█ 腦科學動態

快速移動中視覺為何不模糊？

大腦皮層通過“回聲”機制檢測新穎刺激

新數學模型揭示大腦決策機制

神經甾體：甜味偏好的幕后調控者

降低氧化固醇或成阿爾茨海默病治療新靶點

工作記憶如何影響我們的決策策略

█ AI行業動態

本科生推翻姚期智40年猜想，哈希表查詢速度與填滿程度無關

43%工作正被自動化，Anthropic發布重磅經濟指數報告

馬斯克974億美元收購OpenAI，奧特曼反擊提議收購Twitter

█ AI研發動態

單導聯心電圖與深度神經網絡助力非侵入性心衰預警

DeepRhythmAI大幅降低心律失常漏診率

輕質尾巴大智慧——模擬優化重塑機器人空中翻轉技巧

DeepMind新力作：從自然語言到數學證明，AlphaGeometry2刷新紀錄

家中力量訓練升級：AI實時監控激活神經信號

人工智能與傳統技術融合實現神經通路精確重建

腦科學動態

快速移動中視覺為何不模糊？

人類在快速移動時，為何視覺圖像仍能保持清晰？奧地利科學技術研究所（ISTA）的Maximilian J?sch教授領導的團隊對此進行了研究，使用了兩光子鈣成像顯微鏡等先進技術，對小鼠大腦進行體內成像，觀察其在虛擬現實系統中的行為。研究發現，大腦中的腹外側膝狀體核（vLGN）能夠整合來自大腦各部分的運動和感覺信號，并計算出一個全面的糾正信號，從而在視覺處理早期階段就進行圖像校正。

研究團隊使用了雙光子鈣成像顯微鏡，可以在小鼠清醒并在虛擬現實系統中正常行為時，實時監測其大腦中特定區域的活動。通過這種方法，他們發現vLGN接收了非常具體的行為指令副本，這些指令可用于在運動過程中“去模糊”視覺畸變。vLGN位于丘腦外側，是大腦中心的蛋形結構，大腦皮層下方。它整合了整個大腦的各種運動和感覺信號，并充當計算全面糾正信號的樞紐。一個例子是眼睛移動后立即的視覺信號的“去模糊”。這允許更有效地計算視覺處理的后期階段。研究發表在 Nature Neuroscience 上。

#神經科學 #視覺處理 #vLGN #兩光子鈣成像顯微鏡 #虛擬現實

閱讀更多：

Vega-Zuniga, Tomas, et al. “A Thalamic Hub-and-Spoke Network Enables Visual Perception during Action by Coordinating Visuomotor Dynamics.” Nature Neuroscience, Feb. 2025, pp. 1–13. www.nature.com, https://doi.org/10.1038/s41593-025-01874-w

大腦皮層通過“回聲”機制檢測新穎刺激

大腦皮層如何區分新舊刺激一直是神經科學的重要問題。哥倫比亞大學的Yuriy Shymkiv及其團隊在Rafael Yuste的實驗室中，通過記錄小鼠聽覺皮層的神經元活動并構建神經網絡模型，揭示了大腦皮層通過“回聲”機制檢測新穎刺激的過程。

?該插圖表示聲音是如何在大腦皮層中編碼的，神經元（右）使用“回聲”活動來跟蹤聽覺刺激，以改變和改善大腦對未來的預測。Credit: Yuriy Shymkiv

研究團隊使用雙光子鈣成像技術記錄了小鼠聽覺皮層對聲音刺激的反應。他們發現，神經元通過“回聲”活動跟蹤感覺輸入，并形成短期記憶。這種機制不僅確保每個刺激引發獨特反應，還能增強對新刺激的反應。為了驗證這一發現，團隊構建了一個循環神經網絡，并成功復現了小鼠大腦中的新穎性檢測過程。研究還發現，大腦皮層的緩慢動態特性是其處理信息和檢測新穎性的關鍵。這一發現不僅深化了對大腦功能的理解，還為精神分裂癥等疾病的治療提供了潛在方向。研究發表在 Neuron 上。

