追问weekly | 过去一周，脑科学领域有哪些新发现？

洛克菲勒大学的研究团队通过研究果蝇的交配行为，揭示了大脑回路如何灵活适应不同物种的交配信号。该团队由Vanessa Ruta领导，致力于探索神经系统如何随着进化进行重塑。他们的研究展示了如何在不重构整个大脑回路的情况下，通过适应新的感官输入来实现行为多样化。

研究团队分析了果蝇不同物种的交配策略，重点研究了P1神经元（参与交配行为的神经元，P1 neurons）如何在不同物种中通过灵活连接不同的感官输入来驱动交配行为。通过使用行为分析、遗传工具、神经成像和CRISPR基因编辑等技术，研究发现果蝇大脑中的关键神经节点在多个物种中是保守的，但这些节点能够灵活地响应不同的感官信号，例如D. melanogaster果蝇通过感知一种特定信息素，而D. yakuba果蝇则能在黑暗中通过7-三十碳烯（7-tricosene，一种化学信号）找到配偶。

研究表明，外周神经回路和大脑中枢的适应性调整使得这些物种能够快速进化出不同的交配策略，从而促进了行为进化的多样性。该研究为理解神经回路的灵活性提供了新的框架，并对人类大脑如何通过进化形成复杂的社会行为提供了重要启示。研究发表在 Nature 上。

嗅觉是日常生活中不可或缺的感官之一，其缺失会导致食物失去美味，甚至无法感知危险。为了探究人类嗅觉感知的神经机制，波恩大学医院、波恩大学和亚琛大学的研究人员首次在人体中研究了单个神经元的反应，弥合了动物和人类嗅觉研究之间的差距，增强了我们对如何感知气味的理解。

研究团队通过在波恩大学医院接受癫痫诊断的患者的大脑中植入电极，记录他们在闻到各种气味（如新鲜水果、腐坏的鱼）时的神经元活动。研究显示，大脑中的单个神经细胞可以预测特定的气味及其情绪关联。其中初级嗅觉皮层不仅能够精确辨别气味，还可以对视觉信息做出反应。同时，杏仁核对气味的情绪反应有所差异，海马体与气味的识别表现有关。此外，研究发现神经元会对气味、图像以及相关的文字信息产生反应，这表明嗅觉处理中涉及多模态整合以及概念编码机制。这些发现不仅验证了动物研究的结果，还为未来开发嗅觉辅助设备铺平了道路。研究发表在 Nature 上。

人类大脑发育过程中的第一张DNA修饰图

本研究由加州大学洛杉矶分校的Chongyuan Luo和加州大学旧金山分校的Mercedes Paredes共同领导，研究团队还包括索尔克研究所、加州大学圣地亚哥分校及首尔国立大学的科学家。研究首次绘制出人类海马体和前额皮质发育过程中DNA修饰的详细图谱，这些大脑区域在学习、记忆和情感调节中起到关键作用，并与孤独症和精神分裂症等神经疾病密切相关。

研究采用了新型单细胞测序技术snm3C-seq（单细胞核甲基化和染色质结构捕获联合测序），对超过53,000个大脑细胞进行分析，揭示了从中期妊娠到成年期间的基因调控变化。研究发现，DNA甲基化和染色质三维结构的动态重组在时间上是相互独立的。短程染色质相互作用主要出现在神经元中，而长程相互作用则更多见于胶质细胞和其他非脑组织。进一步分析显示，精神分裂症相关的基因变异体集中于特定细胞类型的染色质环连接调控区域，这表明这些区域可能是神经精神疾病的潜在发病点。

研究的成果不仅为理解大脑发育中的基因调控提供了基础数据，也为干细胞模型（如大脑类器官）的改进提供了参考标准，使这些模型更接近于实际的人类大脑发育过程。研究发表于 Nature 上。

延长时间：神经元如何在与学习相匹配的时间尺度上编码信息

来自马普研究所佛罗里达神经科学分部的研究团队发表了一项研究，揭示了行为时间尺度突触可塑性（BTSP）的分子机制。该研究由  Anant Jain、Dr. Yoshihisa Nakahata 和科学主任 Ryohei Yasuda 领导，旨在探究神经元如何在学习过程中整合以秒为单位的时间尺度信息。此前的研究主要聚焦于毫秒级的传统突触可塑性模型，忽视了与实际行为时间尺度相一致的分子机制。

研究团队在分离的脑组织中，通过双光子谷氨酸解锁技术结合突触后电流注入，诱导了 BTSP 发生，确认其在行为相关的时间尺度上整合信息的能力。进一步使用改进的 CaMKII（钙调蛋白激酶 II）传感器发现，BTSP 诱导期间 CaMKII 并未立即激活，而是在数十秒后以树突内延迟且随机的方式激活，这种现象称为树突延迟随机激活（DDSC）。

DDSC 的发生依赖于突触前和突触后的共同活动，显示出 CaMKII 在整合这些信号中的关键作用。此外，实验还揭示了 IP3 依赖的细胞内 Ca2+ 释放在促进 DDSC 和 BTSP 过程中具有重要作用。这项研究改变了对 CaMKII 在突触可塑性中作用的传统看法，为理解神经元如何在行为相关的时间尺度上编码信息提供了新的视角。研究发表在 Nature 上。

来自约翰·霍普金斯大学医学院的神经科学家团队，领导者为Ingie Hong和Richard Huganir，发现钙离子通透的AMPA受体（CP-AMPA receptor）在抑制性神经元（PV神经元）中的作用，能够显著抑制这些神经元对特定外部刺激的选择性反应。

研究人员通过基因工程技术，设计了一种新的腺相关病毒载体，将小鼠大脑中的钙离子通透的AMPA受体替换为不可通透的受体。然后，他们使用先进的成像技术观察小鼠大脑中神经元对视觉和空间信息的反应。结果发现，PV神经元通常对外部刺激的反应较为广泛（选择性较低），但在钙不可通透受体替换后，这些神经元对视觉刺激和空间位置的选择性明显增强。进一步研究表明，这一现象与神经元的连接性没有显著变化，而是神经元自身的特性发生了变化。研究还发现，CP-AMPA受体在多种哺乳动物中高度保守，这表明其在大脑中具有重要的进化功能。研究人员认为，这一机制可能对孤独症、癫痫等涉及神经信号异常的疾病具有重要的临床意义。研究发表在 Nature 上。

来自美国国家卫生研究院的科学家团队，联合普林斯顿大学的研究人员，首次完整绘制了果蝇大脑的神经连接图（connectome），这是迄今为止最完整的成年动物大脑神经图谱。这项研究为研究大脑如何通过神经回路驱动行为提供了全新的工具，也为未来绘制更复杂的哺乳动物和人类大脑图谱奠定了基础。

研究团队利用电子显微镜对果蝇大脑进行了全面拍摄，并通过自动化程序对139,255个神经元进行了分割和标注。研究揭示了5亿个神经突触（synapse）之间的连接，并详细描述了不同神经元类别、化学连接及其神经递质（如多巴胺dopamine和血清素serotonin）的分布。此外，研究团队还绘制了果蝇大脑区域间的投射图（projectome），展现了各脑区之间的连接关系。通过追踪感光细胞至下行运动通路的神经信号传输路径，研究揭示了感知与行为之间的可能回路机制。这一工具和方法为未来的跨物种大规模神经连接图研究提供了新的技术平台。该研究发表在 Nature 上。

小脑大作为：小型神经网络也能精确定位

Janelia研究园区的Ann Hermundstad团队对大脑的内部罗盘系统展开了深入研究。长期以来，科学家认为只有大型神经网络才能准确维持动物的空间定位。然而，Marcella Noorman领导的研究团队，通过研究果蝇的内部罗盘，发现即使是由少量神经元组成的小型网络也可以保持高度准确的空间感知能力。这项研究的成果为神经科学研究提供了新的见解，特别是关于小型网络的功能和计算能力。

研究团队通过分析果蝇在黑暗环境下行走的双光子钙成像数据，发现其小型头部方向系统能够维持准确的方向感。这一发现挑战了传统理论，即只有大型网络才能维持连续的内部表示。通过进一步的数学模型分析，研究人员证明了只要神经元之间的连接精确调整，小型网络（例如仅由四个神经元组成的网络）也可以生成环形吸引子（ring attractor），从而维持连续的内部表示。尽管小型网络对噪声和连接变化更加敏感，但其计算能力却远超科学家的预期。这项研究拓展了小型神经网络的应用范围，并提示大型网络或许能够处理更多维度的变量。这一突破可能为更复杂的大脑功能提供新的理解途径。研究发表在 Nature Neuroscience 上。

大脑不同区域的结构与功能连接关系随功能类型变化

耶鲁大学的研究人员近期发表了一项研究，探讨了大脑不同区域的神经元连接（结构）和功能共激活之间的关系。研究由耶鲁大学神经科学系的Neuroanalytics研究小组执行，研究团队成员包括Evan Collins和耶鲁医学院神经学副教授Hitten Zaveri。

研究团队利用大规模数据库中的脑结构和功能数据，对超过300种大脑功能和多个脑区的结构-功能关系进行了计算和分析。他们发现，结构-功能的对应性在不同脑区表现出显著差异。在初级感觉和运动皮层，结构与功能的耦合关系较为紧密，尤其是在处理感知和运动功能时；而在联合皮层，该对应性较弱，反映出复杂认知功能对直接神经连接的依赖性较低。

