脑机接口 / BCI

Let Robots Feel Your Touch: Visuo-Tactile Cortical Alignment for Embodied Mirror Resonance

让机器人感受你的触摸：用于具身镜像共振的视觉-触觉皮层对齐

Tianfang Zhu, Ning An, Rui Wang, Jiasi Gao, Qingming Luo, Anan Li, Guyue Zhou

机构 * Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Key Laboratory of Biomedical Engineering of Hainan Province, School of Biomedical Engineering, Hainan University（海南省生物医学工程重点实验室，海南大学生物医学工程学院） ； School of New Media Art and Design, Beihang University（北航艺术与设计学院） ； MoE Key Laboratory for Biomedical Photonics, Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology（教育部生物医学光子学重点实验室，武汉光电研究所，华中科技大学） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)；分类 cs.LG、cs.RO

AI总结 本文提出镜像触觉网络，通过多级约束实现视觉与触觉表征的语义、分布和几何对齐，使机器人能从RGB图像预测毫米级触觉信号，为具身镜像共振提供可解释的机器人感知路径。

Feature Visualization Recovers Known Cortical Selectivity from TRIBE v2

特征可视化从TRIBE v2中恢复已知的皮层选择性

Stuart Bladon, Brinnae Bent

机构 * Duke University（杜克大学） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC、cs.LG

AI总结 本文提出特征可视化技术，通过梯度上升在TRIBE v2中恢复皮层选择性，发现不同区域在空间尺度和特征复杂度上的渐进变化，并产生三种下游模式。

Comments 8 pages, 3 figures, 2 tables. Code available at https://github.com/recozers/Tribe-V2-Interp

Are cortical microcircuits optimized for information flux? -- A simulation-based reverse engineering study

皮层微回路是否优化以增强信息流？——基于模拟的反向工程研究

Claus Metzner, Ali Ghebleh, Karin Prebeck, Achim Schilling, Andreas Maier, Thomas Kinfe, Patrick Krauss

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

AI总结 研究通过模拟分析皮层微柱结构，发现嵌入网络通过产生有效偏置和随机波动增强核心动态的信息流，为生物神经电路功能解释和人工递归系统设计提供新见解。

Shared representations in brains and models reveal a two-route cortical organization during scene perception

大脑与模型中的共享表征揭示了场景感知期间的双路由皮层组织

Pablo Marcos-Manchón, Lluís Fuentemilla

机构 * Department of Cognition, Development and Education Psychology, Faculty of Psychology, University of Barcelona（认知、发展与教育心理学系，心理学学院，巴塞罗那大学） ； Institute of Neurosciences, University of Barcelona（神经科学研究所，巴塞罗那大学） ； Bellvitge Institute for Biomedical Research（Bellvitge生物医学研究 institute） 纠错

专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC

AI总结 研究通过7T fMRI数据揭示了场景感知中双路由皮层组织，发现视觉和语言模型在表征结构上的差异。

Comments for associate code, see https://github.com/memory-formation/convergent-transformations

REALM: Retrospective Encoder Alignment for LFP Modeling

REALM：用于LFP建模的回顾性编码对齐

Peicheng Wu, Zhenyu Bu, Runze Ma, Lin Du

机构 * Department of Biomedical Engineering, The Ohio State University（生物医学工程系，俄亥俄州立大学） ； Department of Information Technology, Monash University Malaysia（信息技术系，墨尔本大学马来西亚分校） ； NeuroTech Insititude, Columbus, OH, United States（神经科技研究所，美国哥伦布） 纠错

专题命中 神经信号处理 ：brain-computer interface(abstract)；neural decoding(abstract)；neural signal(abstract)；分类 q-bio.NC、cs.LG

AI总结 REALM通过回顾性蒸馏框架实现因果LFP解码，提升行为解码精度，同时减少参数和训练时间，为无线植入式BCIs提供可行方案。

An MCMC-Based Method for Dynamic Causal Modeling of Effective Connectivity in Functional MRI

一种基于MCMC的方法用于功能性磁共振成像中有效连接性的动态因果建模

Kaitlyn R. Fales, Hyebin Song, Nicole A. Lazar

专题命中 神经信号处理 ：neural signal(abstract)

AI总结 本文提出了一种基于MCMC的动态因果建模方法，通过简化观测模型和No-U-Turn采样器提高计算效率和参数可识别性，实验证明其在模拟和真实数据中能提供可靠的不确定性量化和参数估计。