XiaoMi-AI文件搜索系统
World File Search System全脑脑
人类连接组的定向连通性的全脑估计
了解人脑是我们这个时代的主要科学挑战。来自非侵入性神经技术数据的分析方法的进步为研究人脑提供了前所未有的机会（Friston，2009； Poldrack和Farah，2015）。尤其是，针对功能磁共振成像（fMRI）数据量身定制的系统模型使研究人类大脑作为互连神经元种群的动态系统（Park and Friston，2013）。这助长了全脑连接学的出现，这是一门年轻的学科，这对于理解大脑的组织原理并在网络神经科学中起着核心作用至关重要（Bassett and Sporns，2017年）。自“ Connectome”一词最初是引入的（Hagmann，2005; Sporns等，2005），因此该领域的发展迅速，现在是Neuroscience中最充满活力的学科之一（Craddock等，2013）。连接组学的目标之一是涵盖整个神经系统的神经元连接的综合图。开创性成就包括秀丽隐杆线虫（White等，1986）或
通过系统比较提取全脑动力学的可解释特征
图1。在这项研究中，我们系统地比较了从静止状态fMRI时间序列量化动力学模式的不同方式，重点介绍了局部区域动力学和跨四个神经精神疾病的成对耦合的统计。A.对于给定的静止状态fMRI体积（i），皮层和亚皮层分为各个区域，从中提取体素平均的粗体信号时间序列（II）。从这些数据中量化动力学模式的两种关键方法是：（iii）测量单个大脑区域动力学的特性（绿色）；或（iv）计算两对区域之间的统计依赖性（粉红色和蓝色）。B.为了评估fMRI时间序列数据集的不同类型的动态表示的性能（用于识别疾病与神经活动的相关变化），我们包括了四个源自两个开放式访问数据集的神经精神病学示例：UCLA CNP LA5C研究[50]和Abide II/II/II/II/II/II II/II研究[51，52，52，52，64）两个队列中的每个队列还包括用于比较的认知健康对照（UCLA CNP n = 116，Abide n = 578）。C.对于从fMRI数据集提取的每种动力结构（即，对于数据的每个基于功能的“表示”），我们计算了封装各种活动属性范围的可解释的时间序列特征。使用一组25个时间序列特征（Catch22特征集[65]以及平均值，SD和FALFF）从每个大脑区域量化了局部动力学特性。使用一组成对相互作用（SPI）的一组统计量对所有对区域之间的相互作用进行了量化，该统计数据包括PYSPI软件包中的代表性子集[29]。值。D.我们使用线性SVM分类器适合表示静止状态fMRI特性的五种不同方法来评估每种神经精神疾病的病例对照性能的性能：（i）所有25个单个区域序列特征在单个区域，一个区域，一个区域，一个区域； （ii）单个时间序列功能的全脑图，功能； （iii）所有25个单变量时间序列特征的全脑图，一个uni_combo； （iv）使用一个SPI，FC跨所有区域对的功能连接（FC）网络； （v）FC以及所有25个单变量的时间序列特征，该功能从所有大脑区域（UNI_COMBO）计算出，称为FC_COMBO。
成人斑马鱼中的全脑映射和新型储罐测试的功能性脑网络的识别
研究文章：方法/新工具| Novel Tools and Methods Whole-brain mapping in adult zebrafish and identification of the functional brain network underlying the novel tank test https://doi.org/10.1523/ENEURO.0382-24.2025 Received: 30 August 2024 Revised: 10 January 2025 Accepted: 13 January 2025 Copyright © 2025 Rajput 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。
abba是一种用于全脑映射的新工具，它揭示了学习后脑部的脑范围差异
