XiaoMi-AI文件搜索系统
World File Search System以响
在基底外侧杏仁核中释放，以响应奖励的预测并增强提示奖励意外的学习
1美国纽黑文耶鲁大学精神病学系； 2美国纽黑文市耶鲁大学跨部门神经科学计划； 3美国纽约市纽约市城市大学； 4在美国纽约的Stony Brook University的神经科学计划； 5美国贝塞斯达国家神经系统疾病与中风研究所（NINDS）； 6美国贝塞斯达国家心理健康研究所（NIMH）； 7中国北京的中国大脑研究所（CIBR）； 8中国北京北京大学生命科学学院膜生物学国家主要实验室； 9 PKU-IDG/MCGOVERN脑研究所，中国北京； 10北京北京北京大学高级跨学科研究学院生命科学中心Peking-Tsinghua中心； 11美国纽黑文耶鲁大学医学学院比较医学1美国纽黑文耶鲁大学精神病学系； 2美国纽黑文市耶鲁大学跨部门神经科学计划； 3美国纽约市纽约市城市大学； 4在美国纽约的Stony Brook University的神经科学计划； 5美国贝塞斯达国家神经系统疾病与中风研究所（NINDS）； 6美国贝塞斯达国家心理健康研究所（NIMH）； 7中国北京的中国大脑研究所（CIBR）； 8中国北京北京大学生命科学学院膜生物学国家主要实验室； 9 PKU-IDG/MCGOVERN脑研究所，中国北京； 10北京北京北京大学高级跨学科研究学院生命科学中心Peking-Tsinghua中心； 11美国纽黑文耶鲁大学医学学院比较医学
表现更好的人会上调大脑信号的变异性，以响应功能更丰富的视觉输入
大脑反应在不同认知需求下的不同程度被称为“神经分化”，神经分化程度越高，老年人的认知表现就越好。一种新兴方法利用即时大脑信号变化来研究人体内神经分化。许多研究发现，大脑信号变化因认知状态而异；然而，导致信号变化在特定任务中上升或下降的因素仍未得到充分研究。我们假设，表现优异的人会根据感官输入的复杂性来调节信号变化，在处理特征更丰富的刺激时上调变化。在当前的研究中，46 名老年人在 fMRI 期间被动观看面部和房屋刺激。低级分析显示，房屋图像比面部特征更丰富，随后对腹侧视觉流反应 (HMAX) 的计算建模显示，房屋特征更丰富，尤其是在 V1/V2 类模型层中。值得注意的是，我们发现，在面对面的环境中，V1/V2 的脑信号变化上调幅度更大（相对于面部刺激，房屋刺激更高）的参与者在一系列离线视觉认知任务中也表现出更准确、更快和更一致的行为表现。此外，控制模型显示，平均脑信号的面部-房屋调节对离线认知相对不敏感，这进一步证明了脑信号变化对于理解人类行为的重要性。我们得出结论，将脑信号变化与感知输入的丰富性相匹配的能力可能标志着老年人特征水平行为表现的提高。