在這項創新研究中,科學家們開發了一種AI算法,通過解析整個大腦皮層的功能成像數據,能夠以高達95%的準確率預測老鼠的運動狀態,這項技術的突破讓我們對於腦機界面技術的未來抱有更大的期待。此外,這種算法的能力不僅僅局限於高準確率的預測,它還能夠快速地根據短短0.17秒的數據生成預測,且這種預測方法適用於不同的個體,展示了其在個性化和近實時腦機界面應用中的巨大潛力。研究團隊還進一步揭開了AI「黑盒子」,確定了對行為分類至關重要的大腦皮層區域,為深度學習在神經科學中的解釋性提供了新的見解。這項研究不僅增進了我們對神經解碼的理解,也為開發非侵入式、接近實時的腦機介面鋪平了道路。

實驗裝置能夠在小鼠活動時紀錄大腦皮層的calucium-imaging

實驗裝置能夠在小鼠活動時紀錄大腦皮層的calucium-imaging

撰稿人:周品汝

Reference: https://neurosciencenews.com/ai-movement-prediction-25793/

Ajioka, T., Nakai, N., Yamashita, O., & Takumi, T. (2024). End-to-end deep learning approach to mouse behavior classification from cortex-wide calcium imaging. PLOS Computational Biology20(3), e1011074.