XiaoMi-AI文件搜索系统
World File Search System个体差异
在避免疼痛和寻求奖励期间加强学习中个体差异的神经相关性
抽象生物学会学会获得奖励并避免通过行动 - 结果关联进行惩罚。强化学习（RL）提供了一个关键的框架，通过评估学习率，行动偏见，Pavlovian因素（即，在刺激值的影响下）以及对成果的主观影响（即寻求奖励和惩罚）的主观影响，来理解这种关联学习中的个体差异。然而，这些个人级别指标在大脑中的代表如何仍然不清楚。当前的研究利用fMRI在健康的人类中和概率学习进行/不执行任务来表征学习涉及寻求奖励和避免疼痛的神经相关性。在行为上，参与者在避免疼痛期间与寻求奖励相比显示出更高的学习率。此外，结果对奖励试验的主观影响更大，并且与较低的响应随机性有关。我们的成像发现表明，在回避学习过程中学习率和表现精度的个体差异与背扣带扣带回皮质，中型皮层和中心后回的活性呈正相关。相比之下，在避免疼痛和寻求疼痛期间，帕夫洛维亚因子分别在上述回中心和上额回（SFG）中表示。通过激活左侧扣带回皮层的激活来积极预测结果的主观影响。最后，动作偏见由补充运动区域（SMA）和SMA代表，而SFG在限制这种行动趋势方面发挥了作用。，这些发现首次突出了RL期间计算过程中个体差异的神经底物。
在避免疼痛和寻求奖励期间加强学习中个体差异的神经相关性
研究文章：方法/新工具| Integrative Systems The neural correlates of individual differences in reinforcement learning during pain avoidance and reward seeking https://doi.org/10.1523/ENEURO.0437-23.2024 Received: 23 October 2023 Revised: 31 January 2024 Accepted: 5 February 2024 Copyright © 2024 Le et al.这是根据Creative Commons Attribution 4.0国际许可条款分发的开放访问文章，只要将原始工作正确归因于任何媒介，它允许在任何媒介中进行无限制的使用，分发和复制。
多模态共变大脑模式介导遗传和心理因素对疼痛敏感性个体差异的影响
摘要 个体对疼痛的敏感性存在很大差异，这要归功于大脑、基因和心理因素。然而，由于这些因素之间存在复杂的相互作用，因此缺乏一个整合这些因素的多维模型。为了解决这个问题，我们使用冷加压测试测量了疼痛敏感性（即疼痛阈值和疼痛耐受性），收集了磁共振成像 (MRI) 数据和遗传数据，并评估了心理因素（即疼痛灾难化、疼痛相关恐惧和疼痛相关焦虑），这些研究对象包括 450 名健康男女参与者（160 名男性，290 名女性）。使用多模态 MRI 融合方法，我们分别确定了与疼痛阈值和耐受性相关的 2 对共变结构和功能大脑模式。这些模式主要涉及与自我意识、感觉辨别、认知评价、动作准备和执行以及疼痛的情感方面相关的区域。值得注意的是，疼痛灾难化与疼痛耐受性呈负相关，并且这种关系仅由男性参与者的多模态共变大脑模式介导。此外，我们还发现了脂肪酸酰胺水解酶基因中的单核苷酸多态性 rs4141964 与疼痛阈值之间的关联，这种关联由所有参与者中发现的多模态共变大脑模式介导。总之，我们提出了一个整合大脑、基因和心理因素的模型，以阐明它们在塑造个体间疼痛敏感性差异方面的作用，强调了多模态共变大脑模式作为基因/心理因素与疼痛敏感性之间关联的重要生物介质的重要贡献。
从人类脑反应中解码卷积神经网络预测的人脑反应中的个体差异
Niklaus H. Evitt 3，Kiran S. Gajula 2，Junwei Shi 4*和Rahul M. Kohli 2* 1生物化学和分子生物物理学的研究生组，Perelman医学院，宾夕法尼亚大学，宾夕法尼亚州费城大学，宾夕法尼亚州，宾夕法尼亚州。2宾夕法尼亚州宾夕法尼亚大学佩雷曼医学院医学系，宾夕法尼亚州，19104年，美国。 3宾夕法尼亚州宾夕法尼亚大学佩雷尔曼医学院细胞和分子生物学研究生组，宾夕法尼亚州，19104年，美国。 4宾夕法尼亚州宾夕法尼亚大学佩雷曼医学院癌症生物学系，宾夕法尼亚州，19104年，美国。 *与Junwei Shi和Rahul M. Kohli的通信：2宾夕法尼亚州宾夕法尼亚大学佩雷曼医学院医学系，宾夕法尼亚州，19104年，美国。