#神經科學 #大腦健康 #新穎性檢測 #神經網絡 #精神分裂癥

閱讀更多：

Shymkiv, Yuriy, et al. “Slow Cortical Dynamics Generate Context Processing and Novelty Detection.” Neuron, vol. 0, no. 0, Feb. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.01.011

新數學模型揭示大腦決策機制

普林斯頓大學的神經科學家團隊開發了一種新的數學模型，稱為潛在回路模型（latent circuit model），用于解釋大腦在決策過程中如何處理不同的感官信息。該研究由博士后研究員Christopher Langdon和神經科學助理教授Tatiana Engel領導，他們通過訓練循環神經網絡來執行與上下文相關的決策任務，發現前額葉皮層中的神經元在處理感官信息時會抑制不相關的信息。

研究人員開發了一種潛在回路模型的降維方法，該方法通過低維度的循環連接來解釋任務變量如何相互作用以產生行為輸出。他們將該模型應用于經過訓練的復發性神經網絡，發現了一種抑制機制，即上下文表征抑制了不相關的感官反應。通過驗證這種機制，研究人員確認了潛在電路模型預測的連接擾動對行為的影響。此外，他們在執行相同任務的猴子前額葉皮層中也發現了類似的不相關感官反應的抑制。研究表明，任務變量之間的因果相互作用對于從神經反應數據中識別行為相關的計算至關重要。研究發表在 Nature Neuroscience 上。

#神經技術 #決策機制 #潛在電路模型 #前額葉皮層 #復發性神經網絡

閱讀更多：

Langdon, Christopher, and Tatiana A. Engel. “Latent Circuit Inference from Heterogeneous Neural Responses during Cognitive Tasks.” Nature Neuroscience, Feb. 2025, pp. 1–11. www.nature.com, https://doi.org/10.1038/s41593-025-01869-7

神經甾體：甜味偏好的幕后調控者

紐約州立大學石溪分校的研究團隊探索了大腦活動如何影響味覺偏好，特別是甜味。Arianna Maffei及其團隊使用小鼠模型，通過基因操作和神經甾體注入，研究了味覺皮層中神經甾體阿洛孕諾酮的作用。他們發現這種神經甾體通過增加GABA受體的緊張性抑制回路來調節大腦活動，從而降低對甜味的敏感性和偏好。

?Credit: Current Biology (2025).

研究團隊在小鼠模型中局部注入神經甾體阿洛孕諾酮（allopregnanolone），激活味覺皮層中的GABA受體，發現這降低了小鼠對甜味的敏感性和偏好。隨后，他們使用遺傳工具移除味覺皮層中的神經甾體敏感GABA受體，進一步消除了對甜味的偏好。研究還發現，如果僅從抑制性味覺皮層神經元中選擇性去除受體，這種對甜味的降低敏感性和偏好更為明顯。這些發現揭示了神經甾體在調節味覺偏好中的關鍵作用，并為理解大腦如何處理味覺信息提供了新的視角。研究發表在 Current Biology 上。

#神經科學 #味覺偏好 #神經甾體 #GABA受體 #大腦機制

閱讀更多：

Shymkiv, Yuriy, et al. “Slow Cortical Dynamics Generate Context Processing and Novelty Detection.” Neuron, vol. 0, no. 0, Feb. 2025. www.cell.com, https://doi.org/10.1016/j.neuron.2025.01.011

降低氧化固醇或成阿爾茨海默病治療新靶點

阿爾茨海默病（AD）與細胞衰老和炎癥密切相關，尤其是攜帶APOE4基因的人群。美國南加州大學凱克醫學院的Hussein Yassine和Shaowei Wang團隊，通過大量RNA和單核RNA測序分析，揭示了ABCA1與APOE4和AD中細胞衰老的關聯。他們發現，降低氧化固醇水平可以恢復ABCA1的正常功能，為AD治療提供了新方向。

?大量 RNA 和單核 RNA（sn-RNA）測序分析揭示了 ABCA1 與 APOE4 和 AD 中的細胞衰老之間的關聯。Credit: Molecular Neurodegeneration (2025).

