LogSync芯片解码脑区互动
Neural chip decodes interactions between brain regions
EPFL 团队研发出名为 LogSync 的可植入神经芯片，它能实时追踪不同脑区间的沟通信号，精准识别认知与情绪状态。这项技术突破了传统 Deep brain stimulation 系统仅依赖单一脑区信号的局限，通过机器学习算法分析网络级生物标记，实现自适应刺激。在保持功耗低于 200 微瓦的前提下，LogSync 利用对数计算简化了复杂的脑网络分析。该成果由 NIMH 资助，旨在为重度精神疾病提供更精准的治疗方案，并展示了从脑到文本解码及闭环神经调控技术的最新进展。
我们的研究基于越来越多的证据，表明精神疾病更多源于脑区之间沟通的紊乱，而非单个脑区的功能障碍。
HN 评论区
31- ghm2180
我通过阅读较新的研究（如：https://www.economist.com/leaders/2024/10/30/adhd-should-not...）更新了我对 ADHD 的心智模型。
从隐喻和类比的角度来说：如果把基因比作长笛上的孔，把基因表达比作音乐，那么环境就决定了什么是“糟糕”的音乐。但目前并没有发现任何单一基因与 ADHD 症状有明确或核心的关联。
ADHD 很可能由基因引起，但这些基因其实存在于每个人体内，只是在特定的环境条件下才会表达。这一点在实验室里很难确证（因为实验室主要观察外在行为和 fMRI 血流）。
不过，我一直在练习冥想（每周 3-4 天，每次 45 分钟），我也亲身体验到 30 分钟的强力小睡对我的大脑大有裨益。药物的有效性实际上取决于前两者；SNRI（去甲肾上腺素再摄取抑制剂）和多巴胺再摄取抑制剂就像地毯式轰炸，它们只是让你准备好进行神经重塑：你仍然需要利用治疗技术和行为疗法技巧来真正完成重塑。
但我确凿地知道，在我进行冥想和强力小睡的日子，我的脑波是不同的。
我真的很想知道，深层大脑神经活动检测数据能否识别出“坏”脑波，并有可能通过提供纠正性脑波来形成闭环。
- AbstractH24
其中大部分技术其实已经存在，而且我已经把它植入我的大脑了。
有时候文章在细节的包含或省略上会显得很奇怪。
- D-Machine
> 所提出的 SoC 在两个与精神疾病相关的颅内脑电图（iEEG）数据集上进行了广泛验证，在多源干扰任务（MSIT）和情感冲突解决（ECR）任务中，分别达到了 80.9%/74.8% 的灵敏度和 74.2%/73.1% 的特异性。我们进一步在公开的 DEAP 数据集上评估了该 SoC，用于基于脑电图（EEG）的情绪识别，在唤醒度（arousal）和效价（valence）状态下，分别达到了 70.5%/72.5% 的灵敏度和 69.8%/66.3% 的特异性。[https://ieeexplore.ieee.org/document/11685197]
我不确定，真的需要看到其他分类器的对比性能以及这些数据集中的基准率，才能判断这些性能指标是否值得我们关注，以及例如，对受试者进行简单的言语探测分类器是否可能比通过 EEG 信号获得更好的预测结果。你可以做一些非常有趣的 EEG 生物反馈工作，所以这或许有用，但我认为完整的 EEG 头戴设备也能提供比单芯片测量丰富得多、有用得多的信息。想必这是针对那些我们已知核心功能障碍仅限于非常特定区域的精神疾病或脑损伤。
- layer8
最终结局在这篇短篇小说中有所描述：https://gwern.net/doc/fiction/science-fiction/1995-egan.pdf
- HPsquared
这迟早会成为那些 Cookie 横幅弹窗里的内容之一。