此外，研究结合自然语言处理技术发现，人类的语言系统与大脑的神经结构有一定的对应性，这种联系可能反映了大脑在感知与认知功能上的组织方式。研究推测，人脑在进化过程中通过建立更多间接连接以实现更高级的认知能力，从而逐渐摆脱对直接连接的依赖。研究发表在 Nature Communications 上。

光流解析揭示大脑如何感知自我运动中的物体运动

当我们在日常生活中移动时，大脑需要忽略由自我运动引起的视觉图像流动（光流），从而正确判断物体的运动方向。这种光流解析机制的存在已在人类和猕猴的行为研究中得到验证，但其神经基础仍不明确。本研究由斯坦福大学和罗切斯特大学的研究人员共同开展。

研究通过对两只猕猴（分别为M和P）的中部颞区（MT区）进行神经记录，观察光流对其运动方向判断任务的影响。实验中，猕猴需要判断目标物体在模拟向前或向后的自我运动背景下的运动方向，分别进行39次记录，涉及727个MT区的神经单元。研究显示，在存在光流背景时，猕猴的感知方向会发生系统性的偏差，偏差程度随着光流强度和物体在视觉场位置的不同而变化。这种偏差符合光流解析的预期，即感知上的偏离方向与光流方向相反。

研究发现，MT区神经元的响应模式与光流解析一致，特别是神经元对左向或右向运动的偏好会影响光流对其响应的调节。通过解码分析，MT区的神经群体响应可以部分解释猕猴在实验中的行为偏差，表明MT区参与了场景相对物体运动的计算。此外，光流对MT区的调节作用并不能简单地用周围抑制或选择性相关活动解释，表明可能存在来自高层次区域的反馈信号，如MSTd或VIP区。研究发表在 Current Biology 上。

麻省理工学院皮考尔学习与记忆研究所与范德比尔特大学心理学系的研究团队合作，探索全身麻醉对大脑预测能力和意识的影响。该研究由Earl K. Miller和Andre Bastos联合领导，研究发现了麻醉状态下大脑前后部区域的沟通中断，揭示了意识形成过程中大脑各区域的协同作用。

研究团队通过异丙酚（propofol）麻醉实验，对猕猴大脑的不同区域进行了神经活动的记录。研究使用了α/β波和γ波，分析了大脑在清醒和麻醉状态下对感官刺激的预测能力。在清醒状态下，高级认知区域通过α/β波向感官区域传递预测，并抑制γ波。然而在麻醉状态下，这一调控机制被削弱，感官区域虽然仍能检测到简单的意外事件，但无法通过γ波与高级区域进行有效沟通。结果表明，意识的丧失与大脑前额叶皮层和感官区域之间的同步失调密切相关。这一发现为现有的意识理论提供了新的限制条件，并揭示了大脑预测功能与意识之间的密切关系。研究发表在 PNAS 上。

大脑决策中的神经活动可能与选择无关

布朗大学和伯明翰大学的研究人员发现，人类在进行价值决策时，大脑中的一些神经活动可能并不直接与选择本身相关。这项研究由 Romy Froemer 和 Amitai Shenhav 等科学家领导，目的是进一步揭示决策过程中不同神经信号的独特作用。

研究人员通过脑电图（EEG）技术，实时记录了参与者在不同选择情境中的大脑活动。实验中的决策包括两种重要的神经信号：一是与选项的感受评价相关的信号（Appraisal），二是与选择难度相关的信号（Choice）。研究表明，感受评价的神经活动出现在选项展示后不久，而与选择难度相关的信号则出现在接近决策时。令人惊讶的是，这些信号并不符合“证据积累”理论，即大脑在做出选择前会逐步积累证据的假设。研究还对四项之前的研究数据进行了重新分析，发现当将感受和选择的神经信号共同建模时，证据积累的信号不再出现。这意味着传统的决策模型可能需要重新审视，研究人员还推测，难度相关的信号可能反映的是指导和评估决策过程的机制，而非选择本身。这项研究发表在 Nature Human Behaviour 上。

合作是社会运作良好的关键因素之一。以往的研究主要集中在群体内部的重复交互中，认为合作收益的增加能促进合作。然而，这项由因斯布鲁克大学公共财政系的Natalie Struwe和Esther Blanco以及印第安纳大学经济系的James Walker共同进行的研究，打破了这一传统观点。他们针对志愿服务或捐款等一次性决策情境，探讨了合作收益对人们合作行为的影响。

研究团队进行了两项大规模实验，涉及2232名参与者，涵盖英国普通公众和大学生群体。实验通过调整公共物品提供的相对收益（边际人均回报，MPCR），评估参与者的合作决策。研究在多种情境中进行，包括线上和实验室设置、不同物理距离的测试以及群组间互动的复杂决策。结果显示，无论合作收益如何变化，合作水平始终保持在约40%左右。进一步分析表明，这种稳定性可能源于参与者对他人合作期望的稳定性，即使收益增加，参与者对他人合作的期望并未显著提高。这些发现揭示了我们对一次性合作行为的理解存在局限性，并指出需要进一步研究如何在紧急一次性场景中有效促进合作。研究发表在 PNAS上。

韩国首尔大学的研究人员发表了一项研究，探索了利用量子实验数据结合经典机器学习算法来解决量子多体物理问题的潜力。该研究通过在127个量子比特的超导量子硬件上进行实验，成功获取了高精度的数据，并验证了经典ML算法在处理量子数据中的有效性，特别是在多达44个量子比特的系统中。

研究人员采用了一种混合计算方法，结合经典计算机和量子计算机的优势，克服了传统算法在处理强相互作用系统时的局限性。为了应对量子计算误差，他们引入经典阴影技术（Classical Shadow），通过多种误差减少技术，提升了量子态数据处理的精度。这种方法不仅适用于一维问题，还扩展到二维多体物理系统。

在实验中，研究人员利用支持向量机（SVM）对量子相位进行了分类，并证明了该模型可以有效区分拓扑有序相和平凡相。通过数据增强技术和测量误差缓解（MEM），团队进一步提高了模型的性能。这一研究成果展示了将量子实验数据应用于ML的广泛潜力，尤其是在未来非平衡量子系统的动态模拟中。研究发表在Nature Communications上。

传统机器人依赖电力和计算机芯片来传递指令，硬件和软件的分离导致复杂操作时常受限。伦敦国王学院的研究团队在Antonio Forte的带领下，受到人类身体部分工作方式的启发，首次实现了无电力控制的复杂指令传输，为未来机器人解放计算资源提供可能性。

研究团队开发了一种可重构的气动阀门系统，该系统通过两个关键参数进行调节：制造时设定的初始工作范围参数，以及可在操作过程中修改的几何参数。团队分别通过频率可控的松弛振荡器和可重构环形振荡器进行了验证。松弛振荡器能控制软体跳跃器的频率，使其达到每分钟80到125次的跳跃速度（≈1到1.185 BL/s，BL代表体长）。可重构环形振荡器则被用于软体爬行器的三向导航，以及在电子设备无法工作的环境中控制流体泵混合溶液。这种无需电子元件的流体电路比现有技术提供了更高的可控性，未来可应用于社会照护和制造等场景。研究发表在 Advanced Science 上。

为什么没有听觉魔术？

魔术通常依赖视觉感知，而仅依赖听觉的魔术却极为罕见。为了探讨这一现象背后的原因，普利茅斯大学心理学副教授 Gustav Kuhn 领导的研究团队进行了深入研究，试图了解为什么魔术创作几乎从未涉及听觉感知。研究人员认为，这一问题的答案不仅关乎魔术艺术本身，更涉及人类大脑如何处理感知信息。

研究团队首先分析了视觉和听觉信息在大脑中的处理方式。他们指出，人类的视觉感知通常反映了世界的当前状态，具有稳定性，而听觉感知则更加短暂，往往是对过去事件的反映。例如，在视觉魔术中，魔术师可以通过改变观众的视觉感知来创造“物体突然消失”的幻觉。然而，在听觉感知中，声音传达的往往是过去的事件，这使得操纵听觉感知来制造持续的错觉变得困难。

为了进一步验证这一理论，团队发起了一项魔术比赛，邀请魔术师们尝试仅依靠声音设计魔术。这一比赛结果将在2024年11月揭晓，研究团队希望通过这种实际测试，进一步探讨听觉感知在魔术创作中的可能性，并为未来的研究提供更多数据。研究发表在 Trends in Cognitive Sciences 上。

理解大脑活动如何转化为行为一直是神经科学领域的巨大挑战，特别是如何捕捉复杂的非线性大脑信号。来自加州大学伯克利分校和麻省理工学院的研究团队，包括Briony Richter等，开发了DPAD这一新方法，旨在利用递归神经网络（RNN）等先进AI技术，优先处理与行为相关的脑信号，以更精确地预测行为并揭示复杂的神经动态。

DPAD（Dissociative Prioritized Analysis of Dynamics）使用了一种多部分的神经网络架构，其核心理念是通过分离与行为相关的大脑活动和其他神经动态，来简化复杂的大脑信号。研究人员对猴子在不同任务中的皮层神经活动和局部场电位（LFP）数据进行了分析。DPAD的模型首先聚焦于与行为最相关的信号，利用RNN的时间处理能力，能准确预测动物的运动行为，如手臂和眼睛的移动。相比传统方法，DPAD不仅能更好地捕捉到复杂的非线性模式，还能够大幅简化数据，而不损失重要信息。研究表明，非线性转换大多发生在从潜在的皮层动态到行为的映射过程中。此外，DPAD的泛用性使其能够适应不同类型的行为数据，无论是连续的、间歇的还是分类的行为数据。研究发表在Nature Neuroscience 上。

