Neural and behavioural manifold dynamics align across interacting individuals
두 건의 이중 EEG 연구에서 운동학적 정보가 반영된 딥 대조 학습과 동역학계 모델링을 결합함으로써, 저자들은 대인 간 협응이 상호작용하는 파트너들 사이에서 유연한 어트랙터 유사 역학을 공동 조절하는 저차원 신경 매니폴드의 기하학적 및 시간적 정렬으로부터 발생함을 입증한다.
1608 편의 논문
뇌는 우리 의식과 행동의 중심에 있는 가장 복잡한 기관입니다. 신경과학은 이 놀라운 네트워크가 어떻게 작동하고, 우리가 세상을 인지하며 감정을 형성하는지 탐구하는 분야로, 최근 급격히 발전하고 있습니다. Gist.Science 는 이러한 최신 연구 성과를 누구나 쉽게 접할 수 있도록 준비했습니다.
이 카테고리에 수록된 모든 논문은 생물의학 연구 사전 출판 플랫폼인 bioRxiv 에서 직접 가져온 것들입니다. 우리는 bioRxiv 에 올라오는 새로운 신경과학 논문들을 실시간으로 모니터링하며, 전문 용어로 가득 찬 원문을 명확한 일반 언어 요약과 함께 상세한 기술적 분석으로 변환하여 제공합니다. 아래에서는 신경과학 분야의 최신 연구 동향을 보여 주는 최신 논문 목록을 확인하실 수 있습니다.
두 건의 이중 EEG 연구에서 운동학적 정보가 반영된 딥 대조 학습과 동역학계 모델링을 결합함으로써, 저자들은 대인 간 협응이 상호작용하는 파트너들 사이에서 유연한 어트랙터 유사 역학을 공동 조절하는 저차원 신경 매니폴드의 기하학적 및 시간적 정렬으로부터 발생함을 입증한다.
본 논문은 중간 상태 모델 없이 가공되지 않은 반응 시간을 평가함으로써 탐색 시간을 단축하고 임상 적용을 위한 접점 선택 정확도를 향상시키기 위해, 직접적인 멀티 암드 밴딧(Multi-Armed Bandit) 알고리즘을 사용하여 인지 제어를 위한 뇌심부 자극 파라미터를 신속하고 자동적으로 최적화하는 노이즈에 강한 연속 롤링 아레나 프레임워크를 제안한다.
이 논문은 패치 및 회전 위치 임베딩을 활용하여 sEMG 신호로부터 미세 운동 필기체를 디코딩하고 경량화된 미세 조정 전략을 통해 높은 세션 간 정확도를 달성하는 다중 채널 이중 스트림 트랜스포머 아키텍처인 DualMyo를 소개한다.
이 논문은 주파수 분해 MEG 기능적 연결성으로부터 뇌 상태를 예측하는 데 있어 기존의 회귀 방법보다 뛰어난 성능을 보이는 해석 가능한 딥러닝 프레임워크(FC-CNN)를 소개하며, 진폭 포락선 상관관계가 더 우수한 특징임을 입증하고 모델 가중치가 바이오마커 발견을 위한 신경생리학적 통찰을 제공할 수 있음을 보여준다.
두개 내 전기생리학을 이용한 본 연구는 인간의 행동적 유연성이 개별화, 범주화 및 개념화 요구에 따라 역동적으로 적응하여 시행 수준의 수행도를 예측하는 복측 측두엽 내 표상 기하학의 점진적이고 과업 의존적인 정교화에 의해 뒷받침된다는 것을 밝혀낸다.
이 연구는 CA3 자동연상 기억의 안정성이 재귀적 연결성과 뉴런의 희소성 사이의 결정적인 절충 관계에 달려 있음을 보여주는데, 여기서 높은 연결성은 폭주하는 흥분을 방지할 만큼 활동이 충분히 희소할 때만 실행 가능하며, 이러한 조건은 치아이랑(dentate gyrus)에 의해 자연스럽게 유지되고 성인 신경 발생에 의해 조절된다.
본 연구는 EEG 마이크로스테이트 시퀀스를 활용하고 전이 학습을 결합한 준지도 학습 딥러닝 모델이 운동 상상 과제를 효과적으로 분류하여 보정 시간을 단축하면서도 높은 정확도를 달달성할 수 있음을 입증하며, 이는 사용자 친화적이고 보정이 필요 없는 뇌-컴퓨터 인터페이스를 향한 유망한 경로를 제시한다.
이 연구는 취약 X 증후군에서 축삭 초기 분절의 발달 변화가 Kv7 채널을 기능적으로 비활성 상태로 만들어, 성인기까지는 해마 회로 활동의 일시적인 초기 생애 결함을 유발한다는 것을 밝혀냈다.
본 연구는 뇌전증 환자를 대상으로 소스 국소화된 뇌자도(MEG)를 동시 측정된 뇌내 전도(intracranial EEG)와 비교 검증함으로써, MEG가 해마와 같은 심부 피질하 구조를 포함하여 다양한 주파수와 깊이에 걸친 자발적 진동 역학을 정확하게 포착함을 입증하였으며, 이를 통해 건강한 상태와 질병 상태 모두에서 인간의 인지를 연구하기 위한 MEG의 유용성을 확인하였다.
대규모 fMRI 데이터에 대한 유한 임펄스 응답 모델링을 통해, 본 연구는 인간 편도체의 하위 영역들이 부정적 정서 상태에서 뚜렷하게 구별되는 시공간적 역학을 보이며, 외측기저부와 표층 부위는 초기에 정점에 도달하는 반면 중심내측 부위는 지속적인 활성화를 보인다는 점과 지시된 인지적 재평가가 이러한 반응 패턴을 유의미하게 변화시키지 못했다는 것을 밝혀냈다.