多年来,神经科学家一直在分析大脑在何时何地会活跃
大脑接受外界信息的刺激,如视听信号以物理、化学形式存在,而神经系统只能以神经脉冲的形式传递信息,因此必须把各种物理、化学信号转变为频率、节奏、波长等神经脉冲来表示不同的信息,这一过程称为编码。就像人们调节收音机的频率,科学家目前已在利用一种脑皮层电流描记的方法,精确描记大脑活动时的频率、波长等神经脉冲并对其进行分析,以获得有关大脑意识的更多详情,帮助人们从一个全新角度理解大脑的工作机制。
脑生理学的三种工具
多年来,神经科学家一直在分析大脑在何时何地会活跃。最近,华盛顿大学医学院研究人员使用了脑皮层电流描记法,这是一种用临时放置于大脑皮层表面的电极阵列来监测大脑的技术。“分析大脑功能,通常集中于大脑的哪个部位、什么时候产生活跃。”医学院的埃里克·里奥萨德说,而分析大脑活动的频率、波长为研究脑生理学提供了除脑电图(EEG)、功能性核磁共振成像(fMRI)以外的第三种主要手段。
功能性核磁共振成像技术主要是利用磁振造影来测量神经元活动所引发的血液动力的改变,在大脑中定位某个功能区。脑电图则是将电极放在头皮上,许多神经元同时放电就产生了脑电波,经脑电图机放大后记录在专门的纸上,得出一定波形、波幅、频率和位相的曲线即为脑电图。放电频率决定了大脑活跃频率或波长,这是可以用赫兹或秒周期来计量的。脑电图对癫痫诊断价值最大,用脑电图监控外伤或癫痫病人的意识,可以帮助确定诊断和分型,对诊断脑肿瘤或损伤有一定帮助,也可用来研究睡眠。
相比于脑电图,脑皮层电流描记法能直接记录来自大脑皮层的脑波数据。在临床上,里奥萨德和其他神经外科医生用这种方法来鉴别抗癫痫药物作用源区,绘制出这些区域以便通过外科手术清除病灶。得到病人允许后,他们将电极阵列放在癫痫病人颅骨以下的大脑皮层表面,监控大脑活动波谱,以找到抗癫痫药物在大脑中的作用源区,与传统的脑电波监控手段相比,这种方法获得的结果要更加详细。
精细解码脑电波
利用电极阵列收集大脑活跃性频率的数据,可以获得更多重要的内部观察资料。里奥萨德既是神经外科教授,也是神经生物学与生物医学工程教授。他说:“EEG只能监控40赫兹及以下的频率,但是脑皮层电流描记让我们能对500赫兹以下频率的脑电波活动进行监控,从而能完整地研究大脑活动的生理机制,得到更好的信号,并能更准确地定位信号的来源去向。”
里奥萨德和同事通过电极阵列来观察外科麻醉后的意识减弱和恢复过程,研究结果发表在去年12月出版的美国《国家科学院院刊》上。他们发现,每个频率都产生了不同的信息,这显示出不同的神经回路会如何随着意识的减弱而变化。
在失去意识过程中,按某种顺序发生了一系列变化,在恢复意识的过程中以相反的顺序重复。某个频率区的活动性称为伽玛带,被认为是神经元与其附近神经元之间交流传输信息的表现,随着伽玛带频率的下降或回归,病人失去或恢复意识。
“不管病人麻醉得有多深,某个大脑网络总是以很低的频率保持活跃性不变,”里奥萨德说,“大脑活跃性频率高低频之间有着某种关联,这种关联也不会变,我们推测这可能与某些记忆回路有关。”
在另一篇发表于2月9日《神经科学杂志》上的研究论文中,里奥萨德和同事证明了,大脑特定区域的波长可以用来测定该区域在当时执行的功能。他们将一个电极放在多个不同的脑区,包括语言中枢测量脑活性数据,集中分析这些数据显示,病人的许多信息可通过脑区中的活性高频带获得。比如:是否听到了一个单词?是否准备说出一个他听到或看到的单词?是否正在说一个他听到或看到的单词?
