Barely depictive: Predicting imagery vividness relative to perception with EEGNet
该研究利用基于 EEGNet 的深度学习模型,通过量化视觉感知与视觉心理意象在神经层面的生动度差异,证实了意象生动度虽显著低于感知但仍高于基线,从而支持了“微弱描绘性”而非“准描绘性”的意象理论。
2418 篇论文
神经科学致力于解开大脑的奥秘,从记忆的形成到意识的本质,探索着人类思维与行为背后的生物学机制。这一领域不仅关乎我们如何感知世界,更揭示了情感、学习乃至精神健康背后的复杂神经网络。在这里,我们关注那些正在重塑我们对“自我”认知的最新发现,让深奥的脑科学变得触手可及。
Gist.Science 实时追踪并处理来自 bioRxiv 的所有最新神经科学预印本。我们深知前沿研究往往充满专业壁垒,因此为每一篇新论文提供通俗易懂的科普解读以及详尽的技术摘要,帮助读者跨越术语障碍,直接把握研究核心。
以下为您呈现该领域最新的预印论文列表,期待这些前沿成果能为您带来启发。
该研究利用基于 EEGNet 的深度学习模型,通过量化视觉感知与视觉心理意象在神经层面的生动度差异,证实了意象生动度虽显著低于感知但仍高于基线,从而支持了“微弱描绘性”而非“准描绘性”的意象理论。
该研究通过应用现象学重整化群分析大鼠 CA1 神经元活动,发现睡眠或休息期间活动方差的标度指数能够独立于记忆重激活过程,跨个体预测空间记忆的表现,表明接近临界状态的无标度电路动力学是记忆巩固的关键决定因素。
该研究通过对比二头肌在疲劳过程中的表面肌电(sEMG)与光泵磁力计肌磁图(MMG)信号,证实了勒姆佩尔 - 齐夫(LZ)复杂度等指标能捕捉超越传统幅度和频谱特征的神经肌肉信号组织变化,表明这两种模态虽存在特异性差异,但均可有效用于多模态神经肌肉疲劳评估。
该论文发布了名为 Hyperface 的自然主义 fMRI 数据集,通过让参与者观看包含多样身份、表情和视角的动态人脸视频,旨在克服传统静态实验的局限,为在更生态有效的条件下研究人类面部处理机制及验证计算模型提供了高质量资源。
本文介绍了一种针对传统高尔基染色法中浸染时间长且不一致、切片易碎及细微树突结构显示不稳定等缺陷的优化方案,通过调整浸染条件、固定及振动切片参数,实现了低成本、高可靠性的皮层神经元形态学分析。
该研究利用大规模视觉觅食数据发现,虽然灵长类腹侧视觉流存在由“ animate-inanimate"和"stubby-spiky"定义的二维对象空间,但人类的行为偏好拓扑结构在不同物体类别间并不通用,而是会因类别不同而发生扭曲,从而挑战了该空间作为行为通用支架的观点。
该研究通过解构周期性、可预测性、语速及相位等声学维度,发现尽管节奏线索对语音识别准确率无显著影响,但可预测的等时节奏在特定相位下会干扰反应时间,且个体音乐脉冲感知能力是决定节奏线索能否提升语音感知效益的关键因素。
该研究利用脑电图(EEG)和时序响应函数(TRF)分析发现,听众对说话者的信任度会调节言语的皮层追踪强度,具体表现为对低信任度说话者的语音追踪增强,而信任度并未改变语言在时空上的表征方式。
本文提出了一种名为 Hybrid eTFCE-GRF 的新方法,通过结合 eTFCE 的精确聚类检索与 pTFCE 的高斯随机场解析推断,在无需置换检验的情况下实现了体素形态学分析中精确的聚类大小获取与解析 p 值计算,显著提升了计算效率并严格控制了族系误差率。
该研究利用幼鱼在虚拟现实中的行为实验,结合双光子成像与谷氨酸传感器,揭示了下橄榄核如何将上游感觉运动误差转化为具有频率选择性的攀爬纤维教学信号,从而阐明小脑学习信号的形成机制。