XiaoMi-AI文件搜索系统
World File Search System受试者
基于MRI的糖尿病和胃肠道症状受试者的泛主功能和运动性的定量
大规模生物量存储用于现代生物能源，由于生物量的内在自我加热引起了潜在的安全问题。尽管如此，在该领域进行了非常有限的研究。该项目通过开发一个综合的建模框架来填补一个关键的空白，以在生物质桩中进行自加热并进行一系列实验研究，以探索这些桩中复杂的子过程。本文仅介绍建模和测试工作的一小部分。它成功地证明了该模型在预测煤炭堆自动加热方面的有用性，从而指导煤炭储存的安全措施。在各种存储参数中，桩高，粒径和环境风速度已被确定为对煤桩内的自加热和自我命运产生重大影响。本文还说明了初始生物质水分含量对微生物反应性和氧气消耗率的明显影响。初始水分含量的增加显着提高了整体微生物反应性和氧气消耗率。小麦稻草在相同的储存条件下更容易自热，这可以证明，较高的热量产生，更快的氧气消耗以及较短的时间到达峰值温度。此外，发现微生物活性在生物质自加热中起着至关重要的作用，尤其是在热量累积的初始阶段，在0 - 75℃的温度范围内。对于此处讨论的建模，尽管桩上的流动较高，但必须将多孔桩中的流动视为层流。这是基于雷诺数的数量，该数字是根据速度的in-count量平均值和燃料颗粒的平均直径计算得出的，燃料颗粒的平均直径明显低于临界阈值（RE CR = 200）。可以将生物量桩中相关子过程得出的见解和子模型集成到模型框架中。这种整合将创建一个更全面，更强大的模型，以预测生物质储存桩中的自我加热和自命不凡，从而增强对这些现象的理论和实践管理。
LSD和MDMA对健康受试者中纹状体皮质连通性的可分离影响
。cc-by-nc-nd 4.0国际许可证。根据作者/资助者提供了预印本（未经同行评审的认证）提供的，他已授予Biorxiv的许可证，以在2025年2月8日发布的此版本中在版权所有者中显示预印本。 https://doi.org/10.1101/2025.02.07.637042 doi：Biorxiv Preprint
近死和迷幻经历的受试者内部比较：急性和持久效果
神秘的意识状态可能是通过迷幻物质等手段出现的，但也可能出乎意料地发生在近死亡的经历（NDES）中。到目前为止，比较血清素能迷幻和NDE引起的经验的研究以及其持久的效果，采用了受试者之间的设计，限制了直接比较。我们提出了一项在线调查的结果，该调查探讨了NDES和迷幻经历（PES）的现象学，心理学见解以及对他们一生中某个时候经历过的个人的持久影响（PES）。，我们使用了常见主义者和贝叶斯分析来确定两者之间的显着差异和重叠（无效假设的证据）。三十一个成年人报告既有NDE（即nde-c量表总评分≥27/80）和PE（脂肪酸二乙酰胺的摄入，psilocy-bin/蘑菇，ayahuasca，n，n，N-二甲基甲氨酰胺或甲麦氨酸）。结果揭示了两种经验的现象学，现实归因，心理见解和持久影响之间的重叠领域。对现象学的细粒度分析表明，神秘的效应有显着的重叠，而低级现象（感觉效应）显着差异，NDES表现出更高的不体面的分数，并且PES较高的视觉图像得分较高。这表明迷幻药是研究NDE引起的神秘效应的有用模型，同时强调了感觉体验的区别。
跨受试者脑电情绪分类的迁移判别词典对学习方法
脑电信号具有不易伪装、可携带、无侵入等特点，在情绪识别中被广泛应用。然而由于个体差异的存在，不同受试者的同一种情绪状态下的脑电信号数据分布会存在一定的差异。传统的情绪识别方法为了得到对新受试者分类效果良好的模型，需要收集大量新受试者的标记数据，但这往往不现实。本研究针对跨受试者脑电情绪分类提出了一种迁移判别字典对学习（TDDPL）方法。TDDPL方法将不同受试者的数据投影到领域不变子空间中，基于最大均值差异（MMD）策略构建迁移字典对学习。在子空间中，TDDPL学习共享的综合字典和分析字典，搭建从源域（SD）到目标域（TD）的判别知识桥梁。通过最小化每个子字典的重构误差和类间分离项，学习到的合成字典具有判别性，而学习到的低秩编码具有稀疏性。最后，在 TD 中，基于分类器参数、分析字典和投影矩阵构建判别分类器，而无需计算编码系数。在 SEED 和 SEED IV 数据集上验证了 TDDPL 方法的有效性。
基于监督自动编码器的独立于受试者的脑机接口框架
摘要 — 基于运动想象的脑机接口 (MI-BCI) 需要校准程序来为新用户调整系统。此过程非常耗时，并且会阻止新用户立即使用系统。由于 MI 信号的主体相关特性，开发独立于主体的 MI-BCI 系统以减少校准阶段仍然具有挑战性。已经开发了许多基于机器学习和深度学习的算法来从 MI 信号中提取高级特征，以提高 BCI 系统对主体的泛化能力。然而，这些方法基于监督学习并提取可用于区分各种 MI 信号的特征。因此，这些方法无法在 MI 信号中找到共同的潜在模式，并且其泛化水平有限。本文提出了一种基于监督自动编码器 (SAE) 的独立于主体的 MI-BCI 来绕过校准阶段。建议的框架在 BCI 竞赛 IV 中的数据集 2a 上得到了验证。模拟结果表明，在九个受试者中的八个中，我们的 SISAE 模型在平均 Kappa 值方面优于传统的和广泛使用的 BCI 算法、常见空间和滤波器组常见空间模式。
功能神经影像多变量组分析的受试者间模式分析。统一的形式化
背景和目的。在医学成像中，群体研究必须克服个体之间存在的差异，以识别可用于诊断目的的不变图像特征。在功能性神经成像中，识别在群体水平上成立的神经编码原理的一个有吸引力的解决方案是受试者间模式分析，即从来自多个受试者的数据中学习预测模型并评估其对新受试者的泛化性能。尽管近年来它越来越受欢迎，但由于文献中明显缺乏正式定义，其广泛采用仍然受到阻碍。在本文中，我们精确介绍了针对功能性神经成像的多变量组分析的受试者间模式分析的第一个原则性形式化。方法。我们建议将受试者间模式分析构建为多源传导传递问题，从而将其置于几个定义明确的机器学习设置中并拓宽可用算法的范围。我们描述了两组使用几个开放数据集的受试者间大脑解码实验：一项涉及 16 名受试者的脑磁图研究和一项涉及 100 名受试者的功能性磁共振成像范例。我们通过进行模型比较来评估我们框架的相关性，其中一个大脑解码模型利用我们的形式化，而其他则不利用。结果。第一组实验证明了使用受试者标准化的大脑解码器与使用其他标准化方案的最先进模型相比具有优越性，证明了我们形式化的传导和多源组件的兴趣第二组实验定量表明，即使经过这样的转换，大脑解码器也更难以推广到新参与者而不是来自训练阶段可用的参与者的新数据，从而凸显了需要克服的转移差距。结论。本文将受试者间模式分析的第一个形式化描述为多源传导迁移学习问题。我们利用几个互补的功能性神经成像数据集上的概念验证实验证明了这种形式化的附加价值。这项工作将有助于推广功能性神经成像人群研究的受试者间模式分析，并为未来的方法创新铺平道路。
基于受试者相关和分段频谱滤波解码运动相关皮质电位
摘要 — 开发基于运动相关皮层电位 (MRCP) 的脑机接口 (BMI) 的一个重要挑战是在现实环境中准确解码用户意图。然而，与其他 BMI 范例相比，由于内源性信号特性，该性能仍然不足以进行实时解码。本研究旨在从预处理技术（即频谱滤波）的角度提高 MRCP 解码性能。据我们所知，现有的 MRCP 研究对所有受试者都使用了具有固定频率带宽的频谱滤波器。因此，我们提出了一种基于受试者的分段频谱滤波 (SSSF) 方法，该方法考虑了受试者在两个不同时间截面的个人 MRCP 特征。在本研究中，MRCP 数据是在受试者进行自我启动步行的动力外骨骼环境下获取的。我们使用实验数据和公共数据集 (BNCI Horizon 2020) 对我们的方法进行了评估。使用 SSSF 的解码性能为 0.86 (± 0.09)，在公共数据集上的性能为 0.73 (± 0.06)，适用于所有受试者。实验结果显示，与之前方法在两个数据集上使用的固定频带相比，该方法具有统计学上显著的增强 (p < 0.01)。此外，我们还通过伪在线分析展示了成功的解码结果。因此，我们证明了所提出的 SSSF 方法可以比传统方法包含更多有意义的 MRCP 信息。
通过全局-局部功能对齐增强跨受试者 fMRI 到视频解码
摘要。脑成像技术的进步使得从神经活动中解码思想和意图成为可能。然而，跨多个受试者的脑信号的 fMRI 到视频解码遇到了挑战，因为个体大脑之间存在结构和编码差异，而配对 fMRI 刺激数据的稀缺进一步加剧了这一挑战。为了解决这个问题，本文介绍了 fMRI 全局-局部功能对齐 (GLFA) 投影，这是一种将来自不同受试者的 fMRI 帧对齐到统一的大脑空间的新方法，从而增强了跨受试者解码。此外，我们还提供了一个精心策划的 fMRI-视频配对数据集，其中包含来自 8 个人的总共 75k 个 fMRI-刺激配对样本。这个数据集大约是以前基准数据集的 4.5 倍。在此基础上，我们用扩散视频生成器增强了基于变压器的 fMRI 编码器，深入研究了基于跨受试者 fMRI 的视频重建领域。这种创新方法忠实地捕捉了来自不同脑信号中的语义信息，从而生成了生动的视频，并在跨主题语义分类任务中实现了令人印象深刻的 84.7% 的平均准确率。
使用 Tempus TIME 程序进行超快速站点激活和受试者同意
NCI 指定癌症中心的主治医生收到了 Tempus Connect 通知，表明该医生的 4 期胰腺癌患者似乎符合针对罕见癌症突变患者的 PARPi（聚 ADP 核糖聚合酶）抑制剂研究的资格标准。尽管 NCI 指定癌症中心尚未启动这项特定研究，但附近一家具有研究经验的肿瘤诊所是 TIME 计划的一部分。使用 Tempus 即时激活模型，Tempus 在附近的肿瘤诊所快速启动了 PARPi 研究，使患者能够在离家较近的情况下参与试验。