Лебедев про мозг

Нейроученые фотографируют красивые дома с борта катера, плывущего по реке Волга. (Набережная Самары — бывшего Куйбышева.)

В одну реку нельзя войти дважды

Сергей Шишкин и на отдыхе думает только о науке

Из рубрики «Художественная фотография» Солнечный день в Самаре #художественнаяфотография

🕊️ Подборка каналов: 🤩подготовка к экзаменам 🤩лайф каналы студентов, школьников 🤩каналы репетиторов 🤩полезная информация , статьи учёба в вузах https://t.me/addlist/-1IFNha3kYJjY2Zi Если хотите поучаствовать в папке: @kubik2566 ⭐️

Известный русский философ Антон Кузнецов выразил глубокое потрясение Это в связи с делом Светланы Месяц. В древних Афинах философов тоже нередко тащили в суд: Сократа обвинили в развращении молодёжи и непочитании богов, приговорили к смерти и заставили выпить цикуту. Платону пришлось бежать, а другим мыслителям — терпеть изгнание или гонения, потому что их идеи слишком сильно тревожили власть. Сегодня похожая история происходит с одним из лучших отечественных специалистов по античной философии — Светланой Месяц. Ей вменяют мошенничество в особо крупном размере, она находится под домашним арестом, а у её коллег из Института философии РАН прошли обыски. Антон Кузнецов признался, что находится в шоке. Ему не верится, что человек, который так тонко и вдохновенно разбирает Аристотеля, мог быть замешан в чём-то подобном. При этом статистика таких дел, к сожалению, заставляет думать о худшем. Кузнецов пообещал следить за развитием ситуации. Если же вы хотите прикоснуться к настоящей философии, Кузнецов настоятельно рекомендует посмотреть курс Светланы Месяц по Аристотелю. Там сразу два открытия: великий Стагирит и женщина, которая умеет влюбить в него с первых минут. https://t.me/anton_philosophy/819

Из рубрики «Марсианские хроники» #марсианскиехроники

В латеральной перегородке мозга — скромной, но важной структуре лимбической системы — скрывается удивительный механизм защиты. Группа нейронов LSCrhr2, чувствительных к гормону стресса, работает как умный центр оценки угроз. Они быстро собирают информацию о внешних сигналах, внутреннем состоянии и прошлом опыте, превращая всё это в точные «коды опасности». Благодаря комбинации разных подтипов этих клеток, расположенных в разных местах и получающих сигналы от гиппокампа (он поставляет данные о контексте и сигналах) и гипоталамуса (он даёт команды к действию), мозг мгновенно решает: бежать, замереть или атаковать. Таким образом, латеральная перегородка не просто тормозит или активирует поведение — она тонко кодирует особенности угрозы и направляет наши защитные реакции, помогая выживать в сложном мире. https://www.nature.com/articles/s41586-026-10520-9