研究團隊使用小鼠模型和人類腦組織尸檢樣本，結合蛋白質組學和脂質組學分析，發現ABCA1在AD患者大腦中被困在溶酶體（lysosome，細胞內的“垃圾處理站”）中，導致氧化固醇積累，進而引發炎癥和細胞衰老。通過藥物環糊精（cyclodextrin）降低氧化固醇水平，團隊成功釋放了被困的ABCA1，恢復了其正常功能，并減少了細胞衰老和神經炎癥。這一發現為AD的早期治療提供了新的藥物靶點。研究發表在 Molecular Neurodegeneration 上。

#大腦健康 #阿爾茨海默病 #氧化固醇 #ABCA1 #細胞衰老

閱讀更多：

Wang, Shaowei, et al. “Cellular Senescence Induced by Cholesterol Accumulation Is Mediated by Lysosomal ABCA1 in APOE4 and AD.” Molecular Neurodegeneration, vol. 20, no. 1, Feb. 2025, p. 15. BioMed Central, https://doi.org/10.1186/s13024-025-00802-7

工作記憶如何影響我們的決策策略

日常決策中，人們依賴習慣或目標導向策略，但決定這兩種策略平衡的因素尚不明確。中國科學院合肥物質科學研究院的團隊通過行為實驗和計算模型，揭示了工作記憶限制在決策中的關鍵作用。他們提出的Hybrid-WM模型比經典模型更準確地反映了在各種條件下的決策過程。

?模擬結果表明，混合-WM 模型優于經典混合-PRE 模型。Credit: Yang Lizhuang

研究團隊使用了兩階段決策任務的實驗數據，發現工作記憶的兩個特定變量——延遲（delay）和負載（load）——會影響目標重訪行為。研究人員提出了工作記憶參與信息處理的計算機制，并將其整合到基于模型的系統中。提出的Hybrid-WM模型比經典的混合強化學習模型更好地再現了實驗效果并擬合了人類行為。這些結果在獨立數據集上得到了驗證。此外，模型參數的差異解釋了與年齡相關的序列決策差異。總體而言，研究表明工作記憶在基于模型的策略中指導行動評估，突出了高級認知功能對序列決策的貢獻。研究發表在 Journal of Cognitive Neuroscience 上。

#認知科學 #工作記憶 #決策策略 #Hybrid-WM模型 #強化學習

閱讀更多：

Zuo, Zhaoyu, et al. “Working Memory Guides Action Valuation in Model-Based Decision-Making Strategy.” Journal of Cognitive Neuroscience, vol. 37, no. 1, Jan. 2025, pp. 86–96. Silverchair, https://doi.org/10.1162/jocn_a_02237

AI 行業動態

本科生推翻姚期智40年猜想，哈希表查詢速度與填滿程度無關

2021年，羅格斯大學本科生Andrew Krapivin偶然發現了一篇關于微型指針的論文，這激發了他對哈希表（hash table）的研究興趣。哈希表是一種廣泛用于數據存儲和檢索的數據結構，通過哈希函數將數據映射到固定大小的數組中，從而實現快速操作。Krapivin在研究中提出了一種新的哈希表設計，其查詢速度遠超傳統方法，甚至推翻了著名計算機科學家姚期智（Andrew Chi-Chih Yao）在1985年提出的猜想。

姚期智曾認為，哈希表在最壞情況下的查詢時間與表的填滿程度成正比，即表越滿，查詢時間越長。然而，Krapivin的新設計證明，查詢時間實際上與填滿程度無關，且在最壞情況下僅與(log x)2成正比，遠快于姚期智的預測。這一發現得到了卡內基梅隆大學William Kuszmaul和紐約大學Martín Farach-Colton的驗證，并發表在相關論文中。

此外，Krapivin及其團隊還發現，對于非貪婪哈希表，平均查詢時間與表的填滿程度無關，這一結果同樣顛覆了姚期智的另一個猜想。盡管這一發現目前尚無直接應用，但它為數據結構的研究提供了新的視角，未來可能帶來更高效的算法設計。

