Лебедев про мозг

Статья Романа Акиньшина и его коллег представляет новую систему управления протезом руки NeuroManip, которая сочетает электромиографию (ЭМГ) и отслеживание взгляда. Система использует спайковую нейронную сеть на нейроморфном процессоре AltAi для классификации паттернов ЭМГ в реальном времени, а гарнитура для отслеживания взгляда и камера идентифицируют объект в фокусе пользователя. Прототип достигает точности, сравнимой с системами на GPU, но при потребляемой мощности менее ватта, что позволяет создать легкое носимое устройство. Для шести функциональных жестов, записанных у пациентов с ампутацией, система демонстрирует надежное распознавание. Когда система зрения ограничивает выбор тремя контекстно-подходящими жестами для рассматриваемого объекта, точность распознавания возрастает примерно до 95%, исключая небезопасные хваты. Результаты показывают, что предлагаемый контекстно-зависимый нейроморфный контроллер может обеспечить энергоэффективное и надежное управление протезом, потенциально повышая безопасность и удобство в повседневной жизни. В исследовании также оценивалось влияние массы электроники на утомляемость пользователя, подтверждая важность легких и эффективных решений, подобных процессору AltAi. https://arxiv.org/html/2601.17991v1

Открытый эфир «ДОВЕРИЕ» в рамках международной конференции «Будущее команд» 28 января | 18:00 (мск) | онлайн Участие бесплатное, по регистрации. Почему мы говорим о доверии? Потому что доверие — это не мягкая тема. Это скорость решений, устойчивость команд и способность проходить сложные периоды без разрушений. Когда доверия нет — команды молчат, выгорают и теряют людей. Когда доверие есть — появляются энергия, ответственность и движение вперёд. О чём будет эфир Это честный разговор о доверии: ⚪️в бизнесе, ⚪️в командах, ⚪️в личном лидерстве. С живыми примерами, сложными вопросами и реальным опытом. Участники эфира — спикеры международной конференции «Будущее команд»: ✔️Вадим Зеленский — предприниматель, основатель фонда «Больше, чем можешь» ✔️Лилия Дасаева — основатель и автор спектакля «Мечтай!», спикер Сколково ✔️Василина Соколова — основатель HRBox, HRD SOKOLOV ✔️Эрнест Хачатурян — ex-председатель совета директоров Luding Group, executive coach ✔️Ирина Просвирякова — модератор эфира, основатель «Фактора Лидера», директор конференции «Будущее команд» Формат ⚪️панельная дискуссия о доверии ⚪️TED-talk и личные «секреты доверия» от каждого спикера 👉 Участие бесплатное, нужна регистрация: Этот эфир — часть большого разговора о том, какими должны быть команды будущего, чтобы выдерживать реальность, а не ломаться о неё.

Панчин сонифицирует свою грибы https://t.me/lonely_oocyte/6808

В статье Nature (26 января 2026) признаётся, что лимит потепления в 1,5 °C будет превышен, и предлагается переориентировать климатическую политику на рост чистой энергии (солнечная, ветровая, аккумуляторы) для замещения ископаемых топлива к 2050 году. Вводится метрика «clean-energy shift» (рост чистой генерации минус рост спроса) как ключевой показатель. Другие источники эмиссий (лес, пожары) рассматриваются отдельно; ядерная энергия не включена в приоритеты. https://t.me/khokhlovAR/1176

Исследование использует данные программы Million Veteran Program (MVP) для анализа генетики шизофрении у людей африканского происхождения в США. Подтверждена высокая наследуемость и полигенность заболевания, общая для всех популяций, но с сильным перекосом предыдущих исследований в сторону европейцев. Выявлены ассоциации, независимые от предков, расширены известные генетические локусы более чем на 100, уточнены ключевые гены с общими нейробиологическими функциями. Это углубляет понимание биологии шизофрении. https://www.nature.com/articles/s41586-025-10000-6

Восстановление хвата у пациентов с полной тетраплегией с помощью избирательной эпиневральной стимуляции — это минимально инвазивный и клинически эффективный подход. В исследовании четырём участникам на месяц имплантировали эпиневральные электроды на срединный и лучевой нервы выше локтя. Стимуляция позволяла выполнять несколько функциональных задач (например, из Шкалы моторных способностей), что подтвердило хорошую переносимость, стабильность электродов и практическую пользу метода для самостоятельных действий в повседневной жизни. https://link.springer.com/article/10.1186/s12984-025-01857-9

Предупреждение: Некоторые уже скандалят по поводу этой статьи. Говорят, все неправильно. Исследование обнаружило ключевую проблему в популярном методе картирования сетей поражений (LNM). Этот метод использует данные о связях в здоровом мозге, чтобы найти общие сети для разных болезней. Оказалось, что LNM по сути раз за разом анализирует одну и ту же стандартную карту связей. Из-за этого он постоянно выдаёт почти одинаковые "сети болезни" для совершенно разных состояний — будь то депрессия, эпилепсия или даже случайные точки. Это говорит о методологическом артефакте, а не об открытии общей биологии расстройств. Вывод: текущая версия LNM ненадёжна для поиска уникальных основ заболеваний, и нужны новые, более строгие методы. https://www.nature.com/articles/s41593-025-02196-7

