研究提出AI神经替代框架设计神经调控目标
论文AI 评分 62/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一项研究提出结合fMRI解码、深度生成建模与潜空间约束的AI神经替代框架，无需物理刺激即可预测认知情感变化。基于超3.6万条图像fMRI观测数据构建的受试者特异性模型，在双向识别上达0.79-0.88（随机水平0.5）。主模型VDVAE将效价从-0.61调至+1.03 SD、记忆度从-1.34调至+1.45 SD。18名受试者的7200次人类评估证实，效价评分随扰动水平朝预测方向移动（平均斜率0.038 SD/alpha单位，95% CI 0.003-0.074，18人中16人为正），但记忆度无可靠变化。极端扰动会导致图像偏离原始刺激，需权衡改变意图与保真度损失。
为什么值得看
为精神病学神经调控提供无需物理刺激的假可测上游候选目标设计与行为测试方法。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。