【菜科解读】

　科技日报讯据《自然》杂志网站近日报道，研究人员近日在美国神经科学学会举行的年会上报告说，他们研制出了一台名为Harmoni的深部脑刺激（DBS）植入设备，首次能够在进行电刺激的同时，监测大脑内部的电反应和化学反应。

该设备已经在大鼠和猪等实验动物身上进行了测试。

　　深部脑刺激技术长期以来被用于治疗运动障碍，但现在已迅速发展为针对包括抑郁症、抽动秽语综合征、强迫症甚至老年痴呆症等神经疾病的一种实验性疗法。

尽管相关治疗取得了一些令人鼓舞的成果，但关于植入大脑深部的刺激设备所传递的电脉冲是如何影响神经回路和改变患者行为的，科学家所知并不多。

现在，这个深部脑刺激设备原型或许能够提供一些答案。

　　"这是我们此前在人类身上无法真正获取的新数据。

"未参与这项研究的凯斯西储大学生物医学工程师卡梅伦·麦金太尔说。

　　该团队希望，这个设备能够确定大脑中哪些电信号和化学信号与一些症状的存在和严重性实时相关，比如帕金森氏症患者所经历的震颤。

这些信息有助于揭示脑深部刺激在何处和如何发挥其对大脑的治疗性影响，以及为什么有时候会失败。

　　Harmoni是基于现有深部脑刺激技术的电子记录能力研发而成的，其增添了应用于动物研究的化学传感技术。

该设备采用一种被称为快速扫描循环伏安的方法，在大脑内施加一个局部电压变化，将电子短暂拉离特定的神经递质，从而产生可以测量的电流。

神经递质是大脑中激活或抑制神经元的化学物质，每个神经递质分子生成的电化学签名不同，每隔10毫秒，就可以根据签名来识别神经递质并估测它的浓度。

科学家发现唤醒大脑机制：大脑中的觉醒开关

　　文章来源：煎蛋 　　睡眠是由好几个部分组成的。

一个晚上的睡眠包括N-REM（非快速眼动睡眠）和REM（快速眼动睡眠）以及各自的许多分支。

恰当的说，它的结构和模式被称为"睡眠结构"。

　　60多年来的研究，让我们了解睡眠的基本框架。

今天，怀抱着科学知识，研究人员对构成我们睡眠结构的底层神经系统进行研究，试图识别和了解对大脑进行控制的神经回路——不同阶段睡眠的开始、持续和停止。

例如研究人员发现控制REM周期开始和终止的神经开关。

一号店恐怖故事,狼蚁奇闻趣事,利用激光和药物操纵神经元的活动（一种叫做光遗传学的方法），他们了解了大脑如何控制梦境。

　　其他研究人员利用光遗传学鉴定夹在下丘脑和丘脑之间的神经回路，当这组神经回路变得活跃时表示睡眠结束。

是的，这很吸引人，同时也很有用：因为如果这部分的神经过于活跃或缺少活性，分别会导致失眠和嗜睡，大脑中的电路可以帮助研究人员研究出治疗睡眠障碍的方法。

　　现在，来自瑞士和德国的研究人员发现了唤醒大脑的机制。

研究小组在小白鼠的大脑中发现一条神经回路，当小白鼠清醒时这条神经回路变得很活跃，而当其变得不活跃时小白鼠进入了深度睡眠中。

他们将研究结果发表在了《自然神经科学》杂志上。

　　研究人员发现，激活这条神经回路小白鼠很快从睡眠甚至是麻醉的状态中清醒过来。

　　论文的合著者Antoine Adamantidis在一份新闻稿中说道："这是一个令人兴奋的发现，因为将植物人或具有微弱意识状态中唤醒的治疗方法效果是有限的。

" 　　掌握这条控制觉醒的神经电路能够帮助研究人员发明出更有针对性的治疗睡眠障碍和设计出更好的唤醒植物人以及具有微弱意识人的方法。

人类大脑：宇宙最强CPU

例如，不管字母A的外形、质地和背景怎样，或者不管同事的头上戴着帽子还是变了发型，我们总能认出来。

我们也能根据事物露出的一部分，比如床的一角或门的铰链，来认出它们。

这到底是怎么实现的呢？人类是不是使用了特别简单的技巧来完成这些复杂的任务？这些技巧是不是能用来改善计算机视觉，提高机器学习能力或机器人性能呢？ 人类大脑：宇宙最强CPU 乔治亚理工学院的研究人员发现，国美奇闻怪事,湘120灵异故事,人类能使用不到百分之一的原始信息来给数据分类，他们还确认了一种能够解释人类学习行为的算法，这种方法也能用于提升机器学习能力、数据分析和改善计算机视觉。

"我们怎么能够感知我们周围的这么多数据呢？怎么就能区分这么多种类型，这么快速，这么笃定？"乔治亚理工大学计算机科学的特聘教授桑托什·万帕拉说，"人类那么做的基础是什么？这是一个计算问题。

" 该大学负责研究人类行为的研究人员做了"随机投影"试验，来理解人类的学习行为。

他们把原始的抽象图像呈现给测试对象，然后询问他们是否能够识别出那些只显露一小部分特征的图像。

"我们假定随机投影是人类学习的一种方式，"阿里亚加说。

他是资深科学家和发展心理学家。

他解释说："最简洁的答案是，预测可能总是对的。

只要给人类百分之零点一五的数据，人类就能做到准确预测。

" 接着，研究人员测试了一个计算机算法，让机器（非常简单的神经网络）计算同样的测验。

机器的表现跟人类一样。

"我们发现，人类和机器的神经网络非常相似。

" 科研人员想找出一个数学定义，找出典型和非典型的公式，然后，据此预测出对人类和机器学习来说最困难的那种数据。

人类和机器的表现差不多，这表明随着时间的过去，人们将能预测出最难获悉的数据。

这个研究成果刊登在《神经计算杂志》上，被认为是对"随机投影"的首次研究。

为了测试他们的理论，研究人员做了三组150X150像素的抽象图像，然后把那些图像缩小到最小的随机投影。

被测试人员看到所有图像的时间是10秒钟，然后会随意给出某一个图像的16张草图。

使用抽象图像的目的是，确保人类和机器都不会提前获得该测试物的相关知识。

"我们惊奇地发现，简单的神经网络和人类的表现是如此接近，"万帕拉说，"通过研究人类学习模式，我们发现机器神经网络的设计太了不起了，不过它还很薄弱。

发现它跟人类的行为匹配，真是太让人惊讶了！那是一种几何学、机器神经计算和机器学习能力的创造性组合！" 虽然研究人员不能明确声称人类大脑的识别能力就是随机投影，但是研究结果随机投影看起来是个有道理的解释。

另外，随机投影是使数据不必丢失主要内容而得到有效管理的一种方法，至少对完成分类和做决定这样的基本任务来说是这样。