来自新西兰怀卡托大学心理学系的研究团队深入探讨了大语言模型（LLMs）生成虚假信息的影响。这些模型通过概率生成文本，可能导致互联网上大量信息真假难辨。研究者担心，这些虚假信息不断被反馈到未来的模型训练中，进一步加剧了问题的复杂性。

研究团队详细分析了大语言模型（LLMs）的工作原理，如ChatGPT。这些模型通过预测词语序列来生成文本，然而其生成的内容是基于概率的，这意味着有时它们会生成不准确甚至错误的信息。研究指出，随着模型产生的虚假信息不断反馈到互联网和新的训练数据中，未来的模型将难以避免这种信息循环，进一步加剧社会难以区分真实与虚假的问题。特别是在心理学研究的支持下，团队发现这些信息常常被巧妙包装，使得人们更容易相信这些虚假内容。随着时间推移，人们对机构和彼此的信任可能受到严重影响，虚假信息可能成为我们未来决策的重要基础。这一发现引发了关于未来信息传播的严重担忧。研究发表在 Trends in Cognitive Sciences 上。

随着编程技能在教育中的重要性日益突出，AI对编程课程的影响逐渐成为研究焦点。杜伦大学物理系的Will Yeadon等人，分析了AI在大学物理学编程作业中的表现，旨在评估AI技术如何影响编程课程的评估准确性和诚信。

研究中，研究人员比较了50份学生作业与50份AI生成作业（包括ChatGPT的GPT-3.5和GPT-4两个版本），并在有无提示优化的情况下进行盲评。结果显示，学生的平均分为91.9%，而最优秀的AI作业（GPT-4加提示优化）得分为81.1%。提示优化显著提升了AI作业的表现，但学生的表现仍然优于AI生成的作业。此外，三位独立评分者能够准确识别92.1%的“绝对由人类完成”的作业，进一步简化为“AI或人类”后，平均准确率为85.3%。这些结果表明，尽管AI生成的作业质量接近学生水平，但其生成模式仍能被人类评估者辨别。研究发表在 Scientific Reports 上。

希望在心理学中被视为一种应对机制，帮助个体有效应对生活中的挑战。然而，现有的希望语言（hope speech）研究多关注积极情感，忽略了希望可能伴随的负面情绪。为解决这一局限，Muhammad Arif及其团队，包括来自墨西哥城国家理工学院的研究人员，提出了新的希望语言分类方法，旨在探讨不同类型的希望语言及其心理语言学和情感维度。

该研究利用自然语言处理（NLP）工具，如语言分析工具、NRC情感词典和VaderSentiment（用于自动化情感分析的工具），对社交媒体上的希望语言进行了深入分析。研究团队构建了希望语言数据集，并提取了心理语言学和情感特征，探讨了不同类型希望（如普遍的、现实的、不现实的）的认知、情感和沟通特征差异。通过训练机器学习模型（如LightGBM和CatBoost），研究团队成功分类了不同类型的希望语言。结果显示，经过超参数调优后，LightGBM和CatBoost模型的表现超越了传统的机器学习方法，接近深度学习模型的表现。这表明，在使用社交媒体数据时，结合心理语言学特征可以有效提升希望语言检测的准确性和效率。研究发表在 Scientific Reports 上。

运动与睡眠的长期效应如何影响大脑健康

研究由阿尔托大学和奥卢大学合作开展，研究团队追踪了一名研究参与者的脑部和行为活动长达五个月，收集了详尽的纵向数据。这项研究通过长达133天的行为数据收集和30次功能性磁共振成像（fMRI）扫描，详细记录了研究对象在注意力、记忆、静息状态及自然刺激下的脑部活动。

数据主要来源于智能手机和可穿戴设备的高频监测，研究人员发现，大脑连接性受到过去行为和生理状态的长期影响，这种影响最长可达15天。该研究还表明，身体活动能够积极影响大脑各区域之间的互动，可能有助于增强记忆和认知灵活性。具体而言，睡眠和身体活动与大脑在复杂认知任务中的功能连接有关，而心率变异性（HRV）和呼吸速率则更多地影响静息状态下的连接模式。该研究揭示了生活方式因素和大脑功能间的持续关联，提出应结合环境变化和个体生理状态来理解大脑功能的动态变化。这一研究还为个性化医疗的未来提供了新的思路。研究发表在 PLOS Biology 上。

医疗数据的访问一直受到隐私法规的严格限制，尤其是在美国的HIPAA和欧洲的GDPR框架下。这使得研究人员在使用真实数据进行人工智能（AI）和机器学习（ML）研究时面临重重障碍。匹兹堡大学的研究人员开发了一个新的解决方案，即合成表格神经生成器（STNG）。

研究团队开发的STNG平台结合了多种合成数据生成方法，包括基于概率分布的高斯Copula模型（Gaussian Copula）和基于生成对抗网络（GAN）等神经网络模型。这些方法通过保持数据的统计特性，生成与真实数据相似的“新数据”，从而避免了隐私泄露风险。STNG还整合了自动机器学习（Auto-ML）模块，能够对生成的数据进行快速验证和质量评估。

在12个不同数据集的实证研究中，STNG在大多数情况下都优于现有的开源平台和商业合成数据生成工具。例如，在心脏病和中风数据集上，STNG的高斯Copula方法生成的合成数据在模型评估中的表现最佳，优于其他方法。这项研究为使用合成数据加速医疗研究提供了一个新的方向，尤其是在数据获取困难的领域，如罕见病研究和初步研究中，STNG可以有效降低成本并提高统计效率。该研究发表在 Scientific Reports 上。

佛罗里达大西洋大学的研究人员，联合Ulster大学和Bath大学的学者，致力于探索婴儿如何从随机动作过渡到有目的的行为。研究由Scott Kelso博士、Massoud Khodadadzadeh博士和Damien Coyle博士等人主导，采用经典的婴儿-悬挂玩具实验，旨在揭示婴儿与外界环境的互动方式。

研究团队通过Vicon 3D动作捕捉系统记录婴儿的全身动作，生成关节位移直方图（HJD），以此作为姿态描述符。研究利用机器学习和深度学习模型，包括k近邻算法（kNN）、线性判别分析（LDA）和二维胶囊网络（2D-CapsNet）等，对婴儿的运动片段进行分类。结果显示，深度学习模型2D-CapsNet对脚部动作的分类准确率达到86%，显著高于手部和膝盖动作。这表明婴儿在通过脚部与环境进行互动时，动作的变化最为明显。研究还发现，婴儿在失去对玩具控制后，表现出更多的探索行为，这意味着他们可能在早期互动中学到了重要的信息。研究发表在 Scientific Reports 上。

大脑的神经可塑性使其能够根据外界刺激，如语言，形成新的连接通路。此前的研究表明，学习第二语言可能对注意力、健康老化及脑损伤后的恢复有积极影响。此次研究由麦吉尔大学的The Neuro、渥太华大学和西班牙萨拉戈萨大学合作进行，研究团队包括Zeus Gracia Tabuenca等。

研究人员招募了151名讲法语、英语或双语的参与者，并记录他们学习第二语言的年龄。通过静息状态功能性磁共振成像（fMRI）扫描，研究观察了双语者与单语者的大脑全脑连接性。结果显示，双语参与者的大脑区域之间的连接性显著强于单语者，尤其是在儿童时期学习第二语言的参与者中，这种连接性尤为显著，特别是在小脑和左额叶皮层之间的连接增强。

研究还表明，双语者大脑不同区域的高效交流能力有助于提高认知表现。通过网络统计分析，进一步确认了这种连接性的增强主要发生在关联网络和小脑之间。总的来说，研究揭示了早期双语学习如何在大脑神经网络中建立更高效的功能组织，尤其是在涉及认知和语言的脑区。研究成果发表在 Communications Biology 期刊上。

接触更多虚假信息，儿童核查事实能力更强

加州大学伯克利分校的心理学家团队进行了这项研究，旨在探讨儿童在接触虚假信息时如何做出事实核查决策。该团队的主导研究者 Evan Orticio 表示，随着儿童越来越多地接触互联网，他们需要掌握如何评估和核查信息的技能，以应对日益复杂的网络环境。

研究团队进行了两项实验，实验对象为122名4至7岁的儿童。第一项实验中，研究人员通过电子书向儿童展示关于动物的真假信息，例如真实的斑马黑白条纹和虚假的斑马红绿条纹，随后让他们判断信息的真假。第二项实验模拟了搜索引擎的结果，向儿童展示了一些关于虚构外星物种“Zorpies”的信息。

在实验过程中，研究人员观察到，那些接触到更多虚假信息的儿童，在面对新的信息时会更加倾向于主动核查，表现出较高的怀疑和验证倾向。而那些一直处于真实信息环境中的儿童，则很少进行事实核查。通过计算机模拟，研究发现，儿童会根据之前的虚假信息经验，调整他们对新信息的怀疑程度，这种适应性行为有助于他们发现潜在的错误信息。研究发表在 Nature Human Behaviour 上。

现有的EEG数据集在语义处理研究中的应用受限，无法满足更广泛的研究需求。为了填补这一空白，Boi Mai Quach领导的研究团队创建了Dublin EEG-based Reading Experiment Corpus（DERCo）。该数据集包含了500名参与者的行为数据和22名参与者的EEG记录，为研究语言处理中的神经活动提供了丰富的资源。

