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
联系作者
文章来源:人工智能学家
作者微信:AItists
作者简介:致力成为权威的人工智能科技媒体和前沿科技研究机构
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...