“一直以来,我们把大脑活动频率作为一个整体,用来研究一个现象,但我们发现这些频率并非毫无差别,而是非常多样。”里奥萨德说,“我们用脑皮层电流描记法分析这些频率,可解码更多的体现大脑活动和认知意向的电流脉冲,因此可更多地从大脑无线电台中获得信息。”
关键字:大脑 脑电波 神经 解码
引用地址:
脑电波精细解码有望实现 全新角度理解大脑机制
推荐阅读最新更新时间:2024-03-16 11:41
赛灵思神经网络加速库 实现FPGA的高效深度学习运算
不久前,AMD和FPGA大厂赛灵思的股东以压倒性多数批准AMD以350亿美元收购赛灵思,这则消息引起了无数“电子人”的关注,要知道,这将是目前芯片行业最大规模的交易之一,上一回还要追溯到英伟达收购ARM。 在电子行业,赛灵思的FPGA芯片一直被行业所推崇,而随着机器学习、深度学习的兴起,也有许多研究者开始将这些智能算法应用在FPGA芯片上。 机器学习是使计算系统无需明确编程即可采取行动的科学,传统机器学习包括各种聚类和分类技术,包括K-means聚类、线性和逻辑回归、随机梯度下降、关联规则学习等。而深度学习则是机器学习中较为前沿的内容,通常依赖于人工神经网络来实现。人工神经网络(CNN)非常适合处理图像或视频数据,其衍生以及变体网
[手机便携]
美国科学家尝试给大脑神经元活动安上“开关”
控制焦虑或许不再需要长年服用药物或心理治疗了,美国科学家至少已经在一些特殊的经过基因改造的小鼠身上证明这是行得通的。在最近发表于《自然》杂志的一项新研究中,来自斯坦福大学的研究小组表示,他们仅仅启动了一个“开关”,原本高度紧张的小鼠顿时一改畏畏缩缩的作风,变成了胆大的“探险家”。
这个由斯坦福大学精神病学家卡尔·戴斯厄罗斯带领的研究小组所采用的就是时下新兴的技术——光遗传学(optogenetics),这种技术结合了转基因工程与光来操作个别神经细胞的活性,可以对精心挑选的神经元的电活动进行控制。
可高度精确地控制神经元
到目前为止,要刺激特定的神经元,通常只能依靠电脉冲这种不精确和难以控制的技术。
[医疗电子]
当周围神经成像进入三维高分辨时代
人类对光明的追求注定是无止境的。医学影像技术的出现,似一束光照亮了人体的暗部。医生更期待影像技术成为其工作中的透视眼、全息投影设备…..于是,各种CT、MRI三维重建技术纷至杳来。 在众多三维成像技术中,周围神经成像一直是最难攻克的。X射线CT等方法因成像参数单一、软组织对比度较差等原因使它们在周围神经成像中具有很大的局限性。B超采用高频探头虽然能清晰显示较为表浅的周围神经,却难以显示深部周围神经。MRI则以其无与伦比的软组织分辨力和多参数成像能力被公认为是研究周围神经的最佳手段。 近年来对周围神经损伤的MRI诊断实验及临床研究日渐深入。但在实际操作中,影像医生依然面临着诸多难题——如四肢的周围神经成像比臂丛和腰
[医疗电子]
CEVA推出基于神经网络的WhisPro™语音识别技术
用于Always-On设备的Trigger Phrase SDKit扩展了CEVA的智能声音IP产品组合,为客户提供了用于智能手机、智能扬声器、蓝牙耳机等语音控制设备的整体 解决方案 CEVA,全球领先的智能和互联设备信号处理平台和人工智能处理器IP授权许可厂商 (纳斯达克股票交易所代码:CEVA) 宣布推出基于神经网络的语音识别技术WhisPro™,瞄准智能云服务和前端设备使用语音作为主要人机接口的快速增长。 WhisPro充分利用CEVA在低功耗语音和音频处理方面的丰富专业知识,是一种始终聆听的多关键词触发技术,允许新智能手机、智能扬声器、蓝牙耳机和其它语音设备的用户与基于云的语音助理服务进行交互 ,如亚马逊Ale