研究团队设计了两类实验。一类是在线行为实验，500名参与者通过Amazon Mechanical Turk平台参与，要求他们根据上下文预测即将出现的单词，并完成完整的故事。这些数据用于计算每个单词的Cloze概率，即词语在上下文中的预测性。另一类实验基于EEG技术，记录22名健康成年人的脑电波活动，重点研究高预测性和低预测性单词在神经反应上的差异。通过ERP成分（如N400）分析，研究发现，高预测性单词引发的脑电反应与低预测性单词存在显著差异。这一数据集不仅为神经语言学研究提供了新工具，也为人工智能系统中的自然语言处理研究带来新机会。研究发表在 Scientific Data 上。

在人类历史上，记忆的表达方式从洞穴壁画到数字化记录经历了巨大变化。当前，随着社交媒体和智能设备的普及，个人生活的记录密度前所未有，这给记忆的存储和回忆带来了全新挑战。

研究团队提出了“数字时代自传记忆模型”（AMEDIA-Model），系统化现有的文献并为未来研究指明了方向。该模型认为，自传记忆是个人大脑与环境中信息不断交互的结果。随着技术发展，记忆过程被塑造为一种结合大脑存储和外部数字数据的动态过程。

研究指出，数字资源不只是简单的储存工具，还可以通过人工智能对数据进行筛选和重组，生成虚拟相册、视频回顾等，影响人们的记忆方式。此外，数字记录的多样性使其在分析行为趋势、保存集体记忆等方面具有潜力，如对阿尔茨海默病患者的记忆支持。然而，这种技术也带来了记忆操控的风险，例如通过深度伪造技术进行的记忆修改。因此，未来需要进一步研究技术对人类记忆的多重影响。研究发表在 Psychological Inquiry 上。

麻省理工学院的研究人员联合KASIKORN Labs和哈佛大学的学者，开发了一种名为“Future You”的生成式AI工具，用以帮助用户通过与模拟的未来自我对话，减少焦虑并改善决策质量。

研究团队利用大语言模型开发了一个互动性强的AI工具“Future You”，该工具基于用户提供的个人信息，生成一个虚拟的60岁自我形象，帮助用户进行情境丰富的对话。在对话前，用户需回答一系列有关当前生活、未来目标等问题，系统会据此生成“合成记忆”（synthetic memory），为对话提供背景支持。通过这种方式，用户不仅可以探讨未来职业规划或生活挑战，还可以听取“未来的自己”的建议。

在一项涉及344名参与者的初步研究中，用户与Future You进行了10-30分钟的互动后，相比与通用聊天工具对话的对照组，报告出更低的焦虑感，并且未来自我连续性得到了显著提升。用户普遍认为，这种对话是诚挚的，且与他们的价值观和信念一致。此外，Future You还生成用户老年时的照片，并通过自然的语言表达，增强对话的真实感。这一研究首次验证了个性化AI角色在提升用户心理健康方面的作用。研究发表在 IEEE Conference on Frontiers in Education 上。

合成数据正逐渐成为生物医学和医疗保健领域的重要工具。剑桥大学的Boris van Breugel等研究人员在最新综述中指出，深度生成模型能够生成合成数据，不仅可以缓解真实数据中的隐私风险，还能弥补数据不足，改善数据质量。

合成数据通过深度生成模型的学习，可以模仿真实数据的分布，甚至在不清楚数据生成机制的情况下生成样本。这种数据可用于解决实际数据中的多种挑战，例如隐私保护、数据偏差、分布性变化、特定群体的代表性不足和数据稀缺等问题。特别是在数据匮乏的情境下，合成数据的生成有助于数据增强，使模型在孤独症和阿尔茨海默病等疾病研究中更具广泛性和准确性。

此外，研究人员还提出，基础模型可以生成特定的生物医学数据类型，如分子数据、成像数据和表格数据。这些合成数据不仅能用于医疗问答系统和药物发现，还可以模拟未见过的情景，以支持更复杂的医学研究。

然而，研究人员也警告，合成数据的应用还面临许多挑战，包括数据的所有权、发布、共享和访问。此外，为了提高人们对合成数据和研究结果的信任度，必须采取有效的方法来评估深度生成模型生成数据的质量。

哥伦比亚大学护理学院的Natalie Benda博士及其团队开展了一项关于患者对AI在心理健康护理中应用看法的研究。该研究旨在了解公众如何看待AI技术的潜力及其带来的问题，特别是在心理健康领域。调查结果将有助于医务人员更好地部署AI工具，同时增强患者对AI的信任感。

本次研究采用了一次性横断面调查法，研究对象为500名美国成年人。受访者被要求就AI在心理健康护理中的应用潜在好处、顾虑及其个人价值观作出回应。结果显示，49.3%的受访者认为AI对心理健康有益，尤其是非裔美国人（Black participants）和健康素养较低的人群更倾向于认为AI有益。具体而言，非裔美国人和健康素养较低的受访者对AI的正面看法分别为1.76和2.16的优势比（odds ratio），而女性受访者对AI的支持度较低（优势比为0.68）。同时，81.6%的受访者认为在AI诊断心理健康问题时，医务人员应对错误结果负责。受访者还普遍关注AI的准确性、隐私风险及其对医患关系的影响。

研究指出，在未来的AI应用中，医务人员应与患者加强沟通，特别是在解释AI工具的准确性（accuracy）和其应用方式时，确保患者能够理解AI的工作原理，并与医生共同决策，从而维护医患关系。这对于在心理健康领域安全有效地使用AI至关重要。研究发表在 Journal of Medical Internet Research (JMIR) Mental Health 上。

科学与宗教信仰兼容性关联更高幸福感

来自伦敦布鲁内尔大学的心理学家 Michael E. Price 和牛津大学的 Dominic D. P. Johnson 领导的研究团队，调查了全球54个国家、超过55,000人的信仰兼容性对幸福感的影响。研究团队发现，认为科学与宗教兼容的人通常会拥有更高的生活满意度，这一发现挑战了传统认为科学与宗教不相容的观念。

研究通过一个覆盖54个国家、超过55,000名参与者的大型横断面调查，分析了宗教信仰与科学信仰的兼容性对幸福感的影响。参与者被分为不同信仰群体，包括无神论者、基督徒、穆斯林、佛教徒、印度教徒等，问卷涵盖了“更高计划”（higher plan，指认为生命由更高力量制定的计划）以及科学信仰等方面。研究结果表明，在西方国家，宗教信仰和科学信仰常常是对立的，而在非洲和亚洲地区，二者并无显著冲突。

研究发现，相信更高计划的人在心理健康和身体健康方面表现更好，尤其是在亚洲和北非地区，那些将科学与宗教视为兼容的个体，幸福感更高。相反，在北美和北欧，信仰兼容性较低，这也对应了这些地区的相对较低的幸福感水平。该研究结果表明，信仰系统的兼容性可能对心理健康和公共卫生有重要影响。该研究发表在 Religion, Brain & Behavior 上。

物理学和数学家们长期以来对人类社会中的意识形态动态感兴趣，试图通过物理系统的实验方法深入理解这一现象。研究团队利用物理代理系统探究了个性和记忆深度对意识形态极化的影响。

研究团队设计了一种物理代理系统，这些代理的意识形态由“旋转方向”（spin handedness）表示，通过其个性和记忆内容来决定意识形态的变化。每个代理有着不同的个性，包括顽固派、机会主义者、传统主义者等，他们根据对过去事件的不同解读作出决策。实验结果表明，记忆深度是意识形态极化的关键因素。当代理的记忆深度小于临界值时，群体无法形成完整的意识形态极化；而记忆深度超过临界值时，两极分化不可避免。这种现象与自发对称破缺有关，且个性不同的代理对极化的响应模式各异，有些表现为静态，有些则展现出混沌行为。这一实验模型为理解现代社会中的意识形态不稳定性提供了新的物理学视角。

最新研究由来自神经科学与现象学交叉领域的学者共同完成，他们结合数学方法，探索如何将主观的第一人称经验与大脑的客观神经活动联系起来。研究基于神经现象学的概念，最初由 Varela 提出，旨在通过整合质性与量化的数据来研究意识体验的本质。

论文采用贝叶斯推理框架，将主观经验的内容形式化为一种概率分布，代表对外部环境和自身状态的最佳猜测（belief）。这一信念会依据感觉数据动态更新，从而刻画主观体验的变化过程。研究运用了自由能原理和主动推理的理论工具，提出了多个可以在未来验证的研究假设，如量化不同人群之间的现象学差异以及主观时间体验的代谢成本。

论文还引入了“生成通道”的概念，即主观体验与大脑活动之间的互相约束关系，认为这些通道通过数学语言可以搭建，进一步为现象学的量化研究提供了新的思路。这种方法不仅有助于理解主观体验的动态变化，还为意识研究提供了一个定量的框架。

加州大学欧文分校的研究团队首次发现，视晶酸（ophthalmic acid）能够像多巴胺一样调节运动功能。这一发现不仅为帕金森氏症等运动障碍提供了新的治疗思路，还打破了60多年来关于多巴胺在运动控制中独占地位的传统认知。研究由Amal Alachkar教授领导。

研究团队使用帕金森氏症小鼠模型进行了广泛的代谢分析，确认了视晶酸在缺乏多巴胺的情况下能够激活运动功能。视晶酸通过结合并激活钙感受器（CaSR，calcium-sensing receptor），恢复了小鼠的运动能力，其效果持续时间远超L-DOPA（左旋多巴）。在L-DOPA的实验中，尽管多巴胺合成受到抑制，但小鼠的运动反应依然增强，这表明有其他代谢物在调节运动功能。代谢组学分析显示，视晶酸水平在实验过程中上升了20倍，直接注射视晶酸能够显著改善小鼠的运动障碍。更重要的是，研究发现阻断CaSR的激活会抑制视晶酸的正面效果，进一步证实了这一通路的作用。该研究为帕金森氏症等疾病的治疗带来了全新视角。研究发表在 Brain 上。

