课程文献中心 更多>>

摘要： Image segmentation is a common step in the analysis of preclinical brain MRI, often performed manually. This is a time-consuming procedure subject to inter- and intra- rater variability. A possible alternative is the use of automated, registration-based segmentation, which suffers from a bias owed to the limited capacity of registration to adapt to pathological conditions such as Traumatic Brain Injury (TBI). In this work a novel method is developed for the segmentation of small rodent brain MRI based on Convolutional Neural Networks (CNNs). The experiments here presented show how CNNs provide a fast, robust and accurate alternative to both manual and registration-based methods. This is demonstrated by accurately segmenting three large datasets of MRI scans of healthy and Huntington disease model mice, as well as TBI rats. MU-Net and MU-Net-R, the CCNs here presented, achieve human-level accuracy while eliminating intra- rater variability, alleviating the biases of registration-based segmentation, and with an inference time of less than one second per scan. Using these segmentation masks I designed a geometric construction to extract 39 parameters describing the position and orientation of the hippocampus, and later used them to classify epileptic vs. non-epileptic rats with a balanced accuracy of 0.80, five months after TBI. This clinically transferable geometric approach detects subjects at high-risk of post-traumatic epilepsy, paving the way towards subject stratification for antiepileptogenesis studies.

关键词： 类脑计算   脉冲神经网络   现场可编程门阵列   Quartus   H-H神经元模型   DSP Builder  

摘要： 随着现代社会进入信息化与智能化时代,神经形态计算以高度的并行、极低的功耗和存算一体的特征受到了广泛的关注。本文着眼于未来神经形态器件和类脑智能的发展需求,对建立全数字电路的类脑计算硬件系统展开研究,以脉冲神经网络H-H(Hodgkin-Huxley)神经元模型为研究对象,将DSP Builder平台与Quartus平台相结合,设计出H-H神经元模型的数字电路,并对其进行了性能测试。结果表明,基于现场可编程门阵列(FPGA)硬件设计的神经元数字电路其工作特性与理论仿真结果高度一致,具有良好的生物特性,为建立类脑计算硬件系统提供新思路。

关键词： 类脑心智计算   类脑智能   跨媒体认知神经计算   跨模态神经认知计算   跨学科研究  

摘要： 发展新一代的类脑智能,需要综合考虑形成自然智能的结构、功能和行为等研究,偏颇任一方向都是不全面的,难以完全触及智能的本质。文中基于神经系统的结构仿真、认知系统的功能模仿和自然智能的行为模拟,定义了类脑心智计算(BMC)的基本概念,提出了BMC的假设、模型和框架,研究了BMC的前沿理论。在大脑机制、心智模式和行为控制上,分析了当前BMC研究的技术路线、核心算法和关键技术,综述了BMC的复杂系统和工程应用现状。结合智能科学、神经科学、认知科学、信息科学和计算数学等多学科的交叉融合特征,进一步讨论了BMC的科研范式和跨学科建设问题。BMC研究将有望在新一代类脑智能的科学理论、技术创新和工程系统上取得重大突破。

关键词： 脑类器官   迁移模型   共培养   血管化   基因编辑   单细胞RNA测序  

摘要： 脑类器官是指体外培养的,具备与大脑相似的细胞类型、一定的空间组织结构以及对应生物学功能的三维神经组织.脑类器官可为研究人类大脑发育与功能、疾病发生、药物发现等提供新的研究模型.区域特异性脑类器官的构建,推动了脑类器官技术的进一步发展.本文简要介绍了脑类器官技术,包括区域特异性脑类器官的发展进程.重点综述了脑类器官模型用于探究大脑发育机制的技术及应用.此外,本文也讨论了多种关键技术,包括脑类器官血管化、基因编辑、单细胞测序以及其他工程性技术在脑类器官研究中的应用与挑战.

关键词： 类脑计算   脉冲神经网络(SNN)   深度学习   网络结构   训练算法  

摘要： 随着深度学习在训练成本、泛化能力、可解释性以及可靠性等方面的不足日益突出,类脑计算已成为下一代人工智能的研究热点。脉冲神经网络能更好地模拟生物神经元的信息传递方式,且具有计算能力强、功耗低等特点,在模拟人脑学习、记忆、推理、判断和决策等复杂信息方面具有重要的潜力。本文对脉冲神经网络从以下几个方面进行总结:首先阐述脉冲神经网络的基本结构和工作原理;在结构优化方面,从脉冲神经网络的编码方式、脉冲神经元改进、拓扑结构、训练算法以及结合其他算法这5个方面进行总结;在训练算法方面,从基于反向传播方法、基于脉冲时序依赖可塑性规则方法、人工神经网络转脉冲神经网络和其他学习算法这4个方面进行总结;针对脉冲神经网络的不足与发展,从监督学习和无监督学习两方面剖析;最后,将脉冲神经网络应用到类脑计算和仿生任务中。本文对脉冲神经网络的基本原理、编码方式、网络结构和训练算法进行了系统归纳,对脉冲神经网络的研究发展具有一定的积极意义。