#哈希表 #姚期智 #計算機科學 #數據存儲 #算法優化

閱讀更多：

https://www.quantamagazine.org/undergraduate-upends-a-40-year-old-data-science-conjecture-20250210/

43%工作正被自動化，Anthropic發布重磅經濟指數報告

Anthropic近日發布了一份長達38頁的經濟指數報告，揭示了AI對勞動力市場的深遠影響。報告基于數百萬條與Claude的匿名對話數據，分析了AI在不同職業中的應用現狀。結果顯示，43%的工作正在被AI自動化，主要集中在軟件開發和寫作任務上。AI的使用在中高收入職業中最為普遍，而在低薪和高薪職業中使用率較低。

報告還指出，AI在57%的任務中增強了人類能力，而非完全取代人類。Anthropic通過開源數據集，邀請經濟學家和政策專家進一步研究AI對經濟的長期影響。報告還詳細分析了AI在不同職業任務中的使用情況，發現AI在計算機與數學領域的應用最為廣泛，而在農業等體力勞動領域則較少。盡管AI正在改變勞動力市場，但大多數職業的AI整合仍然是選擇性的，而非全面性的。

#AI自動化 #勞動力市場 #經濟指數 #Claude 4 #職業轉型

閱讀更多：

https://assets.anthropic.com/m/2e23255f1e84ca97/original/Economic_Tasks_AI_Paper.pdf

馬斯克974億美元收購OpenAI，奧特曼反擊提議收購Twitter

埃隆·馬斯克（Elon Musk）近期通過其領導的投資財團，提出以974億美元收購OpenAI的所有資產，旨在讓OpenAI回歸其最初的“開源、安全、造福社會”的宗旨。馬斯克的律師Marc Toberoff表示，已于周一向OpenAI董事會提交了這份收購要約。如果收購成功，馬斯克的AI公司xAI可能與OpenAI合并。

對此，OpenAI首席執行官薩姆·奧特曼（Sam Altman）在社交媒體上回應道：“不，謝謝，但如果你愿意，我們可以用97.4億美元收購Twitter。”他將馬斯克的報價金額小數點前移一位，以示反諷。

OpenAI最初由馬斯克和奧特曼于2015年共同創立，旨在開發對人類有益的人工智能技術。然而，隨著OpenAI的快速發展，特別是其聊天機器人ChatGPT的成功，OpenAI開始從非營利組織向營利性公司轉型。奧特曼認為，這一轉型對于公司的長期發展和獲取資本至關重要。然而，馬斯克對此表示反對，并通過法律手段試圖阻止這一轉變。

與此同時，奧特曼積極尋求與美國政府的合作。在特朗普總統就職前，奧特曼與特朗普進行了25分鐘的電話交流，成功說服特朗普相信科技行業將在他任期內實現通用人工智能（AGI）。隨后，奧特曼與甲骨文（Oracle）聯合創始人拉里·埃里森（Larry Ellison）和軟銀（SoftBank）創始人孫正義（Masayoshi Son）共同宣布了價值1000億美元的“星際之門”計劃，旨在建設全球數據中心，以保持美國在人工智能領域的領先地位。

#馬斯克 #OpenAI #奧特曼 #人工智能行業動態

閱讀更多：

https://www.wsj.com/tech/elon-musk-openai-bid-4af12827?mod=tech_lead_story

AI 研發動態

單導聯心電圖與深度神經網絡助力非侵入性心衰預警

本研究聚焦心衰預警，由麻省理工學院、哈佛醫學院和馬薩諸塞州總醫院團隊開展，采用單導聯心電圖與深度神經網絡開發CHAIS系統，實現非侵入性左心房壓力監測并獲得良好預測效果。

?模型開發與評估。Credit: Communications Medicine (2025).