西奈山伊坎医学院的研究团队Angelica Torres-Berrio、 Eric J. Nestler等人发现了组蛋白H3的单甲基化修饰（H3K27me1）在小鼠大脑中与压力相关的长期表观遗传变化。这一发现为理解压力如何通过表观遗传途径影响精神疾病的发生提供了新视角。

研究团队通过对经历早期生活压力（ELS）或长期社会挫败压力（CSDS）的小鼠进行分析，发现伏隔核（NAc）中H3K27me1修饰显著富集。团队采用无偏蛋白质组学技术，结合CUT & RUN方法，识别出H3K27me1主要富集在与神经元兴奋性和神经递质传递相关的基因上。这些基因调控离子通道和突触受体功能，尤其在D1型中间棘状神经元中起重要作用。随后，研究人员通过操控SUZ12蛋白的VEFS结构域，进一步验证了这一修饰的作用。这种操控不仅增加了H3K27me1的富集，还导致了小鼠的行为和转录变化，包括社交回避和低动机等压力易感表现。研究首次揭示了H3K27me1在大脑中作为“染色质疤痕”影响压力易感性的机制。研究结果发表在 Neuron 期刊上。

威斯康星大学麦迪逊分校的研究团队通过人工智能模型，探讨了胶质母细胞瘤中性别差异的风险因素，特别是预测肿瘤侵袭性和患者生存时间的可能性。研究由Pallavi Tiwari教授及其团队领导。

该研究使用了超过250名胶质母细胞瘤患者的病理切片图像，利用ResNet18深度学习模型进行分析。研究团队首先对病理切片的肿瘤区域进行分割，接着构建了性别特定的预后模型。模型识别了与侵袭性肿瘤相关的特定特征，例如女性患者的肿瘤更倾向于向健康组织扩散，而男性患者则与栅栏样细胞（pseudopalisading cells，一种围绕坏死组织的细胞）密切相关。模型的预测效果通过C-index（0.696到0.738）进行评估，显示了其在性别相关风险评估中的潜力。该研究为未来个性化治疗提供了新思路。研究发表在 Science Advances 上。

CRISPR筛查揭示葡萄糖转运蛋白抑制有助于老年大脑神经元再生

斯坦福大学医学院的研究团队，由Anne Brunet教授带领，探索了为什么随着年龄增长，大脑中的神经干细胞（neural stem cells）逐渐失去生成新神经元的能力。此现象与阿尔茨海默病、帕金森病等神经退行性疾病的发病机制密切相关。

研究团队采用了CRISPR–Cas9平台进行全基因组筛查，针对老年小鼠的神经干细胞，找到超过300个可以激活老年神经干细胞的基因。其中，GLUT4（Slc2a4基因）的敲除引起了研究人员的特别关注。实验表明，GLUT4基因的敲除可以显著增加新神经元的生成，在体内实验中，老年小鼠的神经元生成量增加了两倍。研究还发现，老年神经干细胞中的葡萄糖摄取量增加，而短暂的葡萄糖饥饿能够恢复它们的活性。这一发现不仅为开发药物或基因疗法提供了新的思路，还可能通过调整饮食，例如低碳水化合物饮食，来激活老年大脑中的神经干细胞。此外，研究还发现了与纤毛结构相关的基因与神经干细胞功能之间的联系，这进一步验证了研究方法的有效性。该研究发表在 Nature 期刊。

阿尔茨海默病患者的大脑萎缩模式因个体差异显著

由伦敦大学学院和荷兰拉德堡德大学的研究团队合作进行，此次研究分析了阿尔茨海默病（AD）和轻度认知障碍（MCI）患者的大脑萎缩模式。主导研究的是UCL的Jonathan Schott教授，他表示了解阿尔茨海默病患者之间的差异对设计临床试验和个性化治疗具有重要意义。

该研究采用了一种神经解剖规范建模的新方法，利用健康人群的大脑模型作为对照，分析了阿尔茨海默病（AD）和轻度认知障碍（MCI）患者的脑部变化。研究通过对来自1181名患者的3233次T1加权MRI扫描数据进行处理，标记出大脑异常区域（outliers）。研究发现，AD患者的异常区域数目随时间增加，从研究开始时的15-20个，三年后增加至约30个。而MCI患者则从5-10个增加至2-3个不等。更重要的是，脑部异常区域的数量越多，患者的记忆表现越差。研究还显示，MCI患者每年增加的异常区域数量与其未来患上AD的风险密切相关。研究发表在The Journal of the Alzheimer’s Association

神经外科患者成像首次揭示大脑的废物清除途径

该研究由俄勒冈健康与科学大学的Erin Yamamoto, M.D. 和 Juan Piantino, M.D. 领导，揭示了大脑中胶质淋巴系统（glymphatic system）通道的存在。此前，这一系统仅在啮齿动物中通过成像技术观察到，其作用被认为是清除代谢废物，如阿尔茨海默病患者大脑中发现的淀粉样蛋白和tau蛋白。该研究在人类中首次证实了这一网络的存在，并为未来的药物开发和生活方式干预措施提供了科学依据。

研究对象为五名接受脑部肿瘤切除手术的患者，研究团队通过术中引流使用的对比剂，结合增强型磁共振成像（MRI）技术，记录了脑脊液沿周围血管间隙流动的影像。结果显示，脑脊液通过这些清晰定义的通道进入脑实质，证实了胶质淋巴系统在人类中的存在。此外，研究还表明该系统对代谢废物的清除作用尤为关键，尤其是在深度睡眠时，脑脊液流动更加高效。这一发现为当前关于睡眠、药物和生活方式对脑健康的研究提供了实证依据，支持了通过改善睡眠质量促进脑废物清除的生活方式干预措施。该研究发表在 PNAS 上。

上海交通大学跨媒体语言智能实验室（X-LANCE）吴梦玥团队与德克萨斯大学阿灵顿分校、天桥脑科学研究院（TCCI）及ThetaAI公司联合开发了一种基于大模型的智能对话系统——智能体心理诊所（Agent Mental Clinic, AMC），用于抑郁症的初步诊断。该系统可以模拟精神科医生和潜在患者的问诊对话，并为医生提供下一步诊疗建议，旨在缓解心理健康资源不足的挑战。

世界卫生组织（WHO）数据显示，全球有约2.46亿人患有抑郁症，但心理健康资源分配不均，尤其在中低收入国家，患者难以及时获得治疗。AMC通过三层记忆存储结构和创新的记忆检索机制来提高问诊效率和准确性，为精神科医生提供更精准的诊断支持。系统中的患者和医生均可由真人或大模型扮演，指导员插件则对诊断结果进行比较，优化医生的诊疗策略。AMC不仅有助于抑郁症初筛，还可以用于培训实习医生，提升他们的诊断技能。相关研究已在arXiv上发表。

微泡结合超声技术：为大脑药物递送开辟新路径

大脑的血脑屏障（BBB）是保护中枢神经系统的天然屏障，但它也限制了许多治疗药物的递送。为了解决这一难题，乔治亚理工学院的生物医学工程师Costas Arvanitis教授领导的国际研究团队，联合加州大学旧金山分校、斯坦福大学和爱丁堡大学的研究人员，探索了利用微泡（microbubbles）和超声技术暂时打开血脑屏障的新方法。

研究采用微泡增强的超声技术，通过特定的高频声波使微泡在脑毛细血管内发生共振，产生局部机械应力，暂时打开血脑屏障的微小开口，从而允许药物或免疫细胞进入大脑。研究人员首先利用数学模型模拟微泡在脑血管中的动力学，确定能够增强微泡运动的共振频率，随后在小鼠实验中验证了这些频率对药物递送效果的影响。结果显示，使用弹性外壳（脂质基）的微泡可以将药物递送效率提高12倍。

此外，研究还发现较高的超声频率可以增加血脑屏障的通透性，但也伴随炎症标志物的表达增加，这对神经退行性疾病的治疗提出了潜在风险。为了降低炎症，研究建议使用较低的超声频率来优化治疗效果。研究还揭示了微泡共振对脑内免疫反应的调控作用，增加了大脑肿瘤中细胞毒性T细胞的积累。这些发现不仅为治疗脑部疾病提供了新方法，也为超声增强诊断技术，如超声增强活检，开辟了新的可能性。研究发表在 Nature Communications 上。

近年来，青少年屏幕使用的增加引发了人们对其心理健康的担忧。青少年罹患重度抑郁症的概率比20年前高出50%，自杀风险高出30%。为进一步探究屏幕使用对儿童心理健康的影响，加州大学旧金山分校Benioff儿童医院青少年和年轻成人医学部Jason Nagata博士及其团队开展了一项长达两年的研究，分析了来自美国的9,538名多样化青少年的数据。

该研究依托青少年大脑认知发展研究（ABCD Study）的数据，使用混合效应模型分析了9-10岁青少年（2016-2018年基线）的屏幕时间与心理健康症状之间的关联。这些症状包括抑郁症状（情绪低落）、行为问题（不服从规则）、身体症状（非特异性身体不适）和注意力缺陷多动症。研究控制了年龄、性别、种族、家庭收入、家长教育水平及研究地点的影响后发现，更多的屏幕时间与更高的抑郁症状相关性最强。此外，视频聊天、短信、观看视频和电子游戏是与抑郁症状关联最大的屏幕活动。研究还表明，不同种族青少年在屏幕使用对心理健康的影响上存在显著差异，其中白人青少年与抑郁、多动和对立反抗症状的关联更为明显。研究发表在 BMC Public Health 上。

