🔬 神经科学与大脑研究

开发领域自适应方法，以实现跨成像范式的大脑解码。我们在领域自适应增强 searchlight 分析方面的工作，使得大脑状态分类能够从视觉感知范式迁移到心理意象范式。

这项研究解决了神经科学领域的一个核心挑战：在一种实验范式（如视觉感知）下训练的大脑解码模型，往往难以泛化到相关但不同的范式（如心理意象）。领域自适应提供了一个结构化的解决方案。

开发了 DecNefLab——一个用于解码神经反馈研究的模块化、可解释模拟框架。该框架允许研究人员模拟 DecNef 实验，评估不同的解码器设计，并在进行昂贵的真实实验之前，研究各种参数对神经反馈有效性的影响。

解码神经反馈 (DecNef) 是一种利用实时大脑解码技术，向个人提供其自身神经模式反馈的技术，从而实现在没有显式指令的情况下对大脑表征进行定向修改。它在神经科学研究、神经康复和精神健康治疗方面具有潜在的应用价值。

研究人类大脑中无意识视觉信息处理的特性。该研究探讨了哪些视觉信息可以被无意识地处理，以及这些信息如何影响随后的有意识感知和行为。

这项工作是 Ning Mei (梅宁) 在 BCBL 的博士研究的一部分，由我和 David Soto 共同指导。

对分析神经元形态特性的计算工具进行了系统性搜索和综述。该综述涵盖了从显微镜图像中量化神经元结构的方法，包括分支模式、胞体大小和树突分布等。

应用神经网络识别物理系统（如伊辛模型）中的相变。研究不同神经架构从模拟数据中检测相变的能力，探讨其与统计物理和计算神经科学的联系。

早期工作 (2010–2015) 侧重于将机器学习应用于 MEG 和 EEG 大脑信号分析。为脑机接口 (BCI) 应用开发分类方法，包括从电生理记录中解码运动意象和认知状态。

神经科学研究主要与以下机构合作：

• 巴斯克认知、大脑与语言中心 (BCBL)
• 巴斯克大学 (UPV/EHU)
• 计算神经科学领域的国际合作伙伴

• Mei N, Santana R and Soto D (2022). Informative neural representations of unseen contents during higher-order processing in human brains and deep artificial networks. Nature Human Behaviour.
• Mei N, Santana R and Soto D (2021). Informative neural representations of unseen objects during higher-order processing in human brains and in deep artificial networks. bioRxiv.
• Mei N, Carreiras M, Santana R and Pylkkänen L (2019). How the brain encodes meaning: Comparing word embedding and computer vision models to predict fMRI data. NeurIPS Workshop.
• Soto D, Sheikh UA, Mei N and Santana R (2020). Decoding and encoding models reveal the role of mental simulation in the brain representation of meaning. Royal Society Open Science.
• Santana R, Mendiburu A and Lozano JA (2019). GP-based methods for domain adaptation: Using brain decoding across subjects as a test-case. GECCO 2019.
• Santana R, Bielza C and Larrañaga P (2012). Regularized logistic regression and multi-objective variable selection for classifying MEG data. Biological Cybernetics.
• Santana R, Yue C and Ocampo-Pineda M (2012). Introducing the use of model-based evolutionary algorithms for EEG-based motor imagery classification. GECCO 2012.
• Santana R, Bielza C and Larrañaga P (2011). An ensemble of classifiers approach with multiple sources of information. ICCST 2011.
• Astigarraga A, Arruti A, Muguerza J, Santana R, Martin JI and Sierra B (2014). User Adapted Motor-Imaginary Brain-Computer Interface by means of EEG Channel Selection based on Estimation of Distributed Algorithms. Scientific World Journal.
• Zheng D, Guo K and Santana R (2015). Comparison of Classification Methods for EEG-based Emotion Recognition. ISNN 2015.
• Santana R et al. (2015). Multi-view classification of psychiatric conditions based on saccades. GECCO 2015.