图 1 研究设计。38 名健康参与者(17 名男性)接受了包括多导睡眠图在内的全面筛查过程,以排除任何躯体、精神或睡眠障碍的病史或患病情况。在实验之夜 21:00 之前进行三项任务(注意力表现、程序记忆 - 镜像追踪任务 [MT]、陈述性记忆 - 配对联想词表任务 [WP])的采集会话,然后在早上 09:00 进行一次检索会话。所有参与者在进行多导睡眠图后,在 3 特斯拉扫描仪上接受高分辨率磁共振成像 (MRI),平均间隔为 30.2 ± 19.8 天。MT,镜像追踪任务;WP,配对联想词表任务;SCR,筛查会话;MRI,磁共振成像
甲基苯丙胺(甲基苯丙胺)是全球使用的最广泛使用的非法药物之一,发挥了有效的心理刺激作用,可增强其高度上瘾的性质。慢性甲基苯丙胺的使用与严重的认知障碍有关,尤其是在执行功能,决策和工作记忆中,即使在停止使用甲基甲基苯丙胺后也持续了很长时间。这些认知统计与内侧前额叶皮层(MPFC)中谷氨酸能锥体神经元功能障碍有关,该神经元调节成瘾和认知。人类和动物研究都强调了甲基苯丙胺诱导的MPFC功能障碍,这有助于强迫行为和复发。新兴的证据还强调了甲基甲基苯丙胺障碍(MUD)的性别差异显着差异。先前的研究表明,男性和女性的甲基诱导的行为和神经元功能障碍是不同的,但是细胞和分子机制尚未完全了解。使用行为和电生理方法(全细胞弥补),这项研究确定了自我管理的METH(METH-SA)的MPFC中神经元功能障碍的某些性别差异,然后是短(2-5 d)或长期(≥30d)的短(2-5 d)或退出。我们发现,男性和雌性大鼠都以相似的模式自我施用甲基苯丙胺。然而,性别之间的MPFC神经元中产生的不良,多动症和钙失调不同。这种特异性神经元功能障碍分别与短期或长期戒断有关。通过理解不同的性别行为/神经元差异后,我们的新颖发现表明了性别作为生物学变量在甲基化和复发中的作用,并揭示了药物使用环境对MPFC神经元功能障碍的影响,在戒断过程中,在戒断过程中提供了洞察力治疗,从而提供了性别 - 适用策略。
开发神经退行性临时媒体的解剖学验证协议:,Winifred Trotman 3,Francisco Javier Romero Molina 5,JoséCarlosBlood 5,Jimenez Sea of Jimenez 5,Pillar Mars Rabal Mars Rabal 5,Prieto 5,Prieto 5,Ricardo 5,Ricardo insaul 5,Ricardo insaul 5,la la la la la la la la em em em em em em em em em。Wisse 7
结果:(1)在局部大脑连接组中,整个网络特征表现出低特征路径长度,并配对中度至高全球效率,这表明局部脑连接组构建的有效性。杏仁核连接组表现出比同侧海马和帕拉希公接连接组显示更长的特征路径长度和更弱的全球效率。(2)杏仁核连接组的轮毂分散在腹侧额叶,嗅觉区域,边缘,顶部,顶部区域和皮层下核,以及枢轴的海马连接组主要位于山缘,皮层和皮层下区域内。帕拉希公接连接组的轮毂分布类似于海马结构连接组,但缺乏半球间连接以及与皮层核的连通性。(3)每个ROI的大脑局部结构连接组的亚型通过层次聚类进行分类,双侧杏仁核连接组的亚型是杏仁核 - 前额叶连接组;杏仁核 - 外侧或对侧边缘连接组和杏仁核 - 伴随连接组。双侧海马连接组的亚型主要包括域半球中的海马冲向或对侧边缘连接组和前颞张 - 海马 - 腹部颞叶枕骨。parahampocampal连接组的亚型与海马的亚型表现出相似之处。
我们旨在通过使用 SVM(支持向量机)和 XGBoost(极限梯度提升)机器学习(ML)算法,识别内侧颞叶癫痫 (mTLE) 患者关于其癫痫侧化(左侧或右侧)的认知特征(表型)。具体而言,我们探索了这两种算法识别区分左侧和右侧 mTLE 患者的最显著分数(ML 术语中的特征)的能力。我们的数据集有两个版本,包括神经心理学测试分数:一个“精简和工作”版本(n = 46 名患者),没有任何缺失数据,另一个“原始”版本(n = 57),有缺失数据,但可用于测试使用工作数据集获得的结果的稳健性。重点放在采用预防性机器学习(ML)方法进行分类,以获得可重复和可推广的结果。还研究了几个临床医学变量的影响。使用两个版本的数据集,我们获得了左侧和右侧 mTLE 的出色预测分类性能( > 75%)。最具分离性的特征是四项语言和记忆测试,其稳定性接近 100%。因此,这些认知测试似乎与患者的神经心理学评估高度相关。此外,海马回之间的结构不对称、患者年龄和抗癫痫药物数量等临床变量都会影响认知表型。这项探索性研究对认知分数进行了深入分析,并可以观察到语言和记忆表现之间有趣的相互作用。我们从临床和理论应用以及神经心理学领域的观点的角度讨论了这些发现的意义。
