聚类精度超96%，机器学习新算法可实现更高脑机接口性能

AIGC动态欢迎阅读

原标题：聚类精度超96%，机器学习新算法可实现更高脑机接口性能
关键字：尖峰,神经元,信号,数据,神经
文章来源：人工智能学家
内容字数：6482字

内容摘要：

将 ScienceAI设为星标
第一时间掌握
新鲜的 AI for Science 资讯编辑 | 萝卜皮
使用多个电极记录神经元活动已被广泛用于了解大脑的功能机制。增加电极数量使科学家能够解码更多种类的功能。然而，由于硬件资源有限和不可避免的热组织损伤，处理大量多通道电生理数据仍然具有挑战性。
在这里，韩国大邱庆北科学技术院（DGIST，Daegu Gyeongbuk Institute of Science & Technology）的研究团队提出了基于机器学习（ML）的高频神经元尖峰从二次采样的低频信号重建。
受到图像处理中高频恢复和超分辨率之间等效性的启发，研究人员将 Transformer ML 模型应用于从体外培养物和体内雄性小鼠大脑中记录的神经元数据。即使使用 x8 下采样数据集，该团队的模型也能合理估计尖峰活动的高频信息，包括尖峰时间、波形和网络连接。
该研究以「Machine learning-based high-frequency neuronal spike reconstruction from low-frequency and low-sampling-ra

原文链接：聚类精度超96%，机器学习新算法可实现更高脑机接口性能