Виртуальное моделирование чрескожной электрической стимуляции спинного мозга для восстановления моторных функций руки Исследование объясняет различия в воздействии разных протоколов стимуляции на основании компьютерного моделирования и экспериментов, показывая ключевую роль в активации сенсорных, а не двигательных нейронов. https://www.biorxiv.org/content/10.64898/2026.01.22.701010v1

REVE — это универсальная фундаментальная модель для анализа ЭЭГ, обученная на рекордных 60 000 часов записей от 25 000 человек. Она адаптируется к сигналам с любого оборудования благодаря новой системе кодирования. Модель демонстрирует высшую точность в 10 задачах, включая распознавание эмоций, классификацию моторных образов, детекцию эпилептических приступов и стадирование сна, часто требуя минимальной донастройки. https://brain-bzh.github.io/reve/

С интересом ознакомился вот с такой ссылкой на себя: Kristina Volkova, Mikhail A. Lebedev, Azeddine Aziz, David Friedenberg, Bernadette Brouwer, Taufik A. Valiante, and Berj L. Bardakjian. Decoding movement from electrocorticographic activity. Frontiers in Neuroscience, 13:653, 2019. В том же произведении ссылка, которая выглядит правильной: Ksenia Volkova, Mikhail A. Lebedev, Alexander Kaplan, and Alexei Ossadtchi. Decoding movement from electrocorticographic activity: a review. Frontiers in neuroinformatics, 13:74, 2019. https://scholar.google.com/scholar_url?url=https://open.library.ubc.ca/media/download/pdf/24/1.0451332/3&hl=en&sa=X&d=15188555780618427600&ei=i_93aZaQKMm4ieoPof3esQc&scisig=AHkA5jSwePuMN5TUF0NX46gAN7vM&oi=scholaralrt&hist=RC9N61oAAAAJ:16624674108119485126:AHkA5jQtH8j6I91fQbR9eeRjoCoK&html=&pos=8&folt=cit

Исследуется повышение точности классификации эмоций на основе ЭЭГ путём улучшения пространственной точности данных о мозговой активности. Традиционные методы с ручным сопоставлением электродов на матричной сетке ограничивают пространственную точность. В исследовании предлагаются автоматизированные методы проекционного отображения каналов — орфографическая и стереографическая проекции, использующие дифференциальную энтропию и спектральную плотность мощности. Эксперименты с использованием многомасштабной свёрточной нейронной сети на открытом наборе данных показали, что автоматизированные методы на сетках высокого разрешения значительно превосходят ручное сопоставление, повышая точность классификации до 4.06%. Результаты подтверждают, что улучшение пространственной точности данных ЭЭГ повышает эффективность распознавания эмоций, что имеет значение для разработки более надёжных диагностических инструментов и персонализированных методов лечения психических расстройств. https://ieeexplore.ieee.org/abstract/document/11253823

Предложен новый метод декодирования нейронных сигналов для интерфейсов "мозг-компьютер", преобразующих активность мозга в почерк. Метод называется StateMoE. Ключевая идея заключается в том, что процесс письма состоит из нескольких сменяющих друг друга нейронных состояний. Каждое такое состояние, например начало буквы или её соединение с другой, кодирует параметры движения по-разному. Существующие методы часто игнорируют эту смену, что ограничивает их точность. Метод StateMoE использует архитектуру "смесь экспертов". В этой архитектуре каждый эксперт является отдельной моделью декодера, настроенной на распознавание конкретного нейронного состояния. Специальный рекуррентный маршрутизатор в реальном времени анализирует входящие нейронные сигналы, определяет текущее состояние мозга и автоматически переключает активного эксперта для декодирования. Метод был протестирован на записях активности моторной коры человека во время написания китайских иероглифов. Эксперименты показали, что StateMoE повышает точность декодирования траектории движения на 6,92% по сравнению с лучшими существующими подходами. Этот результат демонстрирует, что явное моделирование переключения нейронных состояний мозга позволяет значительно улучшить работу интерфейсов для сложных двигательных задач, таких как письмо. https://ieeexplore.ieee.org/abstract/document/11297164

Прорывы в нейронауке

Прорывы в нейронауке

Разговор о важном

Если вы вдруг почувствовали сонливость… https://smotrim.ru/audio/2889192

Новости от наших индийских друзей https://t.me/ostorozhno_novosti/45400

Рекомендую обязательно сходить. Потому что главные нейропрорывы — это Пифия и робо-голубь. https://t.me/mediomodo/2865

Модель DeepFingerNet на основе вложенных U-Net сетей предсказывает траекторию движения пальцев по сигналам электрокортикографии (ECoG). Новая архитектура лучше объединяет детальные и обобщённые признаки мозга. Испытания на двух наборах данных показали значительное улучшение точности (коэффициент корреляции до 0.69) по сравнению с существующими методами. Это важный шаг для развития нейропротезирования и интерфейсов «мозг-компьютер». https://ieeexplore.ieee.org/abstract/document/11301818