Из рубрики «Биографии» Майкл Линдерман трагически ушёл из жизни 1 сентября 2016 года в возрасте 60 лет. Это произошло в результате лобового столкновения двух автомобилей на трассе недалеко от его дома в Огденсбурге, штат Нью-Йорк. Он был за рулём своей машины, когда 82-летний водитель Антуан Сент-Пьер, пытаясь обогнать впереди идущий транспорт, выехал на встречную полосу. Оба погибли на месте. Эта внезапная потеря оборвала яркую, насыщенную жизнь человека, который до последних дней продолжал работать над идеями, соединяющими мозг, движение и технологии. Майкл Линдерман прожил многогранную жизнь, полную неожиданных поворотов — от советских лабораторий нейрофизиологии до американских технологических стартапов. Родом из СССР, он начал карьеру в легендарной Лаборатории математических методов нейрофизиологии в Москве, где глубоко погрузился в идеи Николая Бернштейна о структуре произвольных движений. Позже Линдерман перебрался в мир больших технологий — работал в IBM и Nortel Networks, стал признанным экспертом в объектно-ориентированном программировании. Его книга о визуальном программировании вышла в Cambridge University Press, а разработки в области middleware повлияли на современные облачные системы. Но душа его всё равно тянулась к нейронаукам. В итоге он основал компанию Norconnect Inc., где смог соединить инженерный талант с биологическими интересами. Именно в Norconnect расцвела его коллаборация — с Михаилом Лебедевым, выдающимся нейрофизиологом. Их совместная работа стала настоящим прорывом. В 2009 году они опубликовали знаковую статью (Linderman et al., 2009), в которой показали, что по сигналам электромиографии с мышц руки и предплечья можно восстанавливать почерк человека — даже когда он пишет «в воздухе», без бумаги и ручки. Это открытие несло в себе огромный потенциал: от помощи парализованным людям до новых способов ввода текста с помощью жестов. Их партнёрство продолжалось и дальше. Вместе они развивали динамические модели реконструкции движений, изучали статистические свойства ЭМГ-сигналов, включая их логнормальное распределение (Rupasov et al., 2012a), и работали над практическими приложениями для нейропротезов и анализа двигательных расстройств. Среди важных работ — исследование временных статистических и корреляционных свойств нейронных сигналов во время письма (Rupasov et al., 2012b), а также разработка динамической модели, улучшающей качество реконструкции почерка из многоканальной ЭМГ (Okorokova et al., 2015). Лебедев привносил глубокий нейрофизиологический опыт и видение интерфейсов мозг-машина, а Линдерман — инженерную хватку и предпринимательский подход. Михаил Лебедев консультировал Norconnect, а совместные проекты привлекали гранты, в том числе от Национального научного фонда США. Они мечтали о системах, которые помогут людям с болезнью Паркинсона или после инсультов вернуть свободу движения и самовыражения. Линдерман всегда оставался романтиком науки: он хотел не просто собирать данные, а давать людям новые способы выражать себя через технологии. Даже после трагической гибели его идеи продолжают вдохновлять новых учёных и инженеров. Список литературы (APA): Linderman, M., Lebedev, M. A., & Erlichman, J. S. (2009). Recognition of handwriting from electromyography. PLOS ONE, 4(8), Article e6791. https://doi.org/10.1371/journal.pone.0006791 Okorokova, E., Lebedev, M., Linderman, M., & Ossadtchi, A. (2015). A dynamical model improves reconstruction of handwriting from multichannel electromyographic recordings. Frontiers in Neuroscience. Rupasov, V. I., Lebedev, M. A., Erlichman, J. S., Lee, S. L., Leiter, J. C., & Linderman, M. (2012). Time-dependent statistical and correlation properties of neural signals during handwriting. PLOS ONE, 7(9), Article e43945. https://doi.org/10.1371/journal.pone.0043945 Rupasov, V. I., Lebedev, M. A., Erlichman, J. S., & Linderman, M. (2012). Neuronal variability during handwriting: Lognormal distribution. PLOS ONE, 7(4), Article e34759. https://doi.org/10.1371/journal.pone.0034759 #биографии

Казалось бы, бесполезная информация: 4 марта 1963 года — это 63-й день года (считая от 1 января). Человек, родившийся в 1963 году, в 2026 году достигает возраста 63 лет (2026 − 1963 = 63). Код Самары (Самарской области) на автомобильных номерах — 63. #казалосьбесполезно

