Inter-individual and inter-site neural code conversion without shared stimuli

Haibao Wang

doi:10.1038/s43588-025-00826-5

2025-07-11

DOI：10.1038/s43588-025-00826-5

原文链接

原文求助

摘要

En 中文

细粒度功能拓扑中的个体间变异性对可扩展的数据分析和建模提出了挑战。功能对齐技术可以帮助缓解这些个体差异，但它们通常需要配对的大脑数据与个体之间的相同刺激，这通常是不可用的。在这里，我们提出了一种神经代码转换方法，该方法通过基于原始和转换后的大脑活动模式所表示的刺激内容之间的差异来优化转换参数，从而克服了这一约束。这种方法与作为潜在内容表示的深度神经网络的分层特征相结合，实现了与使用共享刺激的方法相当的转换精度。来自源对象的转换后的大脑活动可以使用目标的预训练解码器进行准确解码，产生高质量的视觉图像重建，可以与个体内解码相媲美，即使数据跨越不同的地点和有限的训练样本。我们的方法为可扩展的神经数据分析和建模提供了一个有前途的框架，并为脑-脑通信奠定了基础。引入了一种使用深度神经网络表示的神经代码转换方法，以在没有共享刺激的情况下跨个体对齐大脑数据。该方法能够实现准确的个体间大脑解码和跨站点的视觉图像重建。

Keyword:

neural code conversion

inter-individual variability

functional alignment

deep neural networks

brain-to-brain communication