Logo
Decide better.Live better.
Logo
Decide better.Live better.

ИИ‑модель DNEM от UCL удваивает точность визуализации. UCL записали нейроны V1, получили 0.57 и открыли путь к нейроинтерфейсам

ИИ‑модель DNEM от UCL удваивает точность визуализации

В марте 2026 года исследователи UCL представили в журнале eLife работу динамической нейронной модели кодирования DNEM, обученной на наборе Sensorium 2023. С помощью двухфотонной кальциевой микроскопии они записали активность ≈8000 нейронов в зрительной коре V1 и с помощью ИИ‑модели восстановили десять 10‑секундных видеоклипов (30 Гц) с пиксельной корреляцией 0.57, что вдвое превышает предыдущие результаты. Прорыв ускорит создание нейроинтерфейсов для пациентов с параличом.

16 марта 2026

News

banner

Исследователи из Университета колледжа Лондона (UCL) измерили активность около 8000 нейронов в зрительной коре мышей и реконструировали видеоролики с точностью 0,57 — вдвое выше предыдущего рекорда 0,24. Результаты опубликованы в рецензируемом журнале eLife в марте 2026 года.

Почему это важно: Удвоенная точность ускоряет разработку нейроинтерфейсов для пациентов с параличом, которые смогут передавать визуальные образы напрямую из мозга. Технология также открывает путь к декодированию сновидений и изучению механизмов сна.

Суть открытия: Команда UCL записала двухфотонную кальциевую микроскопию (метод визуализации активности нейронов в реальном времени) у пяти мышей. Динамическая нейронная модель кодирования (DNEM), обученная на наборе данных Sensorium 2023, реконструировала десять 10-секундных видеоклипов (30 Гц) из полученных сигналов. Пиксельная корреляция 0,57 подтвердила значительный прорыв.

Цифры: Около 8000 нейронов, десять видеоклипов по 10 секунд каждый, удвоенная точность по сравнению с предыдущими методами.

Что говорят эксперты:

Эксперты подчёркивают: переход от мышиного к человеческому мозгу потребует адаптации модели к более сложной архитектуре зрительной коры.

Ограничения: Модель протестирована только на пяти мышах; человеческая зрительная кора имеет иную структуру и количество нейронов. Остаются вопросы о защите нейронных данных — как будет обеспечена конфиденциальность, когда технологии смогут визуализировать восприятие?

Что дальше: Исследователи планируют протестировать модель на данных человеческой зрительной коры и разработать стандарты конфиденциальности нейроданных. Код проекта опубликован на GitHub, что позволит внешним группам проверять и расширять методику. Следующий эксперимент покажет, насколько точно технология декодирует зрительные образы у людей с разными типами нейронных нарушений.

Лента