关键词： 脉冲神经网络   结霜检测   动态区域检测   制冷机图像  

摘要： 针对传统基于图像处理技术的结霜检测方法难以对处于复杂生产环境的冷链制冷机组进行灵活且准确的检测,还易受光照、起雾等环境因素的影响而误判的问题,设计了一种基于脉冲神经网络的冷链制冷机结霜检测方法。该方法以制冷机图像为输入,自动检测制冷机蒸发器结霜区域的动态变化情况,修正因光照、起雾等干扰因素引起的异常,并以脉冲发放率累积值划分双阈值作为结霜程度的判断依据。在多个投入至生产环境的冷链制冷机上进行实验,结果表明所设计的脉冲神经网络能够在实际生产环境下自适应地对制冷机蒸发器的结霜区进行动态区域检测、划分的双阈值可准确判断蒸发器的结霜程度,检测效果良好,稳定性强,可为制定冷链制冷机组除霜策略提供可靠的除霜时刻依据。

关键词： 新城疫病毒   鸡骨髓源树突状细胞   网格蛋白介导内吞   小窝蛋白介导内吞  

摘要： 新城疫病毒(NDV)可以通过多种内吞途径感染细胞,且其入胞途径可能具有细胞类型特异性。本研究以鸡骨髓源树突状细胞(chBM-DCs)为模型,探究NDV入侵该细胞的内吞途径。首先利用CPZ(CME抑制剂)和Dynasore(dynamin1/2抑制剂)预处理DCs,然后感染NDV强毒株Herts/33,通过Western blot和IFA检测NDV NP的胞内表达水平变化。药物预处理组NP的表达水平均显著降低,表明NDV能够通过网格蛋白介导的内吞途径进入DCs。进一步利用甲基-β-环糊精(MβCD)预处理DCs,然后感染Herts/33,通过Western blot和IFA检测NDV NP的胞内表达水平变化。结果显示药物预处理组NP的表达水平显著降低,表明NDV能够通过小窝蛋白介导的内吞途径进入DCs。本研究为全面阐明NDV感染宿主细胞的途径提供了理论基础。

关键词： 信息处理   人工神经网络   光子脉冲神经网络   光子计算   光学器件  

摘要： 人工神经网络(ANN)学科的发展推动了信息处理技术的进步,目前,被称为第3代ANN的脉冲神经网络(SNN)以其更具生物可解释性,更适合ANN硬件实现的优势受到业界的广泛关注,并已成功应用于模式识别、医学成像和智能控制等多个领域。受制于“后摩尔时代”电子芯片的制程不断接近极限以及冯·诺依曼体系“存算分离”带来的性能瓶颈,低时延、低能耗、高带宽和高并行性的光子计算方案应用于SNN的硬件实现成为信息处理领域多学科融合的热门课题。文章介绍了光子SNN的起源,利用光学器件的特性实现神经元的行为和突触连接强度的变化进而实现SNN的研究历程和多种实现方案,总结了光子SNN目前存在的瓶颈和挑战,展望了光子SNN的未来发展趋势。

关键词： 忆阻器   类脑计算   存算一体   加速芯片   低功耗  

摘要： 为把握忆阻类脑芯片发展现状并总结其发展趋势,对现有忆阻类脑计算芯片与架构进行了调研,对芯片中所采用的忆阻器阵列结构和集成工艺、前神经元电路、后神经元电路、多阵列互连拓扑结构与数据传输策略,以及芯片设计过程中所采用的系统仿真和评估方法进行了对比分析。总结出当前忆阻类脑计算芯片电路设计仍需解决忆阻器可用阻态少、器件参数波动性大、阵列外围电路复杂、集成规模小等问题,并指出了该类芯片走向实际应用仍然面临着忆阻器生产工艺提升、完善开发工具支持、专用指令集开发、确定典型牵引性应用等挑战。

关键词： 脉冲神经网络(SNN)   学习算法   无监督学习   监督学习   脉冲神经元模型   图像识别  

摘要： 相较于第1代和第2代神经网络,第3代神经网络的脉冲神经网络是一种更加接近于生物神经网络的模型,因此更具有生物可解释性和低功耗性。基于脉冲神经元模型,脉冲神经网络可以通过脉冲信号的形式模拟生物信号在神经网络中的传播,通过脉冲神经元的膜电位变化来发放脉冲序列,脉冲序列通过时空联合表达不仅传递了空间信息还传递了时间信息。当前面向模式识别任务的脉冲神经网络模型性能还不及深度学习,其中一个重要原因在于脉冲神经网络的学习方法不成熟,深度学习中神经网络的人工神经元是基于实数形式的输出,这使得其可以使用全局性的反向传播算法对深度神经网络的参数进行训练,脉冲序列是二值性的离散输出,这直接导致对脉冲神经网络的训练存在一定困难,如何对脉冲神经网络进行高效训练是一个具有挑战的研究问题。本文首先总结了脉冲神经网络研究领域中的相关学习算法,然后对其中主要的方法:直接监督学习、无监督学习的算法以及ANN2SNN的转换算法进行分析介绍,并对其中代表性的工作进行对比分析,最后基于对当前主流方法的总结,对未来更高效、更仿生的脉冲神经网络参数学习方法进行展望。