Deep learning-based control of electrically evoked activity in human visual cortex
link: https://doi.org/10.1016/j.neuron.2026.07.006
Классная статья в Neuron от нашей лабы. Меня там нет, ибо приехал позже.
Коротко:
- делаем кучу случайных стимуляций в V1 человека (разные токи и комбинации электродов)
- учим сетку в обе стороны: предсказывать ответ мозга по параметрам стимуляции и наоборот
В итоге получаем модель, которая выдаёт параметры стимуляции под нужную активность мозга. На реальном пациенте попадает в использует меньше тока и даёт более стабильные фосфены, чем ручная калибровка.
p.s.
Следующие шаги:
1. работаем только с определенный статичным протоколом стимуляций - то есть никаких bimemetic и прочего.
2. Не предсказывает активность во времени - только средний нейронный отклик для каждого канала.
link: https://doi.org/10.1016/j.neuron.2026.07.006
Классная статья в Neuron от нашей лабы. Меня там нет, ибо приехал позже.
Коротко:
- делаем кучу случайных стимуляций в V1 человека (разные токи и комбинации электродов)
- учим сетку в обе стороны: предсказывать ответ мозга по параметрам стимуляции и наоборот
В итоге получаем модель, которая выдаёт параметры стимуляции под нужную активность мозга. На реальном пациенте попадает в использует меньше тока и даёт более стабильные фосфены, чем ручная калибровка.
p.s.
Следующие шаги:
1. работаем только с определенный статичным протоколом стимуляций - то есть никаких bimemetic и прочего.
2. Не предсказывает активность во времени - только средний нейронный отклик для каждого канала.