Comments on: introduction to neuroimage原创-灌水-无图

By: Mu

Mu — Fri, 08 Apr 2011 18:38:50 +0000

很早以前我被老板忽悠去做EEG/BCI，3年坐下来发现EEG的表征能力真的是有限。基本全是噪音，好不容易各种调参出来点东西还真不知道是over-filtering还是大脑什么犄角旮旯里的yy信号。

BCI是可以做很炫的demo，意识控制之类的名词。以前solidot，煎蛋经常转载各种报道。不过也是仅限demo而已。BCI做得最好的德国柏林工大的人也承认，目前也就左右手想象之类比较有用，而且只有部分人的EEG能够被识别。

水深，能work的10年前就能work，别的大牛们都发现不怎么work。所以大家慎跳。

By: danceyoung

danceyoung — Thu, 20 Jan 2011 15:37:07 +0000

@raodu
computational model的一个好处是可以使劲想，大家都各自挖自己的坑，然后祈祷以后能在电生理或者是其他强证据的领域找出各种符合自己理论的东西。不过computational model搞大规模网络，并且分析网络特性的基本上都是搞数学的……..那个难度比较高，我还玩不来……..我先从V1开始玩起…….
neuroscience的人分很多票…….一般而言那些做到比较底层的（cell这个尺度的人）会认为自己是正统neuroscience，尺度越往上尤其是到brain这个尺度，想用fMRI来研究心理学残留下来的生理证据时，发好文章就很难。人家做到cell那个尺度的…..最低要求发journal of neuroscience…….要不然老板不署名，一般用fMRI做的…..除非是非常牛的地方…..才能向journal of neuroscience或者brain等10分左右的一阵投……sigh……..当然不排除有人照样拿着fMRI做出来的东西继续在nature science上灌水……只不过这水深就另当别论了…..

By: raodu

raodu — Mon, 17 Jan 2011 18:37:37 +0000

@Anonymous 就我目前的认识而言，我觉得Computational Neuroscience对Neuroscience而言是一个非常有力的工具，其实也挺具体的。以一篇印象很深的论文为例。"Ｗeak pairwise correlations imply strongly correlated network states in a neural population", Nat. vol 44, 2006。之前的研究发现神经元的pairwise correlations较弱，于是假设相互独立来建立计算建模，但作者将这个模型推广到大量神经时发现预测与实际结果的偏差很大。后来发现正是由weak pairwise correlations所导致，并用Ising模型从计算的角度证实和描述了weak pairwise correlations－>strongly correlated network的重要发现。如果没有Computational Neuroscience的手段，很难得到论文的结论。

By: Anonymous

Anonymous — Mon, 17 Jan 2011 12:00:25 +0000

@raodu
我觉得我在写的时候认识还不够深刻，现在看来fMRI毕竟是一个主流，对于fMRI或者其他多模态混合来讲的话，配准是一个非常重要的问题。是脑成像数据分析的基础。我也是亲自进入computational neuroscience里面看了些文献以及做了些简单的东西才弄明白他们之间的差别。越发越明白neuroimage就是个辅助工具，成不了大气候。但是computational neuroscience又太玄乎…….sigh…..
vision方面我个人更相信电生理的证据……fMRI压根就不靠谱……..你说的验证那些啥的让我想起zhaoping li现在就在关心电生理的数据以验证他的计算理论……但是那些东西说不清楚的……computational neuroscience的人永远想在前面，事实总不如想的那么好…..

By: raodu

raodu — Mon, 17 Jan 2011 03:14:13 +0000

“配准问题（registration），我就一句话来说明配准对于neuroscience领域的重要。没有配准就没有现在脑科学的发展，为什么呢？所谓的科学无非是在杂乱无章似乎毫无关系的现象事物之间找到所谓的共同点。”
—————————-
LZ 的主要意思应该是“在杂乱无章似乎毫无关系的现象事物之间找到所谓的共同点”。但registration一词用得似乎不太适合。neuroscience，至少vision方面，的主要手段是根据猜想设计stimulus，分析测到的response来证实猜想和得到神经性质方面的结论。

By: raodu

raodu — Mon, 17 Jan 2011 03:07:26 +0000

Neuroimage 和 Computational Neuroscience 的距离还是蛮远的，不能混为一谈。Tom Mitchell的研究可以归为 Neuroimage，但不能算Computational Neuroscience。

By: danceyoung

danceyoung — Tue, 08 Jun 2010 04:19:05 +0000

@filestorm
大牛啊…………太赞了…………..你为我指引了明灯…………..这个领域就是建立在不靠谱的东西上做不靠谱的事………..其实BCI，neuroscience的人不是很感冒，真正感冒的是神经反馈，也就是说比如帮助ADHD（小儿多动症患者）训练性的让他们意识到自己注意力不集中问题然后自我不断调节。这基本上要靠fMRI这种空间分辨率高的设备，近些年来NIRS的发展基本上也可以来做同样的事，只不过基础研究仍然很缺乏，NIRS成本相对低，而且心情好的话DIY都是可以的。不过也是缺点多多啊，不过这个领域确实没有就业前景……悲剧中….

By: filestorm

filestorm — Tue, 08 Jun 2010 01:23:19 +0000

其实跟AI最沾边的是fMRI，但搞笑的是fMRI测的是什么东西谁都说不清楚。时不时的还有fMRI得到的数据和single unit electrophysiology相左的情况。目前普遍认为fMRI得到的数据是feedback signal（比如attention control）但是谁也拿不出确切证据。甚至还有些研究说fMRI扫描的时候，相位也包含了某种functional signal.（因为扫描是靠傅里叶重构——这又和伟大的Candes有关系了，不过再扯就远了。。。）

fMRI水很深，于是有的研究人员就有意无意地按照实验目标来强奸数据。关于这方面的探讨，最早Ed Val给了一个”red list”，说近年来在nature science上发表的文章中，以下列表都存在统计谬误：blah blah。再往后来，有人拿死三文鱼扫描，得到了emotional signal。

至于脑机接口，上文有点不太贴切，因为成像一般是用MRI，但MRI无论是设备尺寸还是成像速度，都不足以作为“接口”来使用。据我所知，目前只有一例实验是通过fMRI信号来作为接口，判断植物人患者是否有意识。

通常谈到接口，要么是EEG（在头皮上贴电极），或者intracranial EEG (打开头盖骨在脑膜上贴电极)，或者直接intracranial single unit recording（直接拿一个带探头的针在脑子里记录信号）。只有在极端特殊的情况下，我们才会用fMRI来作为脑机接口。对于健康的正常人，大概只有第一种方法能够采用吧。。。但是这样采到的信号信噪比太低——可能我妄自菲薄了，但是我主观上对它的应用前景觉得有点像超导。理论很美，同时实际问题也多得让你觉得你自己有生之年用不上。

另外最后一个捏他：就grad students而言，neuroscience的毕业前景远不如computer science。前者平均毕业年限就是6~7年，之后99%的人还都要做至少三年的博士后，搞不好一做做五年十年的tenure postdoc也不是没有……

By: cvchina

cvchina — Sun, 06 Jun 2010 12:59:05 +0000

我看了半天，还是没搞明白neuroimage是要干啥的？为什么叫neuroimage，跟一般的医疗图像有啥区别，为什么要单独拿出来？

By: cvchina

cvchina — Sun, 06 Jun 2010 12:15:54 +0000

danceyoung :
@cvchina
重装系统以前的资料没了…….没图了…….

太可怜了。