近日,中国神经科学学会感觉和运动分会2023年学术会议暨第九届亚洲疼痛研讨会在苏州成功举行。会议聚集了海内外感觉和运动领域基础研究、临床诊疗的科技工作者,临床医护人员以及学生等。脑虎科技携科研BCI产品线下参展,为上述人员带来一整套基础研究工具和在体电生理解决方案。
在感觉和运动领域的基础研究和临床诊疗中,科研人员常常会遇到信号采集不稳定、信号处理不到位、植入电极定位不准确、植入手术创伤大等问题,脑虎科技此次展出的产品均可有效解决上述问题,助力科研人员更精准、更高效、更便捷地开展实验工作。
能够长期在体稳定记录神经元动作电位的柔性电极
针对信号采集精度不高、电极材料排异反应大等问题,脑虎科技推出了两类柔性电极,一类是柔性深部电极,能同时记录Spike信号和LFP信号。多功能柔性电极配合蚕丝蛋白的植入方案,可以实现记录电生理信号的同时给光和给药等其它功能。蚕丝蛋白柔性电极具有良好的机械顺应性、生物相容性、降解程度可控、安全无毒,这些优势极大地提高了脑机接口成功的概率,也为科研工作者提供了不可多得的研究工具。
另一类是用于记录ECoG信号的皮层电极。两类电极都由mems工艺加工而成,能够做到高密度、高通量,配备先进的后端封装工艺,确保柔性电极的优秀性能。
高精度、模块化、易操作、可定制化的智能手术机器人
针对科研动物实验中,电极植入手术操作难、手术定位不准确等问题,脑虎科技自主研发了一款智能手术机器人,可以基于标准大小鼠脑定位图谱的3D脑区模型,最优化计算手术路径,实现“所想即所得”的定制化;双目视觉识别定位结合360°全方位串联机械臂,实现“所见即所达”的易操作;系统精度达200μm,最小步尽量50μm,实现可指定脑区的精准到位;统一接口快换装置,自由切换颅钻、植入仪、光纤、微型注射器。
高通量、高性能、高效智能的神经信号采集系统
柔性电极通过手术机器人成功植入目标脑区后,研究者面临如何采集信号和处理信号的问题。针对此问题,脑虎科技推出自主研发的高通量神经信号采集系统CereCube。为配合高通量的柔性电极,CereCube目前最高可采集的信号通道数可达到2048通道。
CereCube系统由神经信号处理器、神经信号放大器、神经信号记录分析软件、配套电源适配器及放大器连接线组成。最高配置配备8个放大器接口,每个接口可处理256通道信号。神经信号放大器(headstage)可选型号包括256通道记录headstage、128通道记录headstage、64通道记录headstage和16通道记录/刺激headstage。神经信号处理器和放大器通过纤细灵活的放大器连接线相连。
目前CereCube采集系统可适用的实验动物范围广,包括灵长类、哺乳类、两栖类、啮齿类、鱼类及昆虫类等,也适用于多种研究领域,包括脑机接口、疾病与药物机理研究等。
针对实验数据复杂多样不易管理、实验数据不安全等问题,脑虎科技独立开发了一款高通量神经信号记录和深度分析的软件产品MindExplorer。智能和共享是MindExplorer产品的两大特色,采用先进的云边端架构,具备高效的实验管理功能,并支持数据云端同步储存和分析。
MindExplorer可在线更改数据的采样率(1~30kHz),可实时更改芯片的带宽,并测量和实时查看每个通道的电极阻抗。除支持在线监控和记录外,还支持离线回放和查看数据,可实现多人在各自的电脑上同时回放、查看和分析多组数据。
数据分析方面,MindExplorer能够结合电极特征,智能选择最优算法进行自动化Sorting。GPU的方案能够极大提高Sorting速度,其常用配置比市面上的其它基于CPU的软件最高可以提升100倍以上,并根据L-ratio等指标智能判断Sorting出的unit质量,自动排除不满足基本指标的unit。
在实验监控过程中,Event伴随电生理信号显示,研究者可以非常方便地实时判断神经元的反应是否与Event相关。
针对令人担忧的数据安全问题,MindExplorer采用非对称加密技术对用户登录信息进行保护,而用户原始数据则是采用变换域数字水印技术来进行透明鉴权,为研究者安全地共享数据提供最有力的保障。
目前,脑虎科技已在全国多地开展业务布局,旨在为更多的科学家们打造高效的研究工具。脑虎在不到一年的时间内收获两轮达数亿元融资,被资本看好的同时,也为脑虎提供了坚实的资金基础,确保科研解决方案的落地应用。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。