ван... это я..."
Иванов добился своего. Он изолировал паттерн "Я".
👍9❤3
https://news.1rj.ru/str/lonely_oocyte/6369
Кстати, никогда не понимал, почему первое, куда попадаешь при входе в фешенебельный торговый центр (и в России, и на западе), — это всегда парфюмерный отдел.
А жральня — на верхнем этаже. Здесь, скорее всего, все продумано по Скиннеру и по Павлову.
Кстати, никогда не понимал, почему первое, куда попадаешь при входе в фешенебельный торговый центр (и в России, и на западе), — это всегда парфюмерный отдел.
А жральня — на верхнем этаже. Здесь, скорее всего, все продумано по Скиннеру и по Павлову.
Telegram
Одинокий ооцит эволюции
Перфьюмер самоучка Хайкин поделился фоточкой своей "лаборатории" в общаге ГЗ МГУ.
Фоточка очень сильно упрощает задачу по пониманию, почему он такой долбоеб.
Во-первых, носики - вещь одноразовая
Во-вторых, представляю, каким говном воняло там за километр…
Фоточка очень сильно упрощает задачу по пониманию, почему он такой долбоеб.
Во-первых, носики - вещь одноразовая
Во-вторых, представляю, каким говном воняло там за километр…
👍2🤯1
https://news.1rj.ru/str/augmented_brain/12064
Владимир Конышев — один из лидеров нейротехнологий в России, и в частности он — разработчик «сухих» электродов.
С сухими электродами я сталкивался давно. Помнится, опробовали некие секретные сухие электроды с Михаилом Линдерманом для EMG glove, и работали они вполне прилично.
Тем не менее существует скепсис по поводу сухих электродов. Во многом это из-за того, что на рынке много шаромыжников, типа производителей Muse.
Но есть и работающие сухие электроды, например прекрасные электроды Александра Панова (Нейри). Пару лет назад Дария Клеева провела тщательный анализ характеристик электродов Нейри, и там любой скепсис отпадает. Электроды работают.
У Александры Бернадотт очень симпатичный гаджет с сухими электродами. Я запись вживую ни разу не наблюдал, но из публикации в xarxiv видно, что по крайней мере альфа ритм этот прибор пишет. (А в ЭЭГ ничего, кроме альфа ритма, собственно, и нет. Но я бы все же предложил всем ЭЭГ приборам проходить универсальную проверку.)
Возвращаясь к прибору Владимира Конышева — он действительно работает. У меня есть одна коллега, которая по поводу абсолютно всего выражает скепсис. Но даже она, ознакомившись с системой Владимира, была удивлена и восхищена качеством записи.
Так что, похоже, что сухие электроды — это наш путь.
Еще Владимир Конышев является одним из пионеров нейроэргономики в России. Что это такое? Здесь без поллитра… Ну, в общем, гаджеты скоро будут применяться довольно широко — и в арсенале труженика на производстве, и в «интернете тел», и много еще где еще. Так вот здесь понадобятся качественные приборы, не лажа типа Muse. Но раз с нами Владимир и другие отечественные производители, то все будет хорошо.
(И я, кстати, смотрел литературу по нейроэргономике; и видел, как проходят какие-то исследования. Там не все просто, но потенциал большой.)
Владимир Конышев — один из лидеров нейротехнологий в России, и в частности он — разработчик «сухих» электродов.
С сухими электродами я сталкивался давно. Помнится, опробовали некие секретные сухие электроды с Михаилом Линдерманом для EMG glove, и работали они вполне прилично.
Тем не менее существует скепсис по поводу сухих электродов. Во многом это из-за того, что на рынке много шаромыжников, типа производителей Muse.
Но есть и работающие сухие электроды, например прекрасные электроды Александра Панова (Нейри). Пару лет назад Дария Клеева провела тщательный анализ характеристик электродов Нейри, и там любой скепсис отпадает. Электроды работают.
У Александры Бернадотт очень симпатичный гаджет с сухими электродами. Я запись вживую ни разу не наблюдал, но из публикации в xarxiv видно, что по крайней мере альфа ритм этот прибор пишет. (А в ЭЭГ ничего, кроме альфа ритма, собственно, и нет. Но я бы все же предложил всем ЭЭГ приборам проходить универсальную проверку.)
Возвращаясь к прибору Владимира Конышева — он действительно работает. У меня есть одна коллега, которая по поводу абсолютно всего выражает скепсис. Но даже она, ознакомившись с системой Владимира, была удивлена и восхищена качеством записи.
Так что, похоже, что сухие электроды — это наш путь.
Еще Владимир Конышев является одним из пионеров нейроэргономики в России. Что это такое? Здесь без поллитра… Ну, в общем, гаджеты скоро будут применяться довольно широко — и в арсенале труженика на производстве, и в «интернете тел», и много еще где еще. Так вот здесь понадобятся качественные приборы, не лажа типа Muse. Но раз с нами Владимир и другие отечественные производители, то все будет хорошо.
(И я, кстати, смотрел литературу по нейроэргономике; и видел, как проходят какие-то исследования. Там не все просто, но потенциал большой.)
Telegram
Михаил Лебедев (Mikhail Lebedev) — нейроученый
Полет на Сатурн
👍4🤣1