概要 - OMiSO: 神経集合状態を形成するための状態依存脳刺激の適応的最適化
タイトル
OMiSO: 神経集合状態を形成するための状態依存脳刺激の適応的最適化
時間
2025-07-10 15:39:52
著者
{"Yuki Minai","Joana Soldado-Magraner","Byron M. Yu","Matthew A. Smith"}
カテゴリ
{q-bio.NC}
リンク
http://arxiv.org/abs/2507.07858v1
PDF リンク
http://arxiv.org/pdf/2507.07858v1
概要
この論文では、神経集合状態を最適化するために適応的最適化技術を使用した新しい脳刺激フレームワークであるOMiSOを提案しています。このフレームワークは脳状態情報を利用して刺激パラメータを識別および調整し、神経活動を特定の状態に導くことを目指しています。 OMiSOには以下の2つの主要な進歩が含まれています： 1. 脳を刺激する前に脳状態情報を利用して最適な刺激パラメータを選択します。 2. 新しく観察された刺激反応を考慮して、パラメータの選択を適応的に精査します。 研究チームはサルに対して皮質電気微刺激を使用してOMiSOをテストし、競合方法とのパフォーマンスを比較しました。結果は、OMiSOが他の方法を上回り、指定された活動状態を達成する精度が向上したことを示しました。 OMiSOが刺激前に脳状態情報を取り入れる能力と刺激パラメータの選択を適応的に精査する能力により、脳を理解するための貴重なツールであり、脳障害の治療にも役立ちます。このフレームワークは神経調節技術を向上させる可能性があり、より正確でターゲットの絞れた脳刺激のアプローチを提供します。 重要ポイント： - OMiSOは脳状態情報を使用して神経集合状態を最適化する脳刺激フレームワークです。 - フレームワークには以下の2つの主要な進歩が含まれています：刺激前に脳状態情報を利用するおよび刺激パラメータの選択を適応的に精査する。 - サルの実験では、OMiSOが競合方法を上回り、指定された活動状態を達成する精度が向上しました。 - フレームワークは神経調節技術を向上させる可能性があり、より正確でターゲットの絞れた脳刺激のアプローチを提供します。
推奨論文
Clo-HDnn: 進行的な検索を通じてエネルギー効率の高い超次元計算による、4.66 TFLOPS/Wと3.78 TOPS/Wの持続可能なデバイス内学習アクセラレーター
データ制約の環境で、拡散が自己回帰を上回る
ヒーガード分離に対する圧縮データ構造
画像とテキストの連携強化のための学習可能なリトリーブと放射線報告書生成のための融合
グラフベースの複製システムにおける対称的プライベート情報検索（SPIR）
因果学習のための目標指向的な連続ベイズ実験デザイン
LOTUS: 質から社会偏りとユーザー好みに至る詳細な画像キャプションのためのリーダーボード
電気機械シミュレーションにおける不確実性評価のための並列時間積分を用いたマルチレベルモンテカルロサンプリング
ホーク・ブラウン基準の超弾性性質
理論間のp-Simuluationを特徴付ける