本研究提出了一种结合超声声响与机器学习的新方法，用于小鼠自闭症谱系障碍（ASD）的检测，显示出良好的分类效果，为ASD检测开辟了新方向。

本研究探讨了神经网络在机器学习中的启示，提出一个简单的神经XOR结构可能为生物神经电路的可塑性提供基础，稳态是其指导原则。研究发现该XOR结构组件在不同复杂度有机体的连接组中广泛存在，揭示了生物神经可塑性可能源于基本的控制系统，适应了生物体的进化复杂性。

本研究解决了深度学习模型在3D大脑图像配准中无法处理多样性和结构差异的问题。提出的NeuReg架构引入了域不变性，通过神经网络灵感的Transformer结构有效捕捉不同大脑成像方式和物种之间的变化。实验结果表明，NeuReg在跨域数据集上表现优越，为大脑图像配准领域建立了新的技术标准。

本文研究了深度卷积神经网络在视觉处理中的应用，发现不同的神经约束导致不同的表征模式。提出了Neuroscore测评策略和Mouse neural system identification基准，利用自监督方法学习图像特征，并探讨了脑结构与功能的关系，提出了视觉决策模型，展示了其在决策任务中的优越性能。

本文介绍了一系列基于学习的运动信号分割方法，利用光流和事件相机技术实现独立运动目标的分割和运动参数估计。研究表明，新的视频实例分割方法通过融合多种线索，能够在复杂场景中实时跟踪实例，准确度高达90%。此外，提出的半监督框架在降低计算复杂度的同时，性能与完全监督方法相当，展示了在多目标跟踪中的有效性。

谷歌研究人员发布了最大、最详细的人脑地图，揭示了神经元之间的连接和结构。研究人员正在绘制小鼠海马体的连接组，以了解大脑的工作原理。

本文介绍了一种基于图像识别的自主钻探方法，适用于生命科学实验样本，成功率达80%。同时，提出了半自动植入物生成应用程序和基于深度强化学习的手术机器人控制方法，显著缩短手术时间。研究还涵盖了机器人脊柱手术规划、超声引导手术技能转移学习及无人机自主检测框架等技术进展。

建立了一个基于摄像头的系统，可以自动检测慢性癫痫小鼠中的惊厥性癫痫发作，用以筛选潜在的抗癫痫药物。