你当然会幸福、强大、所向披靡。https://sk.88lin.eu.orghttps://sk.88lin.eu.org/posts/CNSmydream-946https://sk.88lin.eu.org/posts/CNSmydream-946Thu, 12 Mar 2026 11:00:01 GMT<b>大脑的“智慧网络”：一般智能的分布式秘密被揭开</b><br /><br />长期以来，人们普遍认为“聪明”可能源于大脑某个关键区域或特定网络。然而，一项发表在《自然·通讯》上的研究挑战了这一传统观点，揭示了人类一般智能（g）的真正来源——它并非来自单一脑区，而是源于整个大脑的“全局网络架构”的协调活动。<br /><br />研究团队分析了831名健康年轻人的脑部数据，结合了大脑的结构连接和功能活动模式，发现一般智能涉及多个脑区网络的协同工作，依赖弱长程连接以实现高效的全局协调，并形成小世界架构支持系统级通信。<br /><br />研究证实，一般智能依赖于大脑网络的分布式处理原则，而非局部控制。这一发现意味着，提升智能可能需要通过优化整个大脑网络的连接效率，而非仅仅针对某个特定区域。不过，研究目前仅针对健康年轻人群，未来还需在更广泛人群中验证这些机制。<br /><br /><blockquote>原来聪明是“集体智慧”！<i><b>🧠</b></i></blockquote><br /><br />来源：<a href="https://doi.org/10.1038/s41467-026-68698-5" target="_blank">Nature communications</a><br /><br /><a href="/search/result?q=%23%E4%B8%80%E8%88%AC%E6%99%BA%E8%83%BD">#一般智能</a> <a href="/search/result?q=%23%E5%A4%A7%E8%84%91%E7%BD%91%E7%BB%9C%E6%9E%B6%E6%9E%84">#大脑网络架构</a> <a href="/search/result?q=%23%E8%BF%9E%E6%8E%A5%E4%BD%93">#连接体</a> <a href="/search/result?q=%23%E7%A5%9E%E7%BB%8F%E7%A7%91%E5%AD%A6">#神经科学</a> <a href="/search/result?q=%23%E5%88%86%E5%B8%83%E5%BC%8F%E6%99%BA%E8%83%BD">#分布式智能</a><br /><br /><i><b>🧬</b></i> <a href="https://t.me/CNSmydream" target="_blank">频道</a> ｜ <i><b>🧑‍🔬</b></i> <a href="https://t.me/CNSmydream2" target="_blank">群组</a> ｜ <i><b>📨</b></i> <a href="https://t.me/sciReviewer_bot" target="_blank">投稿</a>https://sk.88lin.eu.org/posts/CNSmydream-728https://sk.88lin.eu.org/posts/CNSmydream-728Mon, 19 Jan 2026 05:03:05 GMT<b>机器学习指导电子显微镜成像，连接组学研究提速7倍</b><br /><br />连接组学通过纳米级分辨率解析神经回路，是理解大脑活动与行为的“金钥匙”，但高吞吐量电子显微镜的获取成本与操作难度，让许多研究者望而却步。当前，机器学习多用于成像后分析，而SmartEM创新地将机器学习融入实时成像过程——在单束扫描电子显微镜中实现“数据感知”成像。该技术通过先快速扫描所有像素，再对高信号区域进行慢速重扫，精准分配成像时间，在秀丽隐杆线虫、小鼠及人脑样本中，实现了高达7倍的成像加速，且重建精度与传统方法相当。<br /><br />核心机制在于，SmartEM的机器学习模型实时分析图像质量，动态调整扫描策略，让电子显微镜“聪明”地聚焦于关键区域，避免无效时间浪费。这一突破将显著降低连接组学研究的成本与周期，推动更广泛的大脑结构解析。<br /><br />意义方面，SmartEM为神经科学研究提供了高效工具，但当前仍聚焦于特定样本类型（如小型动物与人脑），未来需验证其在复杂组织或更大样本中的适用性，同时确保机器学习模型的泛化能力。<br /><br /><blockquote>电子显微镜也能“聪明”提速，7倍加速太香了<i><b>🤖</b></i></blockquote><br /><br />来源：<a href="https://doi.org/10.1038/s41592-025-02929-3" target="_blank">Nature methods</a><br /><br /><a href="/search/result?q=%23%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0">#机器学习</a> <a href="/search/result?q=%23%E7%94%B5%E5%AD%90%E6%98%BE%E5%BE%AE%E9%95%9C">#电子显微镜</a> <a href="/search/result?q=%23%E8%BF%9E%E6%8E%A5%E7%BB%84%E5%AD%A6">#连接组学</a> <a href="/search/result?q=%23%E7%A5%9E%E7%BB%8F%E7%A7%91%E5%AD%A6">#神经科学</a> <a href="/search/result?q=%23%E6%88%90%E5%83%8F%E6%8A%80%E6%9C%AF">#成像技术</a><br /><br /><i><b>🧬</b></i> <a href="https://t.me/CNSmydream" target="_blank">频道</a> ｜ <i><b>🧑‍🔬</b></i> <a href="https://t.me/CNSmydream2" target="_blank">群组</a> ｜ <i><b>📨</b></i> <a href="https://t.me/sciReviewer_bot" target="_blank">投稿</a>