认知行为疗法应用显著降低高风险青少年抑郁症状

随着全球范围内青少年焦虑和抑郁症状不断上升，迫切需要有效且可扩展的预防干预措施。埃克塞特大学（University of Exeter）领导了一项大规模国际研究，测试了一款基于认知行为疗法（CBT）的自助应用程序。该研究由Ed Watkins教授带领。

研究采用多中心平行开放标签随机对照设计，招募了来自英国、德国、西班牙和比利时的16-22岁年轻人，共1262名参与者。参与者根据基线情绪能力分为三个试验组，分别使用个性化情绪能力自助应用、CBT自助应用或情绪自我监测应用。在3个月时，CBT应用显著降低了高风险组的抑郁症状（PHQ-9评分降低1.18分）。尽管情绪能力应用与CBT应用间无显著差异，但研究结果表明，CBT应用具有作为公共心理健康干预手段的潜力，其可扩展性和成本效益为预防抑郁症提供了新的可能性。论文发表在 Lancet Digital Health 上。

内感受与情绪调节的关联：抑郁和焦虑的独特机制

内感受和情绪调节障碍在情绪失调中扮演重要角色。孤独症也与这些障碍相关联。本研究由大脑研究院的研究人员进行，通过两组非临床样本的测试，探讨情绪调节是否在内感受/孤独症与共病抑郁/焦虑症状之间起到中介作用。

研究人员在两个独立的样本中测量了参与者的内感受（MAIA）、孤独症（TAS-20）、情绪调节障碍（DERS）、抑郁（BDI-II）和焦虑（STAI）情况。结果显示，情绪调节障碍在内感受与抑郁症状之间起到了中介作用，并且对焦虑症状也有类似影响。然而，在控制共病影响后，焦虑症状更能解释内在感知的问题，而抑郁症状则更能解释孤独症与情绪调节的关系。

这些发现对理解抑郁和焦虑症状的高共病性具有重要意义，同时为每种情绪失调提供了独特的治疗目标。未来研究应在临床样本中进行，并使用纵向数据进一步探讨这些关系的方向性。研究发表在 Current Psychology 上。

长期以来，科学家们知道减少卡路里摄入能够延长实验动物的寿命，但具体机制一直存疑。来自Jackson实验室的Gary Churchill及其团队，与加州生命科学公司的科学家合作，开展了一项大规模研究，研究了接近1000只实验鼠，挑战了传统的代谢调节理论。这项研究的结果在科学界引发了新的思考。

研究使用了960只遗传背景不同的实验鼠，以模拟人类的基因多样性。实验鼠被分成多个组别，其中一组接受了40%的卡路里限制，另一组进行间歇性禁食，还有一些鼠自由进食。研究表明，最严格的卡路里限制组别显示了最长的寿命延长，而其他组别也有不同程度的寿命提升。此外，实验鼠在限制卡路里摄入后体重减轻和代谢变化，如体脂减少和血糖水平下降，但这些代谢变化并未直接导致寿命延长。研究人员发现，关键因素是免疫系统的健康状况、红细胞功能和遗传抗压能力，这些决定了实验鼠能否应对卡路里限制带来的压力并延长寿命。研究结果挑战了简单的“减肥延长寿命”假说，为未来人类研究提供了新的视角。研究发表在 Nature 上。

杜克—新加坡国立大学医学院和加州大学圣克鲁兹分校的研究人员，主导了这项揭示酪蛋白激酶1δ（CK1δ）自我调节机制的研究，该研究突破了近30年来对CK1δ的调控机制的认知。

研究人员利用核磁共振和氢/氘交换质谱等高分辨率技术，深入解析了CK1δ尾部的磷酸化调控机制。研究发现CK1δ的δ1变体尾部与激酶主体有更多的相互作用，这种自抑制效应使其对生物钟的调节更为显著。而δ2则表现出较低的调控效能。

具体而言，研究揭示了δ1尾部的三个关键磷酸化位点，它们对CK1δ的活性起着决定性作用。当这些磷酸化位点被移除或突变时，δ1的活性显著提高，导致昼夜节律的变化。这一发现不仅深化了对CK1δ在生物钟调节中的作用的理解，还为其他重要生物过程（如细胞分裂、癌症发展和某些神经退行性疾病）的研究提供了新的方向。未来研究将进一步探索环境因素如何影响CK1δ的磷酸化，从而为处理节律紊乱提供更具针对性的策略。研究发表在 PNAS 上。

抑郁症是一种影响全球约4%人口的重大心理健康问题，但检测手段较为有限。斯蒂文斯理工学院的Sang Won Bae教授与博士生Rahul Islam合作，开发了两款基于人工智能的智能手机应用——PupilSense和FacePsy。这些系统旨在通过非侵入性方式，利用手机快照和面部表情分析帮助检测抑郁情绪。

PupilSense通过智能手机拍摄用户瞳孔照片，结合AI分析瞳孔直径与情绪变化的关联。在一项为期四周的测试中，系统在25位参与者的16,000次手机交互中，成功检测出76%的抑郁状态。另一系统FacePsy则通过捕捉用户开机时的面部表情和头部动作，分析这些非语言信号与自我报告的抑郁情绪之间的关联。研究发现，笑容增加可能并不代表快乐，反而与抑郁有关，或许是人们在压抑情绪时的应对机制。研究还发现，早晨时头部侧向移动与抑郁症状强相关，眼睛睁得较大也可能暗示抑郁情绪。FacePsy系统在预测参与者的PHQ-9抑郁评分时，取得了中等精度（平均绝对误差3.08），为移动端抑郁症检测提供了新的可能。研究发表在 Proceedings of the ACM on Human-Computer Interaction 上。

宾夕法尼亚州立大学的研究团队开发了一种电子舌，通过与人工智能相结合，能够识别出相似液体之间的微小差异，如不同水分含量的牛奶和变质的果汁等。这项技术为食品安全检测、食品生产和医疗诊断提供了新的工具。

研究团队使用基于石墨烯的离子敏感场效应晶体管（ISFET），这是一种能检测化学离子的导电设备，并与人工神经网络（ANN）结合，通过对非功能化传感器收集的数据进行处理，达到了超过80%的检测准确率。在进一步的实验中，研究人员允许神经网络自行选择评估参数，这使得检测准确率提高至95%。为了理解AI的决策过程，团队采用了Shapley加法解释法，通过数据权重的分配逆向推导出AI的判断依据。结果表明，这种结合AI和ISFET技术的系统能够精确识别食物的微小差异，并有效应对食品安全问题。研究发表在 Nature 上。

神经网络在学习新任务时，常常会出现“灾难性遗忘”，即学习新任务时丢失旧任务的知识。相比之下，生物大脑具有更强的灵活性。为了解决这一问题，加州理工学院的Matt Thomson教授和他的团队开发了一种名为功能不变路径（Functionally Invariant Path, FIP）的新算法。

研究团队采用微分几何框架，将神经网络的权重空间视为具有度量张量的曲率黎曼流形，能够实现灵活的网络更新和知识保持。FIP算法通过在权重空间内寻找满足不同目标的路径，实现了多种机器学习任务的兼容性，如提高对抗鲁棒性、持续学习和稀疏化能力。实验表明，FIP算法在对大型语言模型、视觉转换器、卷积神经网络等应用中的性能达到了最先进水平。此外，该算法还能在较低的计算成本下，实现对神经网络的灵活适应，具有广泛的应用潜力。研究发表在 Nature Machine Intelligence 上。

基于神经连接图谱预测果蝇视觉系统功能的新突破

果蝇视觉系统的复杂性长期吸引了神经科学家们的关注。过去几十年来，尽管果蝇视觉系统的神经元结构被广泛研究，尤其是视叶（optic lobe）中的Dm3神经元的结构已经被清晰定义，但其功能仍未被完全了解。此次，来自普林斯顿大学的研究团队，通过利用连接组学技术，预测这些神经元的功能，进一步揭示了它们在果蝇视觉中的作用，特别是在形状视觉处理中的潜在功能。这项研究展示了神经网络与果蝇视觉系统之间的类比，揭示了视觉系统的复杂连接模式。

该研究通过将果蝇视觉系统中的神经元连接图谱与人工智能中的卷积神经网络进行比较，推测Dm3和TmY细胞在果蝇形状视觉中的作用。研究人员分析了Tm1和Dm3、Tm1和TmY之间的连接模式，提出这些细胞的连接可以类比为卷积核，用于检测视觉刺激的局部方向。尤其是TmY细胞的感受野（ERFs）被预测为由复杂的兴奋性和抑制性通路重叠形成，类似于哺乳动物V1视觉皮层中被称为“共线促进”的现象，即当刺激位于感受野末端时，可以增强对感受野内刺激的响应。

这一预测还提出，TmY和Dm3细胞可能通过复杂的多突触通路来调控果蝇的视觉感知，尤其是在处理噪声、虚幻轮廓和方向选择性时具有重要作用。研究还表明，这些神经元可能形成更复杂的特征检测机制，类似于CNN中的高级特征检测器。在此基础上，该研究进一步推测，这些神经连接的复杂性受限于神经连接组，这为未来通过遗传工具操控神经元功能提供了新机会。此外，研究中还提到，类似的“线状无长突细胞”（line amacrine cells）在多种昆虫中都有发现，特别是蜜蜂，这为未来对比果蝇和蜜蜂视觉系统的研究提供了基础。研究发表在 Nature 上。