在本研究中，研究人員采用單導聯心電圖（electrocardiogram，記錄心臟電信號的方法）數據作為輸入，通過構建深度神經網絡模型，識別左心房壓力升高的情況。研究團隊首先利用來自馬薩諸塞州總醫院的6739個樣本進行模型開發和內部評估，得到檢測左心房壓力異常時接收者操作特征曲線下的面積（area under the receiver operating characteristic curve，衡量分類器性能的指標）為0.80。

隨后，他們在另一機構提供的4620個樣本上進行外部驗證，模型性能達到0.76。為進一步檢驗實際應用效果，研究人員對接受右心導管插入術的患者進行前瞻性試驗，結果顯示，在手術前1.5小時采集的貼片監測數據中，模型的接收者操作特征曲線下的面積高達0.875。該研究證明了CHAIS系統在門診心臟血流動力學監測中的應用潛力，為心衰風險預警提供了堅實數據支持。研究發表在 Communications Medicine 上。

#認知科學 #心衰預警 #單導聯心電圖 #深度神經網絡 #非侵入性檢測

閱讀更多：

Schlesinger, Daphne E., et al. “Artificial Intelligence for Hemodynamic Monitoring with a Wearable Electrocardiogram Monitor.” Communications Medicine, vol. 5, no. 1, Jan. 2025, pp. 1–8. www.nature.com, https://doi.org/10.1038/s43856-024-00730-5

DeepRhythmAI大幅降低心律失常漏診率

在長期心電圖（ECG）監測中，識別心律失常（arrhythmias）是一個耗時且高度依賴人工的過程。全球范圍內醫療人員短缺，使得高效、準確的心電圖分析成為關鍵需求。瑞典隆德大學與加拿大麥克馬斯特大學及漢密爾頓健康科學聯合研究所的研究人員合作，使用人工智能模型DeepRhythmAI對長期ECG數據進行分析，并評估其診斷能力。研究結果表明，該AI模型的漏診率比人類技術人員低14倍，顯示出在心律失常檢測方面的巨大潛力。

?桑基圖顯示了由兩種方法檢測到的關鍵心律失常的節律事件持續時間。使用心臟病學專家小組的注釋將 DeepRhythmAI 和心電圖技術員的注釋分類為 TP、FP 或 FN。對于 FP 和 FN 檢測，還報告了這些是否被心臟病學專家小組注釋為另一種關鍵心律失常類別或非關鍵心律失常/噪聲或 NSR。TP，真陽性；FP，假陽性；FN，假陰性；NSR，正常竇性心律。Credit: Nature Medicine (2025).

研究團隊分析了14,606名患者的長期ECG記錄（平均監測時間14±10天），總計超過200,000天的ECG數據。研究采用兩種方法進行分析：一是由167名ECG技術員使用標準臨床方法進行評估，二是使用DeepRhythmAI進行自動檢測。隨后，研究人員隨機選取了5,235個由技術員或AI標記的心律事件，其中2,236個被認為是關鍵性心律失常（critical arrhythmias），并由17個心臟病學專家小組進行獨立驗證，以此作為“金標準”對比兩種方法的準確性。

結果表明，DeepRhythmAI在檢測關鍵性心律失常方面的敏感性達到了98.6%，而技術員的敏感性為80.3%。在每千名患者中，AI的假陰性（false-negative，漏診）率僅為3.2例，而人類技術員為44.3例，即技術員的漏診風險是AI的14.1倍。然而，AI的假陽性（false-positive，錯誤標記為異常）率略高，每千個記錄日出現12例，而技術員為5例。研究人員認為，這種AI驅動的直接向醫生報告方式，不僅能降低漏診風險，還能加速診斷過程，減少醫療成本，并緩解全球醫療資源短缺的問題。研究發表于 Nature Medicine。

#神經技術 #人工智能 #心律失常 #醫療診斷 #ECG分析

閱讀更多：

Johnson, L. S., et al. “Artificial Intelligence for Direct-to-Physician Reporting of Ambulatory Electrocardiography.” Nature Medicine, Feb. 2025, pp. 1–7. www.nature.com, https://doi.org/10.1038/s41591-025-03516-x