3宾夕法尼亚州宾夕法尼亚大学佩雷尔曼医学院细胞和分子生物学研究生组，宾夕法尼亚州，19104年，美国。 4宾夕法尼亚州宾夕法尼亚大学佩雷曼医学院癌症生物学系，宾夕法尼亚州，19104年，美国。 *与Junwei Shi和Rahul M. Kohli的通信：3宾夕法尼亚州宾夕法尼亚大学佩雷尔曼医学院细胞和分子生物学研究生组，宾夕法尼亚州，19104年，美国。4宾夕法尼亚州宾夕法尼亚大学佩雷曼医学院癌症生物学系，宾夕法尼亚州，19104年，美国。 *与Junwei Shi和Rahul M. Kohli的通信：4宾夕法尼亚州宾夕法尼亚大学佩雷曼医学院癌症生物学系，宾夕法尼亚州，19104年，美国。*与Junwei Shi和Rahul M. Kohli的通信：
Savickaite，Sarune（2024）使用虚拟现实来探索由于神经多样性引起的感知的个体差异。博士学位论文。
drawings case study ............................................................................................................................ 192
我认为我应该接种疫苗，我觉得我不应该接种疫苗。信息处理和疫苗接种行为的个体差异（COVID-19）
摘要：在先前的研究中，已用于脑电（EEG）信号处理的特征提取。但是，时间窗长度对下游任务（例如情绪识别）的特征提取的影响尚未得到很好的检查。为此，我们研究了不同时间窗口（TW）长度对人类情绪识别的影响，以发现提取脑电图（EEG）情绪信号的最佳TW长度。功率谱密度（PSD）特征和差分熵（DE）特征均用于根据SJTU EMOMIT EEG数据集（SEED）评估不同TW长度的有效性。随后使用EEG功能处理方法处理不同的TW长度，即实验级批归归量表（ELBN）。处理的特征用于在六个分类器中执行情感识别任务，然后将结果与没有ELBN的结果进行比较。识别精度表明2-S TW长度在情感上具有最佳性能，并且最适合于EEG功能提取用于情绪识别。在使用基于PSD和DE功能的SVM时，ELBN在2-S TW中的部署可以进一步提高21.63％和5.04％。这些结果在分析智能系统应用的EEG信号时为选择TW长度的选择提供了可靠的参考。
人工智能的实质性使用
人工智能 (AI) 功能日益强大，使用户能够更高效、更有效地执行任务。然而，并非所有用户都能平等地利用其功能。我们借鉴了先前引入“实质性使用”概念的文献——反思如何使用系统的功能——以更好地理解人工智能背景下的个体差异。我们通过三种方式为当前文献做出贡献：首先，我们总结有关技术使用的文献并描述其与人工智能相关研究的相关性。其次，我们回顾文献并表明 IS 已经开始研究个体差异以了解人工智能系统的使用。第三，我们提出了一个理论模型，该模型解释了个体差异对实质性使用行为的直接和配置影响。
人类中央前手旋钮的髓鞘含量反映了生理和行为层面的手动运动控制个体差异
初级运动皮层手部区域 (M1 HAND) 和相邻的背侧运动前皮层 (PMd) 形成中央前回中的所谓运动手旋钮。M1 HAND 和 PMd 对于灵巧的手部使用至关重要，它们通过皮质皮层轴突紧密相连，缺乏清晰的分界线。在 24 名年轻的右利手志愿者中，我们进行了多模态映射，以描绘右侧运动手旋钮的结构和功能之间的关系。3 特斯拉的定量结构磁共振成像 (MRI) 产生了区域 R1 图，可作为皮质髓鞘含量的代理。参与者还接受了功能性磁共振成像 (fMRI)。我们绘制了与任务相关的激活和时间精度，同时他们执行一项视觉运动同步任务，该任务需要用左手食指或小指进行视觉提示的外展运动。我们还对运动手柄进行了脑沟对准经颅磁刺激，以确定在两个内在手部肌肉中诱发运动诱发电位 (MEP) 的最佳位置 (热点)。各个运动热点位置沿喙尾轴有所不同。中央前区冠部中的运动热点位置越靠喙，皮质运动 MEP 延迟越长。“热点喙部性”与中央前区冠部的区域髓鞘含量有关。皮质髓鞘含量还与视觉运动同步任务期间的中央前区冠部任务相关激活和时间精确度呈正相关。总之，我们的结果表明皮质髓鞘形成、皮质空间表征和手指运动的时间精确度之间存在联系。我们假设皮质轴突的髓鞘形成促进了 PMd 和 M1 HAND 中的神经元整合，从而促进了运动的精确时间。