脑机接口 / BCI

Gravity-Awareness: Deep Learning Models and LLM Simulation of Human Awareness in Altered Gravity

重力感知：变重力环境下人类意识的深度学习模型与LLM模拟

Bakytzhan Alibekov, Alina Gutoreva, Elisa Raffaella-Ferre

机构 * School of IT & Engineering, Kazakh-British Technical University（信息技术与工程学院，哈萨克-英国技术大学） ； School of Psychological Sciences, Birkbeck University of London（心理学科学学院，伦敦伯贝克大学） 纠错

专题命中 EEG解码 ：EEG(abstract,abstract_cn)；cortical(abstract)；分类 q-bio.NC、eess.SP、cs.LG

AI总结 提出一个计算框架，结合轻量级MLP神经网络（CorticalG）和高斯过程模型（PhysioG）预测变重力下的脑电与生理反应，并用LLM模拟主观体验，为航天任务中的人类适应提供预测工具。

Comments 60 pages, 5 figures, 2 datasets, 1 protocol

Analysis of Evolving Cortical Neuronal Networks Using Visual Informatics

使用视觉信息学分析演化的皮层神经元网络

Ho Fai Po, Akke Mats Houben, Anna-Christina Haeb, Yordan P. Raykov, Daniel Tornero, Jordi Soriano, David Saad

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

AI总结 本研究利用基于余弦度量的最小失真嵌入（MDE）降维框架，分析神经元群体活动在发育和刺激下的变化，相比PCA和t-SNE，MDE能更好地保留活动轨迹和条件内半径等生物学信息。

Spatiotemporal bursting in simulated cultures of cortical neurons

培养皮层神经元中的时空爆发活动

Michael Stiber, Natalie Gonzales, Jewel YunHsuan Lee

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

AI总结 通过模拟研究，发现培养皮层神经元网络中的爆发活动起源于少数网络位置并以波形式传播，且不需要精细调节参数。

Comments 31 pages, 7 figures; substantial revisions; accepted for publication by Biosystems

Winner-Take-All bottlenecks enforce disentangled symbolic representations in multi-task learning

赢家通吃瓶颈强制多任务学习中的解耦符号表示

Julian Gutheil, Simon Hitzginger, Robert Legenstein

机构 * Institute of Machine Learning and Neural Computation（机器学习与神经计算研究所） ； Graz University of Technology（格拉茨技术大学） ； Graz, Austria（奥地利格拉茨） 纠错

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

AI总结 本文研究了赢家通吃瓶颈在多任务学习中强制提取数据类别潜在因素的作用，证明了其产生的表示具有高度符号性，并通过实验验证了其在一般化中的优势。

Comments We have revised the theorem and its proof. We have also corrected some minor errors

Hi-DREAM: Brain-Inspired Hierarchical Diffusion for fMRI-to-Image Reconstruction via ROI Encoder and VisuAl Mapping

Hi-DREAM: 基于脑启发的层次化扩散用于fMRI到图像重建，通过ROI编码器和视觉映射

Guowei Zhang, Yun Zhao, Kai Sun, Moein Khajehnejad, Adeel Razi, Dinh Phung, Levin Kuhlmann

机构 * Dept of Data Science and AI, Monash University, Melbourne, Australia（数据科学与人工智能系，墨尔本大学，澳大利亚） ； School of Psychological Sciences, Monash University, Melbourne, Australia（心理学科学学院，墨尔本大学，澳大利亚） ； Brain and Mind Centre, University of Sydney, Sydney, Australia（脑与心智中心，悉尼大学，澳大利亚） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.HC

AI总结 提出Hi-DREAM框架，利用层次化扩散模型，通过ROI适配器将早期、中期和晚期视觉ROI流转换为多尺度皮层金字塔，并用轻量级ROI条件ControlNet注入解剖先验，在NSD数据集上实现最先进的高层语义重建和强低层结构。

Comments 18 pages, 5 figures

Uncertain but Useful: Leveraging CNN Training Variability into Data Augmentation

不确定但有用：将CNN训练变异性用于数据增强

Inés Gonzalez-Pepe, Vinuyan Sivakolunthu, Yohan Chatelain, Tristan Glatard

专题命中 神经信号处理 ：cortical(abstract)

AI总结 本研究揭示FastSurfer分割模型训练中的数值不确定性超过FreeSurfer，并利用随机种子变异性作为数据增强技术，通过集成提升下游脑龄回归性能。