輕質尾巴大智慧——模擬優化重塑機器人空中翻轉技巧

為解決機器人空中重定位難題，密歇根大學的Talia Moore、Xun Fu、Ram Vasudevan、Bohao Zhang與加州圣地亞哥大學的Ceri Weber、Kimberly Cooper聯合采用模擬優化方法，揭示了哺乳動物尾巴漸強-漸弱骨長分布與高效機動之間的內在聯系。

?模型可視化。（a）模型結構的示例，具有軀干和單脊椎尾巴，顯示軀干和尾巴在三維空間中的旋轉軸。（b）具有不同數量脊椎（一至六個）的關節尾巴，每個脊椎長度均勻且總尾巴長度相等。模型中的旋轉關節定位在非零角度，以方便清晰區分。Credit: Journal of The Royal Society Interface (2025).

本研究利用優化模擬建立了不同尾巴關節模型，通過設置總尾巴長度、質量和總控制努力相等的條件，對比單節段與多節段尾巴在零重力空間中誘發身體旋轉的能力。結果顯示，增加尾巴關節數能使動作更為復雜，提高機動性能，但由于總控制努力（指各關節合計產生的最大能量）限制，效果提升存在遞減現象。

進一步優化尾巴骨段相對長度后，發現最佳結構呈現由短骨起始、迅速增長至最長骨，再逐步縮短至尾端的漸強-漸弱分布，該分布與加州圣地亞哥大學博物館標本中依賴尾巴重定位的哺乳動物結構高度吻合。數據表明，該優化模擬方法不僅能預測尾部骨骼數據反映的慣性機動能力，還為未來復雜尾部及其他附肢的機器人設計提供了有力指導。研究發表在 Journal of The Royal Society Interface 上。

#神經技術 #機器人設計 #優化模擬 #尾部生物啟示

閱讀更多：

Fu, Xun, et al. “Jointed Tails Enhance Control of Three-Dimensional Body Rotation.” Journal of the Royal Society Interface, Feb. 2025. world, royalsocietypublishing.org, https://doi.org/10.1098/rsif.2024.0355

DeepMind新力作：從自然語言到數學證明，AlphaGeometry2刷新紀錄

針對國際數學奧林匹克幾何題目的挑戰，谷歌 DeepMind團隊開發了AlphaGeometry2，結合AlphaProof、Gemini語言模型及數學規則，通過構建自動構造和邏輯驗證機制，實現了解題成功率顯著提升。該系統在50道題中正確解決42題，超過了平均金牌得主水平。

?搜索算法概述。Credit: arXiv (2025).

在本研究中，DeepMind團隊推出了AlphaGeometry2，這是基于之前版本AlphaGeometry的升級產品。研究人員首先擴展了AlphaGeometry語言，使其能夠處理涉及物體運動、角度線性方程、比例和距離等復雜問題。通過引入Gemini語言模型來優化自然語言描述的解析，系統進一步結合了AlphaProof進行數學證明。

此外，團隊創新性地采用了知識共享機制（利用多個搜索樹整合信息以提升搜索效率的技術），改進了搜索過程，并通過優化符號引擎和合成數據生成大幅提升了系統性能。實驗結果顯示，對過去25年IMO題目測試中，題目覆蓋率由66%提升至88%，總體解題成功率由54%上升至84%，在50道題中正確解答42題，超過了平均人類金牌得主水平，同時該系統在IMO 2024中達到銀牌標準，展現了從自然語言直接轉化為數學問題求解方案的巨大潛力。

#認知科學 #人工智能 #數學競賽 #幾何求解

閱讀更多：

Chervonyi, Yuri, et al. Gold-Medalist Performance in Solving Olympiad Geometry with AlphaGeometry2. arXiv:2502.03544, arXiv, 5 Feb. 2025. arXiv.org, https://doi.org/10.48550/arXiv.2502.03544