[物联网]
医疗电子新增长点:神经植入设备
一家名为NeuroPace的新创公司希望获得自己的首款神经植入设备的销售许可。NeuroPace的工作仅仅是新兴的神经设备领域市场激增的缩影。 NeuroPace公司于今年七月将一款用于治疗癫痫症的大脑植入设备送交美国食品药品管理局审批,该产品已经经过了十年的研发。NeuroPace公司希望自己的RNS系统能够在一年内获准使用。 NeuroPace首席医务官Martha Morrell在BioMedDevice论坛上表示:“我相信在未来十年里多种闭环、开环脑部刺激设备将会取代破坏性的手术疗法”。 癫痫症植入设备的试用让研究人员见识到了这种技术在治疗各种严重病症时的潜力,可行的范围覆盖了从疼痛、抑郁到帕金森和阿
[医疗电子]
统计2010年全球H.264芯片出货量增加51%
当前,H.264解码器逐渐出现在许多解决方案中,压缩方案也开始受到大家青睐了。对于H.264来说,卫星机顶盒仍然是最大市场。 此外,越来越多的数字电视都在使用H.264,而不是仅仅只选择MPEG-2。在相关的数据调查中显示2010年全球H.264芯片出货量将比2009年增加了51%。在卫星机顶盒市场,Broadcom是H.264的最大供应商。 因此,In-Stat预计到2013年H.264解码器芯片每年将增长20%。“由于其较低的比特率和较小文件可以帮助网络视频解决方案,所以先进的压缩标准如H.264越来越受用户的欢迎,”首席分析师MichelleAbraham说,“视频的应用如用户生成的内容和在线视频流,在嵌入式
[安防电子]
ATUM可建立纳米级大脑神经元3D图像
美国科学家利用新的成像技术制造出让人惊叹的大脑3D图像,以前所未有的精度展示个体神经细胞。这些3D图像由一系列高分辨率的图像合成,可以显示到毫米的百万分之一到纳米级。 研究人员希望这些图像能够揭示双向情感障碍或抑郁等神经疾病患者大脑细胞的异常连接。
上图图为一个三维重建的所有细胞周围细胞体的顶端树突。这些都是一个短支链的神经细胞的延伸,突触从其他细胞接收到的脉冲发送到细胞体。
该研究的第一作者,美国波士顿大学医学院的Narayanan Kasthuri副教授表示,大脑的复杂程度远远超乎我们的想象。我们对于神经元如何互相连接已经有了很清楚的认识,但是当你看到真实的微观世界,事实并不是那样。
该研
[医疗电子]
最强大脑当属CPU+FPGA?
对于机器人而言,什么才最重要? 能够暴力弹跳的复杂机械装置?各类价格昂贵的?或像EVE那样以萌神外形征服世界? No,no,no!最重要的是: 能在复杂的环境中完成特定工作,做一个有益于人民的机器人。 为了实现这一崇高目标,机器人要眼观六路,耳听八方,行走天下,胸有丘壑。 而这一切都离不开一颗强劲的大脑——高性能计算平台和高效算法。 通用处理器在计算性能和能效上越来越难以满足日益庞大、多样化的数据处理需求。 借助由、和其他智能引擎等协处理器与一起组成的异构计算平台来提升计算性能,已成为当下学术界和工业界的研究热点。 异构计算作为一种特殊的并行计算方式,能够根据每个计算子系统的结构特点为其分配不同的计算任务,在提高
[机器人]