全脑细胞结构的无偏表征代表了理解大脑功能的宝贵工具。为此，从2D切片到3D脑图的组织学标记物的精确映射是关键的。在这里，我们提供了两个新型的软件工具，促进了这一过程：对齐大脑和地图集（ABBA），旨在简化2D段的精确注册到3D参考地图集，而Braian，一个用于多头标记的集成套件，用于多头标记器自动序列，全脑统计分析，全脑统计分析和数据可视化。结合了这些工具，我们对三个最广泛使用的早期基因（IEG）的全脑表达进行了全面的比较研究。由于其神经活动依赖性表达，IEG已被用作神经活动的代表来产生行为后的无偏图映射，但是它们对整个大脑中神经元激活的响应均尚不清楚。为了解决这个问题，我们在与记忆有关的三种不同的行为条件下，系统地比较了三个大量使用的IEG的脑部表达CFO，ARC和NPAS4。我们的结果突出了其分布和诱导模式的主要差异，表明它们不代表整个大脑区域或活动状态的等效标记，而是可以提供互补信息。简介
本文综述了结构磁共振成像在常见神经精神类疾病中的应用
[3] LIBOWITZ MR,WEI K,TRAN T,et al.Regional brain volumes relate to Alzheimer's disease cerebrospinal fluid biomarkers and neuropsychometry:A cross-sectional,observational study[J].PLoS One,2021,16(7):e0254332.[4] 王含春 , 汪群芳 , 罗长国 , 等 .磁共振薄层扫描结合人工智能脑结构分割技术分析海马体积辅 助诊断脑小血管病认知功能障碍 [J].全科医学临床与教育 ,2024,22(3):208-211.[5] 姜华 , 宛丰 , 吕衍文 , 等 .2 型糖尿病伴认知功能障碍患者基于体素的脑形态学 MRI 研究 [J].中 国 CT 和 MRI 杂志 ,2018,16(4):22-25.[6] 景赟杭 , 郭瑞 , 常轲 , 等 .2 型糖尿病性认知功能障碍脑结构 MRI 成像研究进展 [J].延安大学学 报（医学科学版） ,2024,22(1):88-91,107.[7] 郭浩 , 和荣丽 .磁共振成像对老年性痴呆患者海马解剖结构的评估价值研究 [J].磁共振成 像 ,2022,13(8):75-79.[8] 罗财妹 , 李梦春 , 秦若梦 , 等 .阿尔茨海默病谱系患者的海马亚区体积损害特征 [J].中风与神经 疾病杂志 ,2019,36(12):1097-1101.[9] 冯伦伦 , 金蓉 , 曹城浩 , 等 .阿尔茨海默病患者认知功能减退的海马亚区结构改变分析 [J].临床 放射学杂志 ,2022,41(10):1819-1824.[10] WEI Y,HUANG N,LIU Y,et al.Hippocampal and Amygdalar Morpho logical Abnormalities in Alzheimer,s Disease Based on Three Chinese MRI Datasets[J].Curr Alzheimer Res,2020,17:1221-1231 ． [11] ESTEVEZ S S,JIMENEZ H A,ADNI G.Comparative analy sis of methods of volume adjustment in hippocampal volumetry for the diagnosis of Alzheimer disease[J].Neuroradiol,2020;47(2):161-5.[12] 曾利川 , 王林 , 廖华强 , 等 .结构与功能磁共振成像在轻度认知障碍及阿尔茨海默病中的应 用 [J].中国老年学杂志 ,2021,41(13):2902-2907.[13] KODAM P,SAI S R,PRADHAN S S,et al.Integrated multi-omics analysis of Alzheimer's disease shows molecular signatures associated with disease progression and potential therapeutic targets[J].Sci Rep,2023,13(1):3695.[14] 黄建 , 王志 .