PulseAugur
实时 11:14:30
English(EN) Spatially Masked Regression Reveals Local and Distributed Predictability in Electrophysiological Recordings

新框架量化神经记录中的局部与分布式信号

研究人员开发了一个名为空间掩码回归(SMR)的新框架来分析神经记录。SMR量化了电极信号在多大程度上反映了局部活动与分布式网络活动。通过逐步掩盖附近的电极,该方法揭示了单个通道同时包含局部和更广泛的分布式信息,即使在排除近邻的情况下,仍然存在显著的可预测性。 AI

影响 提供了一种区分神经数据信号来源的新方法,有可能改进脑机接口和对神经计算的理解。

排序理由 该集群包含一篇详细介绍神经记录新分析框架的研究论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Maryam Ostadsharif Memar, Nima Dehghani ·

    Spatially Masked Regression Reveals Local and Distributed Predictability in Electrophysiological Recordings

    arXiv:2606.11415v1 Announce Type: cross Abstract: Neural recordings are often interpreted as local measurements, yet the signal at any one sensor can also reflect structured activity distributed across the broader network. This raises a basic question: to what extent does an elec…