新型非线性动态模型揭示神经活动与行为的复杂关系

神经科学研究的重要目标之一是理解并建模神经元群体的动态活动如何引发特定的行为。加州大学南加州分校的Omid G. Sani、宾夕法尼亚大学的Bijan Pesaran和Maryam M. Shanechi带领的团队，提出了一个基于递归神经网络（RNN）的新型非线性动态建模框架，以解决传统线性模型在神经活动复杂性上的局限性。

该团队开发的模型名为“动态优先分析”（DPAD），通过多层神经网络结构和四步优化算法，重点学习与行为相关的神经动态，并同时解析剩余的神经动态。为了验证该模型的有效性，研究团队应用DPAD分析了灵长类动物在四种运动任务中的神经元尖峰放电和局部场电位的数据。结果表明，DPAD能够更准确地预测神经与行为的关系，并揭示了局部场电位中的非线性变化，这些变化比传统的功率特征更能预测行为。此外，DPAD还实现了非线性的神经降维，能够对神经行为转化中的非线性进行假设检验。在连续、间歇采样和分类行为数据的不同情况下，DPAD均展现了其强大的建模能力。研究发表在 Nature Neuroscience 上。

哥伦比亚大学、纽约大学等研究机构的Eric H. Pollmann、Heyu Yin等研究人员合作开发了一种新型光学设备，该设备旨在克服现有神经技术的体积大、不适用于人类的局限性。通过这一研究，团队希望为神经科学家提供更加精准且非侵入式的工具，助力大脑活动的深入研究。

研究团队开发了一种超薄的互补金属氧化物半导体（CMOS）光学设备，厚度小于200微米，能够植入灵长类动物大脑的硬脑膜与蛛网膜之间。这一设备结合了荧光成像技术和光遗传刺激，能够高精度记录大脑神经元活动并对其进行光学刺激。研究人员首先在小鼠模型上进行了测试，成功捕捉到大脑成像并进行了神经刺激。接着，他们在非人灵长类动物的运动皮层进行了实验，利用该设备成功解码了动物的运动速度。研究表明，该设备在非侵入性监控和调节大脑活动方面具有广阔的应用前景，尤其是在脑科学和神经技术的前沿研究中。研究发表在 Nature Electronics 上。

近日，一项突破性研究为脑机接口领域带来了全新的解码方法。这项研究提出了一种基于超维计算（Hyperdimensional Computing）的解码算法，旨在克服当前BMI解码中的计算复杂性问题。

传统BMI解码依赖数学模型和计算机进行复杂的运算，然而，计算机的尺寸和能耗使其难以用于植入式系统。为解决这一难题，研究人员借鉴超维计算的思想，通过分析每个神经元的正常发放率分布，比较输入刺激下的发放模式与之前记录的模式，最终输出最相似的结果。这种方法显著减少了对传统数学模型的依赖。

实验利用了两只雄性恒河猴的额叶眼动区（Frontal Eye Field, FEF）神经数据进行验证，解码八个可能的输出角度，结果显示准确率达51.5%，且计算复杂性极低，仅使用了2050个加法器。

此外，该算法已在现场可编程门阵列（FPGA）和标准CMOS 180nm工艺的ASIC设计中成功实现。其硬件占用面积为2.2 mm²，功耗仅9.32 µW，极具实时性和硬件友好性，显示了其在植入式BMI应用中的巨大潜力。

新型脑图谱技术START为精准神经治疗带来突破

Salk研究所的Edward Callaway教授带领的团队开发了一项新型的神经技术，名为“单细胞转录组辅助狂犬病追踪”（START）。这一技术结合了单突触狂犬病毒追踪和单细胞RNA测序，旨在揭示抑制性神经元的精细连接模式。Callaway教授指出，这一技术将帮助科学家们更好地理解大脑的各个组成部分，并为治疗神经和神经精神疾病提供新的方向。

研究团队利用START技术对小鼠视觉皮层（V1）中的兴奋性神经元和抑制性神经元进行深入分析。通过单突触狂犬病毒追踪，科学家们能够精确识别兴奋性神经元从哪些抑制性神经元接收输入。结果显示，抑制性神经元中Sst、Pvalb、Vip和Lamp5等亚型分别与大脑皮层不同层的兴奋性神经元建立了选择性连接。这一发现打破了过去将所有抑制性神经元视为同质性群体的传统观念，为大脑局部神经回路的深入理解铺平了道路。研究表明，这些连接模式在不同的神经元亚型中具有重要功能，可能与大脑的特殊功能，如睡眠调节、知觉和情绪调节相关。这项技术有望推动针对孤独症、阿尔茨海默病等神经疾病的创新疗法。研究发表在 Neuron 上。

洛桑联邦理工学院教授Alexander Mathis领导的团队与日内瓦大学的Alexandre Pouget团队合作，成功开发了一种AI模型，能够精确模拟人类手部运动。该研究为理解大脑与肌肉之间复杂互动提供了新的见解，并在神经假肢领域具有广泛应用前景。这项研究得到了Meta公司NeurIPS MyoChallenge的挑战激励，并发表在 Neuron 期刊上。

研究团队采用了课程化强化学习（curriculum learning）的方法，通过训练递归神经网络，控制一个由39块肌肉组成的仿真手部模型，成功完成了旋转两颗保定球的任务。该模型在任务中展示了卓越的表现，并揭示了肌肉协同运动的关键。研究发现，模型能够自动识别并运用低维度的运动模式，这与实验中的人类数据一致。然而，研究也表明这些模式在不同任务之间的通用性较差，任务表现需要更多维度的控制。通过对控制信号的深入分析，研究揭示了比传统协同理论更复杂的运动控制机制。这项研究不仅推动了神经科学与生物医学工程领域的进展，还为未来神经假肢的发展奠定了科学基础。

加州大学洛杉矶分校的研究团队开发了SLIViT，这是一种能够快速自动分析和诊断MRI等3D医学影像的深度学习框架。研究由Oren Avram博士、Berkin Durmus博士和SriniVas R. Sadda博士等人领导，团队隶属于UCLA的Henry Samueli工程学院和多个医学部门。

SLIViT通过将3D影像数据预处理为2D图像，并提取其特征图来进行整合预测，从而克服了传统3D影像模型依赖大量标注数据的局限性。研究人员在四种影像模式（包括CT、MRI、光学相干断层扫描和超声波）下对SLIViT进行测试，涵盖六个不同数据集，并评估了其在八项任务中的表现。结果显示，SLIViT在所有任务中均优于领域内的顶尖模型，且其诊断精度与专家人工标注的结果相当。SLIViT不仅显著减少了数据采集和标注所需的时间，还能够在少量训练数据下表现优异，使其在实际临床应用中具有巨大潜力。未来，研究团队还计划扩展SLIViT的适用范围，并研究其在疾病预测和早期诊断中的潜力。研究发表在 Nature Biomedical Engineering 上。

康涅狄格大学医学院 Antic 实验室的神经科学家 Katarina Milicevic 和 Violetta Ivanova 领导的团队致力于研究阿尔茨海默病对神经信号的影响。他们探讨了常用的光学钙成像法（Calcium Imaging）是否存在高估神经元活动的问题。该方法通过观察钙离子波动来测量神经元的信号传递，广泛应用于神经科学研究中。

研究团队通过将电极插入个别神经元，实时记录电信号，同时使用光学方法记录钙信号，发现光学信号有时出现比实际神经信号频率更高的情况。这是因为在一些情况下，钙离子的微弱波动（次阈值去极化波）虽然无法引发完整的神经冲动，但足以让光学染料发出闪光。这种情况在数据中表现为“去极化平台”，这些平台信号与动作电位结合时，会使光学信号的亮度增强，误导观测结果，导致看似多次神经冲动发生。

团队还发现，即使没有动作电位，仅有持续时间超过200毫秒、振幅超过10mV的去极化平台也能够触发显著的光学信号。因此，钙成像中的瞬变不应简单地与神经元动作电位等同，而应进一步研究其背后的机制。该研究为未来在神经信号监测中的光学方法应用提出了新的挑战，促使科学家重新审视该方法的可靠性。研究发表在 Scientific Reports 上。

磁控基因疗法精准调控脑回路，无需植入设备

威尔康奈尔医学院、洛克菲勒大学和西奈山伊坎医学院的研究人员开发了一种新型磁控基因疗法，能够在不植入设备的情况下，通过磁场精准调控特定脑回路。这项技术有望在神经和精神疾病的治疗中发挥重要作用。

研究团队采用一种基因治疗技术，将工程化的离子通道蛋白导入目标神经元。这种蛋白与铁蛋白结合，对磁场敏感，当磁场施加在这些区域时，能够开启或关闭神经元的活动。实验在小鼠的纹状体中注入这种基因治疗，利用磁共振成像（MRI）设备成功控制了小鼠的运动行为，使其动作明显减慢甚至冻结。同时，在帕金森病模型小鼠的丘脑底核中引入氯离子通道，成功降低了c-fos表达，改善了异常运动表现。

此外，研究还验证了经颅磁刺激（TMS）设备的效果。研究过程中未发现安全问题，并确认环境中的普通磁场不足以意外激活该系统。该技术有望用于治疗抑郁症、慢性疼痛等多种神经和精神疾病，并为探索脑回路调控的基础原理提供新工具。研究发表在 Science Advances 上。