1 University of Reims Champagne Ardenne, Cognition, Health, Society Laboratory, EA 6291, 51100 Reims, France 2 Reims Center for Psychotherapy and Neuromodulation, 51100 Reims, France 3 University Center of Psychiatry, EPSM and CHU of Reims, 51100 Reims, France 4 McGill University, Douglas Mental Health University Institute, 11290 Montreal, Canada 5 Champollion National University Institute, Cognition Sciences, Technology & Ergonomics Laboratory, University of Toulouse, 81000 Albi, France 6 INSERM U1247 GRAP, Research Group on Alcohol and Drugs, University of Picardie Jules Verne, 80000 Amiens, France 7 Radiology Department, Reims University Hospital, 51100 Reims, France 8 University of Reims Champagne-Ardenne, CReSTIC Laboratory, 51100法国兰斯 9 兰斯大学香槟 - 阿登医学院,51100 兰斯,法国 通讯地址:Ksenija Vucurovic,Laboratoire Cognition, Santé, Société(C2S - EA 6291),UFR Lettres et Sciences Humaines,57 rue Pierre Taittinger,Reims Cedex 51096,法国。电子邮件:kvucurovic@chu-reims.fr。
尽管有希望取得的进步,但耐药性癫痫(DRE)的闭环神经刺激仍然依赖手动调整并产生可变的结果,而自动化的可预测算法仍然是一种吸引力。作为解决这一差距的基本步骤,在这里,我们研究了在参数丰富的神经刺激下人类颅内EEG(IEEG)反应的预测动力学模型。使用来自n = 13例DRE患者的数据,我们发现具有约300毫秒因果历史依赖性的刺激触发的切换线性模型可以最好地解释引起的IEEG动力学。这些模型在不同的刺激幅度和频率中高度一致,从而可以从丰富的刺激下学习可推广的模型,并且对数据有限。此外,几乎所有受试者的IEEG都表现出距离依赖的模式,从而刺激直接影响致动位点和附近地区(≲20mm),会影响中距离区域(20〜100mm)通过网络相互作用,几乎无法达到远端区域(≳100mm)。峰网络相互作用发生在距刺激位点60毫米的60毫米处。由于其预测精度和机械性解释性,这些模型对于基于模型的癫痫发作和闭环神经刺激设计具有巨大的潜力。
尽管十多年来取得了令人鼓舞的成果,但用于治疗药物难治性癫痫 (DRE) 的闭环神经刺激仍然依赖于手动参数调整,并且会产生不可预测的变化结果,而全自动算法仍然只是理论上的可能性。在这项工作中,我们研究了在参数丰富的神经刺激下人类颅内脑电图 (iEEG) 反应的预测动力学模型,并开发了预测准确且生物学上可解释的模型。使用来自 n = 13 名受试者的数据,我们表明,诱发的 iEEG 动态最好通过具有约 300 毫秒的因果历史依赖性的刺激触发切换线性模型来解释。这些模型在刺激幅度和频率(包括 STIM OFF 持续时间)方面高度一致,这使得可以从丰富的 STIM OFF 和有限的 STIM ON 数据中学习单个可推广的模型。在受试者中,我们观察到一致的距离依赖模式,即刺激直接影响驱动点和附近区域(≲ 20 毫米),几乎没有或根本没有网络介导,通过网络交互间接到达中距离区域(20 ∼ 100 毫米),几乎无法到达更远端区域(≳ 100 毫米)。网络交互的峰值参与发生在距离刺激点约 60-80 毫米处。由于其预测准确性和机制可解释性,这些模型在基于模型的癫痫发作预测和闭环神经刺激的刺激设计中具有深远的应用。
