1608 Arbeiten
Die Neurowissenschaften erkunden das komplexeste Organ im menschlichen Körper: das Gehirn. Dieser Bereich beleuchtet, wie Nervenzellen miteinander kommunizieren, wie unser Bewusstsein entsteht und welche Mechanismen neurologischen Erkrankungen zugrunde liegen. Von der molekularen Ebene bis zum Verhalten reicht das Spektrum dieser Forschung, die täglich neue Einblicke in die Funktionsweise unseres Denkens liefert.
Auf Gist.Science stellen wir Ihnen die neuesten Vorveröffentlichungen aus bioRxiv vor, die sich direkt mit diesen spannenden Fragestellungen befassen. Unser Team verarbeitet jeden neuen Preprint in dieser Kategorie und bietet Ihnen sowohl verständliche Zusammenfassungen für ein breites Publikum als auch detaillierte technische Analysen für Fachleute. So bleiben Sie stets auf dem aktuellen Stand der Forschung, ohne in unwegsames Fachvokabular zu geraten.
Nachfolgend finden Sie die aktuellsten Forschungsarbeiten aus dem Bereich der Neurowissenschaften, die wir für Sie aufbereitet haben.
Durch die Kombination von kinematik-informiertem Deep Contrastive Learning mit dynamischen Systemmodellierungen in zwei Dual-EEG-Studien demonstrieren die Autoren, dass interpersonelle Koordination aus der geometrischen und zeitlichen Ausrichtung niederdimensionaler neuronaler Manigfaltigkeiten entsteht, die flexibler, attraktorgleicher Dynamiken zwischen interagierenden Partnern gemeinsam regulieren.
Dieses Paper schlägt ein rauschresistentes, kontinuierliches Rolling-Arena-Framework unter Verwendung eines direkten Multi-Armed-Bandit-Algorithmus vor, um die Parameter der Tiefen Hirnstimulation für die kognitive Kontrolle schnell und automatisch zu optimieren, indem rohe Reaktionszeiten ohne Zwischenzustandsmodelle evaluiert werden, wodurch die Suchzeiten verkürzt und die Genauigkeit der Kontaktselektion für die klinische Anwendung verbessert werden.
Dieses Paper stellt DualMyo vor, eine Multi-Channel-Dual-Stream-Transformer-Architektur, die Patch- und Rotary-Positional-Embeddings nutzt, um feine motorische Handschrift aus sEMG-Signalen zu dekodieren und durch eine leichtgewichtige Fine-Tuning-Strategie eine hohe Cross-Session-Genauigkeit zu erreichen.
Diese Arbeit stellt ein interpretierbares Deep-Learning-Framework (FC-CNN) vor, das konventionelle Regressionsmethoden bei der Vorhersage von Hirnzuständen aus frequenzaufgelöster MEG-funktioneller Konnektivität übertrifft, wobei demonstriert wird, dass die Amplituden-Hüllkurven-Korrelation ein überlegenes Merkmal ist und die Modellgewichte neurophysiologische Erkenntnisse für die Entdeckung von Biomarkern liefern können.
Mithilfe der intrakraniellen Elektrophysiologie zeigt diese Studie, dass die menschliche Verhaltensflexibilität durch die graduelle, aufgabenabhängige Verfeinerung der Repräsentationsgeometrie innerhalb des ventralen temporalen Kortex unterstützt wird, welche sich dynamisch an Anforderungen der Individuation, Kategorisierung und Konzeptualisierung anpasst, um die Leistungsfähigkeit auf Trial-Ebene vorherzusagen.
Diese Studie zeigt, dass die Stabilität des CA3-assoziativen Gedächtnisses von einem kritischen Kompromiss zwischen rekurrenter Konnektivität und neuronaler Sparsamkeit abhängt, wobei eine hohe Konnektivität nur dann lebensfähig ist, wenn die Aktivität ausreichend spärlich ist, um eine unkontrollierte Erregung zu verhindern, eine Bedingung, die natürlich durch den Gyrus dentatus aufrechterhalten und durch adulte Neurogenese moduliert wird.
Diese Studie zeigt, dass ein semi-überwachtes Deep-Learning-Modell unter Verwendung von EEG-Mikrostaat-Sequenzen, kombiniert mit Transfer Learning, motorische Vorstellungstätigkeiten effektiv klassifizieren kann, um eine hohe Genauigkeit bei reduzierter Kalibrierungszeit zu erreichen, was einen vielversprechenden Weg für benutzerfreundliche und kalibrierungsfreie Gehirn-Computer-Schnittstellen darstellt.
Diese Studie zeigt auf, dass bei Fragiles-X-Syndrom eine veränderte Entwicklung des axonalen Initialsegments die Kv7-Kanäle funktionell inert macht, was zu vorübergehenden Defiziten der hippokampalen Schaltkreisaktivität im frühen Lebensalter führt, die sich bis zum Erwachsenenalter auflösen.
Durch die Validierung der quellengestützten Magnetoenzephalographie gegenüber simultanem intrakraniellem EEG bei epileptischen Patienten demonstriert diese Studie, dass die MEG die spontanen oszillatorischen Dynamiken über verschiedene Frequenzen und Tiefen hinweg, einschließlich tiefer subkortikaler Strukturen wie dem Hippocampus, präzise erfasst und damit ihre Nützlichkeit für die Untersuchung der menschlichen Kognition in Gesundheit und Krankheit bestätigt.
Durch die Anwendung der Finite-Impulse-Response-Modellierung auf groß angelegte fMRT-Daten zeigt diese Studie auf, dass menschliche Amygdala-Subregionen während negativer Affekte eine distinkte spatiotemporale Dynamik aufweisen, wobei laterobasale und superflizielle Areale frühzeitig gipfeln, während die zentromediale Region eine anhaltende Aktivierung zeigt, wohingegen instruierte kognitive Neubewertung es versäumte, diese Reaktionsmuster signifikant zu verändern.