复杂网络分析技术在阿尔兹海默症患者脑结构和功能影像中的应用进展 [J].中 国医学物理学杂志 ,2024,41(8):1053-1055.[15] JELLINGER K A.The pathobiological basis of depression in Parkinson disease:challenges and outlooks[J].J Neural Transm(Vienna),2022,129(12):1397-1418.[16] BANWINKLER M,THEIS H,PRANGE S,et al.Imaging the limbic system in Parkinson's disease-A review of limbic pathology and clinical symptoms[J].Brain Sci,2022,12(9):1248.[17] 程秀 , 张鹏飞 , 王俊 , 等 .小脑结构与功能磁共振成像在帕金森病中的研究进展 [J].磁共振成 像 ,2022,13(4):146-149.[18] CUI X,LI L,YU L,et al.Gray Matter Atrophy in Parkinson's Disease and the Parkinsonian Variant of Multiple System Atrophy:A Combined ROI-and Voxel-Based Morphometric Study[J].Clinics(Sao Paulo),2020,75:e1505.[19] LOPEZ A M,TRUJILLO P,HERNANDEZ A B,et al.Structural Correlates of the Sensorimotor Cerebellum in Parkinson's Disease and Essential Tremor[J].Mov Disord,2020,35(7):1181-1188.[20] 鲍奕清 , 王二磊 , 邹楠 , 等 .帕金森病伴疲劳患者的大脑功能与结构磁共振成像研究 [J].临床 放射学杂志 ,2024,43(8):1265-1270.[21] 邹楠 , 王二磊 , 张金茹 , 等 .帕金森病伴疼痛患者大脑皮层厚度改变的结构 MRI 研究 [J].磁共 振成像 ,2024,15(5):13-18,23.[22] 屈明睿 , 高冰冰 , 苗延巍 .帕金森病伴抑郁在脑边缘系统结构及功能改变的 MRI 研究进展 [J].磁共振成像 ,2023,14(12): 127-131.
胎儿微智力和人类脑脑
糖尿病是全球最常见的慢性疾病之一，约有5.37亿20-79岁的成年人患有该疾病。这是一种全球流行病，发病率迅速上升。传统的糖尿病治疗方法在实现长期疾病控制方面的功效有限。近年来，骨髓衍生的单核细胞（BMMNC）自体输注已成为一种新型有效的治疗方法，用于治疗自身免疫性1型糖尿病（T1DM）。bmmnc包含两种重要类型的干细胞，骨髓来源的造血干细胞（BMHSC）和骨髓衍生的间充质干细胞（BMMSC），目前在T1DM的处理中独立或协同使用。在这篇综述中，我们总结了糖尿病患者（包括1型，2型和继发性糖尿病）和与糖尿病相关并发症的患者中有关BMMNC，BMHSC和BMMSC输注的临床数据。研究表明，骨髓干细胞的自体输注是安全有效的，具有广泛用于糖尿病患者的潜力。
脑启发计算 脑启发计算
背景：类脑计算将传统计算技术与受人脑启发的计算和认知思想、原理和模型相结合，以构建智能信息系统，用于我们的日常生活。图像和语音处理、盲信号分离、创造性规划和设计、决策、自适应控制、知识获取和数据库挖掘只是类脑计算应用的一些领域。我们对大脑功能了解得越多，信息系统就越智能。本书还介绍了心智和意识建模的一个主题，以及人工智能领域的其他新理论模型和应用。人脑是一种非常节能的装置。从计算角度来说，它仅需 20 瓦的功率就能每秒执行相当于十亿亿亿亿次浮点运算（1 后面跟着 18 个零）的数学运算。相比之下，世界上最强大的超级计算机之一“橡树岭前沿” (Oak Ridge Frontier) 最近演示了百亿亿次计算能力。然而，要实现这一壮举需要数百万倍的功率，即 20 兆瓦。我和我的同事希望通过大脑来指导开发强大而节能的计算机电路设计。