我们目前对阿尔茨海默氏病(AD)早期颞叶(MTL)内tau神经薄缠结(NFT)的传播和神经退行性作用的理解受到限制,这受到混淆的非AD病理学和二维(2-D)的常规历史学性质的存在。Here, we combine ex vivo MRI and serial his- tological imaging from 25 human MTL specimens to present a detailed, 3-D characterization of quantitative NFT burden measures in the space of a high- resolution, ex vivo atlas with cytoarchitecturally-de fi ned subregion labels, that can be used to inform future in vivo neuroimaging studies.平均地图在NFT分布中显示出海报梯度的明显前方,并且具有最高水平的NFT的精确的空间模式,不仅在跨肾上腺域内发现,而且还发现了Cornu氨(CA1)子场。此外,我们确定了颗粒状MTL区域,其中神经退行性的测量可能与NFT相关,因此作为早期AD生物标志物可能更敏感。
各种方法开发了3D综合的深度神经网络架构[Chaudhuri等。2020; Patil等。2020; Shi等。2023; Xu等。2023]。尽管这些方法可以捕获各种宏观的外观,但它们很少明确地模型形状的结构或拓扑结构,而是依靠网络的代表力来生成可见的看起来可见的体素电网[Liu等。2017],点云[Achlioptas等。2018a],网格[Dai和Nießner2019]或隐式领域[Chen and Zhang 2019]。与2D图像生成网络相比,由于3D网络被额外维度所带来的其他资源开销所阻碍,因此它们通常很难建模精细的细节和连接性。某些方法模型零件布局[Li等。2017],但在它们可以产生的结构的复杂性上受到限制。同时,这些先前的3D合成方法很少使艺术家灵活,精确地控制。它们更充当非有条件生成的黑匣子,或者通过图像或3D扫描重建。最新方法基于文本提示引入合成[Lin等。2023; Poole等。2023],取得了显着的结果,但仅通过及时工程进行全球控制。3D角色艺术家长期以来一直习惯于摆姿势钻机以进行准确的角色配置。然而,这种直接的局部控制和通过直观的抽象的可解释性在一般3D形状合成中的成功限制。背面有特定板条配置的椅子。没有明确结构建模的方法缺乏指定特定所需拓扑的能力,例如另一方面,进行模型零件级结构的方法仅限于由一些粗制的拓扑定义的简单拓扑结构,并且无法对复杂的FRETWORK或装饰进行建模。我们对现实的3D形状生成感兴趣,该生成能够准确地模拟复杂的拓扑和几何细节,并支持对形状结构和几何形状的更可解释的控制。为实现这一目标,我们基于三个关键见解:(1)拓扑细节通常可以在“骨骼抽象”中捕获,就像内侧轴变换获得的那样[Tagliasacacchi等。2016],即使没有有意义的部分分解,它也可以作为形状的简化结构代理。 (2)这些抽象可以通过生成方法合成[Karras等。2022],由稀疏点云预测[Nie等。2020; Yin等。2018],或由艺术家手动创建,而不必是完美的,因为它们是模仿中间表示; (3)每个抽象可以通过另一个训练有素的模型将每个抽象解码为逼真的表面。我们的方法通过推出并组装了以骨骼抽象为条件的局部支持的神经隐式功能来实现表面生成步骤。我们从该领域的最新工作中汲取了证明,该研究将潜在代码与稀疏集中的每个3D点相关联,并从潜在网格中生成局部隐含[Zhang等。2022]。但是,先前工作中稀疏的点支持集往往是任意的,而不是很容易解释。与单个大隐含物相比,这些不合格的混合物定义了整体合成形状,并可以更好地生成细微的几何细节。基于3D神经场和跨注意的后续工作[Zhang等。2023]完全在潜在网格上滴显式空间接地。相比之下,我们的基于骨架的潜在网格更具结构感知,为3D空间中的潜在代码提供了可解释的支持,同时仍然能够代表复杂的,细粒度的拓扑结构。我们总结了我们的贡献如下:
