解码高维神经信息的新利器 —— 最小二乘运动张量机（LS - STM）
【字体：
大
中
小
】
时间：2025年02月26日
来源：Communications Biology 5.2
编辑推荐：
为解决传统神经信息解码方法在处理高维张量数据时的不足，[作者单位未提及] 的研究人员开展了基于张量空间的神经信息解码研究，结果表明 LS - STM 在神经信号解码任务中性能优越，为神经科学研究提供了新方法和视角。
在神经科学的奇妙世界里，神经元就像一群神秘的 “通信兵”，它们复杂的时空动态蕴含着感知和决策的关键信息。想象一下，大脑每天都在接收海量的外部信息，从看到的缤纷色彩到听到的各种声音，而神经元则忙着将这些信息进行编码。我们要想解读大脑的 “语言”，就必须解码神经活动。然而，目前的解码之路却困难重重。
传统的基于机器学习或深度学习的神经信息建模方法，虽然取得了一定成果，但存在明显缺陷。在处理神经数据时，这些方法往往需要将数据向量化，就好比把一幅完整的拼图拆成零散的小块，这一过程破坏了高维空间中数据的内在关系，导致它们在处理高阶张量数据时力不从心。要知道，神经信号常以张量形式存在，比如功能磁共振成像（fMRI）数据就是典型的张量数据，它就像一个多维矩阵，记录着大脑活动的丰富信息。而且，神经信息具有高维性和样本量有限的特点，传统方法在处理这些数据时，不仅容易丢失结构信息，还可能出现过拟合的问题，使得解码的准确性大打折扣。
为了突破这些困境，[作者单位未提及] 的研究人员踏上了探索之旅，开展了一项关于基于张量空间的神经信息解码的研究。他们提出了一种全新的解码方法 —— 最小二乘运动张量机（Least Squares Sport Tensor Machine，LS - STM），这是对传统向量学习框架的张量化改进。这项研究成果意义非凡，为神经科学研究开辟了新的道路，相关成果发表于原文未提及的期刊。
在研究过程中，研究人员主要采用了以下关键技术方法：首先，收集了人类和小鼠的神经数据，其中人类数据来自 51 名参与者的颅内脑电图（iEEG），小鼠数据来自 Allenbrain 的视觉编码实验。然后，对数据进行预处理，包括对原始数据进行滤波、傅里叶变换等操作，构建适用于张量计算的 3 - 维张量。接着，运用 LS - STM 模型进行解码分析，通过设计优化模型、求解未知参数等步骤实现解码。同时，选择了逻辑回归、AdaBoost、随机森林和支持向量机（SVM）等作为基线模型进行对比。
研究结果令人惊喜：
- LS - STM 解码性能卓越：研究人员在小鼠（N = 30）和人类（N = 51）的神经数据上对 LS - STM 进行了全面评估。在两项解码任务中，将 LS - STM 与传统的基于向量输入的解码方法（如 STM 等）进行对比，发现 LS - STM 的解码性能更优。在小鼠数据集上，LS - STM 在 70% 的情况下准确率最高；在人类大脑数据集上，这一比例更是达到了 82.4%。这表明 LS - STM 在处理不同物种的神经数据时，都能更准确地解码神经信号。
- 确定关键解码通道：LS - STM 的权重以张量形式存在，这使得它能包含更多结构信息。研究人员通过计算张量权重来确定关键通道，发现选择关键通道进行解码能显著提升性能。在小鼠和人类数据集上，当选择 50% - 75% 的关键通道时，解码性能有明显提高，这证明了 LS - STM 能够精准地识别出对解码准确性有重要影响的关键通道。
- 数据量对解码的影响：研究还发现，随着数据量的增加，LS - STM 和 STM 的解码性能都有所提升，但 LS - STM 始终表现更优。即使在样本量较小的情况下，LS - STM 也能保持稳定的性能，这体现了它在处理高维有限样本数据方面的强大能力。此外，研究人员还对 LS - STM 进行了扩展，利用 Tucker 分解、TensorTrain 分解和 CP 分解等方法进行评估，结果显示 LS - STM 在不同分解方法下都表现出色，远超 SVM 的解码性能。
研究结论和讨论部分进一步强调了 LS - STM 的重要意义。LS - STM 作为一种可扩展的张量计算解码器，不仅能够保留神经数据的张量结构信息，还能通过张量计算利用其空间关系。它的可追溯性体现在能够准确识别影响解码准确性的关键神经元或通道，为深入理解神经编码过程提供了有力工具。与传统的向量输入解码器相比，LS - STM 在避免过拟合方面表现更好，具有更高的准确性和更强的鲁棒性，同时还提高了模型的可解释性。虽然在张量构建和分解方面仍有进一步研究的空间，但 LS - STM 的出现为神经信号解码带来了新的希望，有望推动神经科学研究取得更多突破。
总之，这项研究成果为解码高维神经信息提供了全新的方法和视角，LS - STM 就像一把精准的 “钥匙”，为我们打开了深入了解大脑神经活动奥秘的大门，让我们在探索大脑的征程中迈出了重要一步。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱：
粤ICP备09063491号