你看，能源效率已经成为阻碍我们制造更强大的计算机芯片的一个主要因素。虽然更小的电子元件已成倍地提高了我们设备的计算能力，但进展却正在放缓。有趣的是，我们对大脑如何运作的看法一直是计算机世界的灵感源泉。为了理解我们是如何得出这种方法的，我们需要简单回顾一下计算的历史。人脑是宇宙中最复杂的物体之一。它能够在不断变化的环境中执行高级认知任务，例如抽象、概括、预测、决策、识别和导航。大脑这种较高的认知能力得益于它的功耗非常低，只有20W。大脑能效高的原因主要有两点：一是信息交换和处理是事件驱动的；因此，尖峰能量仅在需要的时间和地点被消耗。其次，神经元和突触位于同一个神经网络中，高度互联，每个神经元平均与104个其他神经元相连。神经元/突触共位意味着数据处理（由突触兴奋和神经元放电组成）和记忆（由突触权重和神经元阈值组成）在大脑内共享同一位置。许多研究工作旨在模仿人类大脑的计算类型，以实现非凡的能源效率。这是神经形态工程的目标，其中，脉冲神经网络（SNN）是利用人工神经元和突触开发出来的。 SNN 通常采用与 Rosenblatt 和 Minsky 开创的传统感知器网络相同的全连接 (FC) 架构。然而，在 SNN 中，神经元和突触通常表现出对施加的尖峰的时间依赖性响应，例如神经元内的整合和发射以及跨突触的兴奋性突触后电流 (EPSC)。这与用于计算机视觉和语音识别的人工智能 (AI) 加速器中的传统人工神经网络 (ANN) 形成对比，其中信息是同步的并且基于信号幅度而不是时间。大多数 SNN 通常依赖于互补金属氧化物半导体 (CMOS) 技术，具有两个显著的关键优势：首先，CMOS 技术在半导体行业生态系统中广泛可用，包括设计、制造和鉴定，为基于 CMOS 的神经形态工程成为成熟主题创造了条件。其次，CMOS晶体管可以按照摩尔定律小型化，其中减小
脑磁图用于脑电生理学和...
由于 MEG 和脑电图 (EEG) 似乎是姊妹电生理技术，两者都对脑细胞内和脑细胞之间的电化学电流流动敏感，因此 MEG 有时被认为等同于 EEG，具有有限的科学附加价值。我们驳斥了这种误解，并解释了不同的物理原理如何使这两种模式在许多方面互补而不是纯粹是多余的。具体而言，我们认为 MEG 是直接和非侵入性访问整个大脑电生理活动的最佳组合，具有亚毫秒时间分辨率和分辨大脑区域之间活动的能力，通常具有令人惊讶的空间和光谱区分以及最小偏差。事实上，与 EEG 不同，MEG 源映射的准确性不受头部组织复杂分层引起的信号失真的影响，具有高度异质的电导率曲线，无法在体内精确测量。
脑内皮：脑小血管疾病的联系
*通讯作者。电子邮件：martin.dichgans@med.uni-muenchen.de†Christer Betsholtz，Huddinge，Huddinge，Karolinska Institutet，Blickagången16，SE-141 57 Huddinge，Seweden，瑞典；伊丽莎白·希尔曼（Elizabeth Hillman），生物医学工程和放射学部功能性光学成像实验室，纽约州哥伦比亚大学的Mortimer B. Zuckerman Mind Brain行为研究所； Anne Joutel，巴黎的精神病学研究所和神经科学研究所（IPNP），法国巴黎大学，巴黎大学Inserm；佛蒙特大学拉纳医学院药理学系马克·尼尔森（Mark Nelson）； Dominik Paquet，ISD，大学医院，LMU慕尼黑，慕尼黑，德国。©作者2023。由牛津大学出版社出版，代表欧洲心脏病学会。保留所有权利。有关权限，请发送电子邮件：journals.permissions@oup.com
丝毫脑脑跨血液的损害...
先前的研究假设大脑中的所有丝氨酸都完全来自糖酵解，而没有血丝氨酸的任何贡献。与普遍的教条相反，我们的研究表明，血液中的另提供丝氨酸在产后大脑发育中起着至关重要的作用。我们已经将SCL38A5鉴定为BBB的主要L-丝氨酸转运蛋白，这对于在产后早期从血液从血液中流入大脑至关重要。SLC38A5的缺失会导致发育延迟，行为障碍，脱氧脂脂的积累以及异常的突触和线粒体受损。我们的观察结果提出了一种独特的代谢途径，这对于早期产后脑发育至关重要，并且对丝氨酸缺乏综合征的病理具有影响。