bioRxiv（Neuroscience）· Blanche Marion·2026-10-14 08:00· 11 天前精选AI 评分62

Nethobench：预测设计与条件设置影响生成神经动力学的结构真实性

Nethobench: Forecasting design and conditioning shape the structural realism of generated neural dynamics

AI 导读

研究提出 Nethobench 基准，从分布、时频谱、关系、几何和状态动力学五个指标族评估神经群体活动预测模型的结构一致性，而非仅看点对点预测保真度。作者用已知动力学的随机系统和定向扰动验证该基准，并应用于小鼠钙成像、小鼠 Neuropixels 记录和人体颅内记录。

AI 要点

团队

作者 Blanche Marion，原文未提及所属机构及团队信息。

主要结果

Nethobench 能检出针对性结构失效，并对来自正确合成过程的独立样本给出高分；在 Brain Treebank 中模拟检索通过更多结构检查，多步 GRU 对观测实现预测更好。

解决什么问题

现有基准多以对留出观测的逐点预测保真度评估预测模型，而在随机、部分观测系统中，与单次采样实现吻合不等于保留过程的统计与动力学结构。

方法

用针对性扰动和已知动力学的随机系统验证，并应用于小鼠钙成像、小鼠 Neuropixels 记录和人类颅内记录，以经验参考校准解读。

局限

从研究设计看，为基准方法学研究，未设对照试验；原文未提及样本量等细节。

AI 依据原文整理，未经人工核对。

AI 推荐理由

提出跨五类指标的结构一致性基准，并用小鼠钙成像、Neuropixels 与人体颅内记录校准，可供神经预测模型评测参考。