家中力量訓練升級：AI實時監控激活神經信號

針對康復期后患者缺乏持續訓練動力的問題，挪威 SINTEF、挪威科技大學和Myworkout的Knut L?kke、Mariann Sandsund等團隊開發了基于人工智能的家庭力量訓練應用，通過實時數據監測和反饋，實現了神經信號傳輸及肌肉力量的改善。

該研究采用了一款基于人工智能的手機應用程序，利用手機內置傳感器記錄運動過程中產生的數據，對參與者在家中進行的單腿深蹲等高強度訓練（High-Intensity Training, HIT, 一種短時間內高負荷鍛煉的方法）進行實時監測和分析。通過應用程序，研究人員收集了參與者每次訓練的力量輸出、動作速度及頻率，并借助大數據分析算法對數據進行比對和反饋，確保動作標準，從而激活神經系統，改善神經信號傳輸。實驗數據顯示，經過一段時間的訓練，參與者的腿部力量平均提升約15%，神經信號傳輸效率顯著改善。該方法不僅為康復期后患者提供了一種便捷、安全的家庭訓練模式，同時為全球范圍內推廣個性化康復訓練提供了科學依據。

#神經技術 #力量訓練 #家庭康復 #人工智能

閱讀更多：

https://medicalxpress.com/news/2025-02-results-home-ai-app.html

人工智能與傳統技術融合實現神經通路精確重建

大腦神經通路重建存在數據不確定性問題。拉馬爾學院、波恩大學及波恩大學醫院神經影像小組利用TractSeg及混合追蹤方法，對癲癇半球切除患者進行影像分析，提出改進策略以提升重建精度。

?下丘腦縱束（ILF）在半球切除術患者完整半球中的重建。在特寫視圖中，對應于紅色矩形區域，流線在切片附近被剪裁，以更好地可視化 TractSeg 在病變內重建流線的事實，而所提出的正則化低秩重建更準確地排除了病變，盡管分割了更大的束體積。Credit: NeuroImage: Clinical (2025).

本研究采用深度學習方法進行神經通路追蹤，即利用TractSeg（Tract Segmentation，基于深度學習預測神經纖維走向的算法）隱式學習大腦解剖先驗，通過MRI數據計算纖維通路。研究對象為25例接受半球切除手術的癲癇患者與25名健康對照。結果顯示，傳統TractSeg在患者大腦中出現了“幻覺”，錯誤重建了已斷開的纖維通路，同時部分保留纖維存在欠分割問題。

為此，研究人員提出一種改進方法，通過結合TractSeg生成的束方向圖（Tract Orientation Maps，反映神經纖維主要走向的圖像）與低秩張量近似，實現僅在數據支持區域內追蹤。此擴展方案有效消除了病變區內的幻覺通路，并提升了對保留神經通路的完整重建，甚至在健康對照中亦獲得更全面的重建效果，為復雜腦外科手術提供更精確的影像導引。研究成果為深度學習在臨床神經影像中的應用提供了新思路，盡管仍建議人工質量控制以確保數據準確性。研究發表在 NeuroImage: Clinical 上。

#神經技術 #人工智能 #深度學習 #束追蹤 #腦外科

閱讀更多：

“Deep Learning Based Tractography with TractSeg in Patients with Hemispherotomy: Evaluation and Refinement.” NeuroImage: Clinical, vol. 45, Jan. 2025, p. 103738. www.sciencedirect.com, https://doi.org/10.1016/j.nicl.2025.103738

整理｜ChatGPT

編輯｜丹雀、存源

關于追問nextquestion

天橋腦科學研究院旗下科學媒體，旨在以科學追問為紐帶，深入探究人工智能與人類智能相互融合與促進，不斷探索科學的邊界。如果您有進一步想要討論的內容，歡迎評論區留言，或添加小助手微信questionlab，加入社群與我們互動。

關于天橋腦科學研究院

天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。

Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智能與精神健康前沿實驗室；與加州理工學院合作成立了加州理工天橋神經科學研究院。

Chen Institute建成了支持腦科學和人工智能領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括、、、科研型臨床醫生獎勵計劃、、中文媒體追問等。