2023年12月6日晚20点，中国科学院深圳先进技术研究院、脑认知与脑疾病研究所研究员蔚鹏飞教授作为脑客中国科研第126位讲者为大家带来主题为《计算神经行为学新技术与神经调控》的报告。
尊敬的各位听众，非常荣幸今天晚上跟大家在脑客中国平台上交流。我今天报告主要分为两部分，一个是计算神经行为学，另一个是神经调控。前半部分的内容会稍微多一点，因为神经调控也是我这几年在与临床进行合作的过程刚开始做的。 然后咱们有什么具体的问题，可以在报告后进行交流。
1、语言脑机接口的必要性
首先从一些简单的背景入手，无论是做神经生物学、认知神经科学或是临床研究的过程中，其实对大脑观测最直接的方法手段就是对主体行为进行评估观测。一方面，比如说做动物实验，肯定是从动物实验的一些临床行为表情去入手它的一些机制和功能； 而在临床上，基因疾病的筛选和评估，一般来说也主要是依赖于主观或者客观的评估量表。
所以说行为监测，其实是一个最直接简便去评估大脑的窗口。虽然它没有那么精准，但其实是在所有的研究中要做的第一步工作。
2、语言脑机接口框架
这样就引出了目前在脑疾病药物开发领域，从老鼠到人的实验对象的变化，存在大量临床验证失败的情况。大家就在考虑可能是动物实验的行为研究结果不准确引起的。
举一个例子，抑郁症的相关研究，所有研究抑郁症的药物都必须要用的一个标准研究范式。 叫强迫游泳行为学范式。 统计到2015年，平均每天都有用这个范式发表的研究论文。 其中很多药物最终进入到临床，也是基于这个实验的发现结果。 但是现在这个范式被质疑说其实它无法代表更加复杂的人类的抑郁状态，已经不太推荐作为抑郁症药物临床前评价的模型使用。 所以说一个好的实验评价行为范式模型，对于脑科学乃至脑疾病研发是非常重要的。
2019年，美国神经学会在成立50周年特刊中特别提到了一篇文章。 现在我们在脑科学研究中，其实缺乏精准的行为测量方法和同步神经活动记录的工具，严重限制了神经科学研究。 而未来50年，和对神经环路机制的细致挖掘一样，对行为也应该进行细致、自动化的筛查、量化。
他们展望未来在包括AI等技术进来以后，希望能够助力整个无论是在临床前的动物实验，还是在实际的临床中做筛查，都希望有更多的方法能够更进一步高效和快速的行为筛查相关工作。
3、国际语言脑机接口研究进展
我们先简单看一下，一般来说我们在动物的脑科学研究中的行为范式是什么样的。
主要分成几大类，首先是预定义特征的行为。类似于做这种fair condition，就是条件恐惧。 我们会把动物受到电击以后，它在原地停留的时间定义为一个冻结状态，拿它来去衡量动物的恐惧以及恐惧记忆产生的程度。
第二类叫做与地标（特定位置或物体）相关的行为。 主要是做社交类的行为，比如说做一些检查是不是有自闭症。 我们会把老鼠放在不同的箱体里面来看它对于新颖老鼠跟同伴老鼠的偏好性来去判断他社交能力，主要看它是在不同箱体停留的时间来作为评价。
这两类其实都是在非常有限的情况下去做的一些简单的指标评价。 而现在我们想做的就是第三类，自然（自发）行为。 也就是说通过一些更加精细的活动，去分辨出来它是不是有一些脑功能疾病异常的状态。
4、汉语的脑机接口合成
按照方法学进行讲解，研究行为学主要有几个步骤：
第一就是行为的记录。 等于是用摄像头、传感器先记录下来，然后进行目标的检测，这是前面检测的部分。 后面主要是针对这些数据，怎么对动物姿态进行追踪，发现它特定的识别参数，最后基于这些参数对行为产生理解的过程。
在经典传统的行为学方法里面，我们一般会把动物简单的量化为一个点儿或是一个球。 因为过去的追踪技术是比较简单的，主要是看它的一些运动轨迹特征进行评判。
2018年以后，得益于深度学习在计算机视觉领域里面的应用，逐渐出现了包括Deep LabCut 、SLEAP、Moseq，这种基于深度学习对身体姿态点估计的技术。就能够从原来只是一个量化的点或球，能够看它一些更加精细的身体姿态特征以及三维特征。
所以2018年以后就产生了一门比较新的研究方向，就是今天的题目，叫计算神经行为学，通过AI的方法，能够更加精细地对动物和人的行为进行评价和研究。
以上为本期直播部分内容，观看本期及往期完整视频内容可扫描下方二维码观看。
扫描二维码
观看完整视频
END
往期精彩节选