大脑的视觉皮层负责处理视觉信息，而神经回路的优化需要通过修剪多余的突触来实现。这种修剪过程由少突胶质前体细胞（OPCs）完成。冷泉港实验室的Lucas Cheadle及其团队长期研究这些神秘的细胞，他们在2022年首次发现OPCs不仅仅是用来生成少突胶质细胞，还承担着修剪突触的任务。本次研究中，研究团队开发了新技术来深入了解OPCs在大脑健康及神经疾病中的作用。

研究团队采用了一种双管齐下的方法来量化OPCs对突触的修剪。第一种方法利用腺相关病毒（AAV）标记神经元突触，通过荧光信号区分突触位于吞噬溶酶体内外的状态，结合对OPCs的免疫染色，精确分析30-50个OPCs的突触吞噬情况。第二种方法则从解离的脑组织中分离出OPCs，使用荧光抗体标记突触前蛋白，并通过流式细胞术对数万个OPCs进行分析。这两种方法大大提高了突触修剪的检测精度，并可应用于其他胶质细胞的研究。研究结果显示，OPCs在修剪突触时不仅是被动的，而是有选择地吞噬特定的突触。研究团队还发现，这些细胞可能在脑癌和阿尔茨海默病等疾病中起到重要作用。本次研究发表在 Nature Protocols 上。

英国萨里大学的Dr. Roman Bauer团队开发了一种新型的计算机模拟技术，模拟大脑如何生长神经元。这项研究有助于深入了解大脑的工作机制，并可能为神经退行性疾病如阿尔茨海默病和帕金森病的治疗提供新思路。研究基于BioDynaMo软件开发，该软件支持多维度的基于代理的模拟。

团队采用了近似贝叶斯计算技术，对基于代理的模型（ABMs）进行校准，使模型能够准确反映真实神经元的生长和连接过程。通过对海马体中的锥体细胞的模拟，该方法展示了其在细节上模拟神经元发育的潜力。研究过程中使用了Sequential Monte Carlo采样法和Wasserstein距离来评估模型的参数精度。这些模型不仅在模拟真实数据时表现出色，还能捕捉到海马体CA1区锥体细胞的特定特征。

研究结果表明，随着人工智能技术的快速发展，利用该模拟系统或将为大脑疾病的治疗提供更多可能的干预手段。然而，模拟的准确性仍然依赖于输入数据的质量，对于不同类型的神经元或大脑区域，模型可能需要进一步调整。研究发表在 Journal of Mathematical Biology 上。

脊髓损伤（SCI）不仅会引起行动障碍，还会导致严重的神经性疼痛。现有的药物和非药物治疗方法效果有限，因此有必要探索新的治疗手段。新南威尔士大学（UNSW）科学学院和澳大利亚神经科学研究所（NeuRA）的Sylvia Gustin教授和Negin Hesam-Shariati博士领导的研究团队开发了PainWaive系统，该系统包含脑电图（EEG）头戴设备和互动游戏，用于测量和调节异常的大脑活动。

PainWaive系统利用脑电图（EEG）神经反馈技术帮助患者管理疼痛。系统通过轻便的EEG头戴设备记录大脑电活动，并在平板电脑应用中为用户提供实时反馈，用户可以通过互动游戏调节大脑状态，从而减轻神经性疼痛。研究团队设计了四种互动游戏，例如一个火箭游戏，当用户的脑电波达到理想状态时，火箭就会升空。这一过程帮助大脑通过神经反馈重新组织神经通路，逐渐学会在日常生活中调节疼痛。PainWaive的试点研究已完成，StoPain随机对照试验将于2025年启动，参与者将在四周内完成20次疗程。研究旨在进一步验证EEG神经反馈的镇痛效果，并为神经性疼痛患者提供一种非侵入性、家庭可实施的治疗选择。研究发表在 Spinal Cord 上。

由美国布莱根妇女医院和瑞士iPrint研究所组成的研究团队，成功开发了一种使用人类运动神经元和心肌细胞制成的微型游泳机器人。科罗拉多大学博尔德分校的机械工程师Nicole Xu在同一期刊上发表了一篇文章，讨论了利用动物组织开发仿生机器人的前沿进展。

机器人采用了来自人类多能干细胞培养的运动神经元和心肌细胞，这些心肌细胞在仿射的鳐鱼鳍形支架上生长，形成了与运动神经元的电突触连接。部分运动神经元连接到一个电子处理器上，充当机器人的“大脑”，通过内置的Wi-Fi电路，将人类操控信号传递至机器人的左右鳍。

研究团队通过这种方式，成功实现了对机器人的精确控制，使其能够做出急转弯等复杂动作，并以最高0.52 ± 0.22毫米每秒的速度游动。这种仿生学研究代表了电子技术与生物学交叉应用的前沿，展示了生物混合机器人在医疗、工程等领域的潜力。这项研究发表在Science Robotics 期刊上。

生物发光光遗传学提供非侵入性神经调控新方法

罗彻斯特大学的研究团队，由 Manuel Gomez-Ramirez 教授领导，开发了一种基于生物发光的光遗传学（BL-OG）方法。研究展示了一种无需植入设备的神经元激活新技术，有望替代传统的深部脑刺激手段用于帕金森病等神经疾病的治疗。

研究团队通过在小鼠大脑特定区域引入 BL-OG，并通过尾静脉注射化学物质荧光素（h-CTZ），激活大脑中的神经元。生物发光反应迅速发生，通常在不到 60 秒内产生光信号，且光的强度随着荧光素剂量的增加而增强。即使注射速度较慢，发光反应依然表现出高度一致性。研究进一步表明，生物发光强度与神经元活动高度相关，揭示了 BL-OG 方法作为一种可控的、非侵入性大脑神经调控技术的巨大潜力。研究发表在 NeuroImage 期刊上，

PCR（聚合酶链式反应）技术自1980年代发明以来，广泛应用于医学诊断、法医检测等领域。随着样本量的增加和检测精度的提升，如何在面对降解样本的情况下提高检测效率成为了重要课题。弗林德斯大学的研究团队，包括Forensic Science SA的Duncan Taylor博士和AI科学家Russell Brinkworth副教授，致力于利用人工智能技术，优化PCR系统，解决这些难题。

该研究的核心是通过机器学习技术，开发了一个智能PCR系统。传统的PCR系统通常使用统一的循环参数，而智能PCR系统则可以根据样本的实时反馈进行个性化调整，从而优化检测结果。研究团队使用开源qPCR仪器，建立了一个实时反馈系统，能够监控PCR的进程，并动态调整循环条件。实验表明，通过改变PCR的变性和退火阶段的时间与温度，智能PCR系统可以减少30分钟的运行时间，同时保证DNA扩增质量不受影响。该系统不仅可以在法医生物学中提升对降解样本的处理能力，还能够广泛应用于医学诊断、环境监测等领域，显著提高PCR检测的效率和准确性。相关研究成果已发表在Genes期刊。

近年来，机器人技术在执行家务、快递包裹、目标搜索等实际任务方面取得了显著进展。为了推动不同机器人之间的技能快速转移，加州大学伯克利分校的研究团队提出了一种名为RoVi-Aug的新型计算框架。研究团队包括伯克利人工智能研究院（BAIR）的 Lawrence Chen 和 Chenfeng Xu，他们专注于解决机器人学习中的泛化问题。

RoVi-Aug算法旨在解决现有机器人数据集中的不平衡问题，这些数据集中某些机器人的演示数据和视角占据主导地位，导致模型泛化能力不足。该算法使用先进的扩散模型对图像数据进行增强，通过生成不同机器人的合成任务演示图像，从而扩展数据集的多样性。RoVi-Aug框架包含两个主要模块：机器人增强模块（Ro-Aug）和视角增强模块（Vi-Aug）。Ro-Aug通过对机器人进行分割和替换，生成新的机器人演示数据；Vi-Aug则利用最新的视角合成模型ZeroNVS，生成场景的不同视角，从而提高模型对多种相机视角的适应能力。

实验结果显示，通过对增强后的数据进行训练，RoVi-Aug能够实现新机器人在完全不同视角下的零样本部署，并且与此前的Mirage算法相比无需在测试时进行额外处理，也不需要预设的相机参数。此外，RoVi-Aug还能支持策略的微调，与原始数据集联合训练，成功率提高了30%。研究团队目前正与丰田研究院（Toyota Research Labs）等机构合作，计划将该算法应用到现有的机器人数据集上，以进一步提高多任务策略的灵活性和鲁棒性。

为了提高盲人和视力障碍者的生活质量，密歇根大学的研究团队开发了一款名为WorldScribe的软件，能够实时提供环境的视觉描述。这项研究的负责人包括计算机科学和工程系的Anhong Guo教授，并得到了密歇根大学创新合作伙伴的支持，目前正在申请专利保护。

WorldScribe通过结合视觉、语言和声音识别技术，构建了一个实时描述生成流程。工具能够根据用户的需求和环境状况进行自适应调整，包括在噪音环境中自动调节音量、针对稳定或动态的视觉场景生成不同级别的描述等。描述生成流程基于三种AI模型的配合：YOLO World用于快速生成简短描述，Moondream提供中等详尽程度的描述，GPT-4负责生成复杂的细节说明。实验中，研究人员让盲人参与者佩戴连接智能手机的头戴设备，测试表明WorldScribe能够实时生成准确的物体描述，帮助用户更好地理解环境。用户研究还揭示了一些限制，如某些小物体检测的困难。此外，参与者建议未来可以将该工具集成到智能眼镜或其他可穿戴设备中，以提升日常使用的便利性。