Из рубрики «Листая старые страницы» Статья посвящена разработке метода непрерывной реконструкции траектории пера при письме цифр от 0 до 9 на основе многоканальной поверхностной электромиографии (ЭМГ) с восьми электродов, размещённых на мышцах кисти и предплечья. Авторы предложили использовать линейный фильтр Калмана, который объединяет динамическую модель движения пера (мультивариантный авторегрессионный процесс) с линейной регрессионной моделью связи между сигналами ЭМГ и состоянием пера, что позволило получать гладкие и причинные (работающие только по прошлым данным) предсказания координат пера. В этой работе авторы решали задачу именно непрерывного предсказания траектории пера в двумерном пространстве, а не дискретной классификации символов. Фильтр работает последовательно по времени, оценивая состояние на каждом шаге в скользящем окне, и генерирует гладкую последовательность точек для всего процесса письма внутри одной пробы. Траектории декодировались непрерывно для всего движения сразу, а не по отдельности для каждого символа в смысле сегментации внутри потока. Авторы в статье явно работают с изолированными символами: участники писали цифры от 0 до 9 по отдельности, каждый символ повторялся примерно 50 раз в виде отдельных проб (trials), и каждая проба начиналась с нулевой позиции пера. Они тестировали два дизайна. В Within-Group Design обучалась одна общая модель на всех символах сразу. В Between-Group Design для каждого символа обучалась своя отдельная модель. Between-Group Design давал заметно лучшую точность (в среднем около 78% и 88% для координат X и Y против 63% и 73% в Within-Group), поскольку динамика и связь с ЭМГ сильно зависят от конкретного символа. В обсуждении авторы прямо отмечают, что Between-Group Design «на первый взгляд довольно ограничен», однако он реалистичен как второй этап после предварительной классификации символа: сначала классификатор определяет, какую цифру пишет человек (ссылаясь на высокую точность классификации в Linderman et al.), а затем применяется специализированный Kalman-фильтр именно для этого символа. Для полностью непрерывного онлайн-письма произвольного текста без пауз они считают более подходящим Within-Group подход. Таким образом, траектории реконструировались только для одного символа за раз в отдельных пробах, а не как непрерывный поток разных символов. Это не рассматривается как серьёзная проблема в рамках их задачи, а как особенность экспериментального дизайна, позволяющая достичь лучших результатов за счёт специализации. Такой подход упрощает задачу, но ограничивает прямое применение к свободному письму нескольких символов подряд без дополнительной классификации. В целом непрерывная декодировка траектории одного символа с помощью причинного фильтра Калмана даёт преимущество перед дискретной классификацией, позволяя сохранять естественную плавность движения, хотя и чувствительна к шуму и требует тщательной настройки динамической модели. https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2015.00389/full #листаястарыестраницы

IX Международная научно-практическая конференция «Интерфейс мозг-компьютер: наука и практика» прошла 21-22 мая 2026 года в Самаре на базе Самарского государственного медицинского университета при поддержке компании Нейротехника и других партнеров. Это уже девятое издание ключевой российской площадки по нейрокомпьютерным интерфейсам. Ученые, инженеры, медики и разработчики собрались чтобы обсудить прогресс от фундаментальных исследований мозга до реальных клинических приложений и устройств. Самара в конце мая встретила участников теплой весной что стало приятным фоном для насыщенной программы. Формат включал устные и постерные доклады ключевые лекции воркшопы и демонстрации оборудования. Очное участие было бесплатным по предварительной регистрации а трансляции шли на Rutube-канале BCI Science and Practice где позже появятся записи. Участники отметили плотную но вдохновляющую программу с акцентом на баланс между теорией и практикой. Обсуждали клинические применения BCI для реабилитации после инсультов нейропротезирование и помощь пациентам с тяжелыми двигательными нарушениями. Говорили о технологиях неинвазивных интерфейсов на базе ЭЭГ машинном обучении для обработки сигналов и интеграции с виртуальной реальностью и роботами. Не обошли стороной вопросы этики регуляции и будущего внедрения таких технологий. Особенно ценили возможность живого общения на стыке дисциплин где часто рождаются новые идеи. Многие привозили с собой оборудование для демонстраций шапочки с электродами прототипы нейроигр и системы для тренировки мозга. Атмосфера была одновременно научной и вдохновляющей как будто заглядываешь в будущее где мысль напрямую управляет техникой. Telegram-каналы включая augmented_brain активно освещали событие с анонсами фото с докладов и обсуждениями что помогло создать ощущение живого сообщества. Конференция в очередной раз подтвердила свой статус одной из главных площадок в BCI-сфере на русскоязычном пространстве. Она дала импульс новым коллаборациям показала реальный прогресс в медицинских применениях и вдохновила молодых исследователей. Пока полные итоги и материалы еще публикуются уже ясно что граница между мозгом и компьютером продолжает становиться все тоньше. Самара снова выступила центром нейроинноваций в России.

Голицына — 10

Голицына — 9

Голицына — 8

Голицына — 7

Голицына — 6

Голицына — 5

Голицына — 4

Голицына — 3