XiaoMi-AI文件搜索系统
World File Search System子网络
neuroimage
神经生理学和心理模型认为，情绪取决于广泛的colticolimbic电路的联系。虽然先前使用模式识别对神经成像数据的研究表明，大脑活动模式中各种离散情绪之间的差异，但对功能连通性的差异的了解较少。因此，我们对功能磁共振成像数据（i）采用了多元模式分析来开发用于在功能连接数据中应用模式识别的管道，以及（ii）测试连通性模式是否在情绪类别之间存在。六种情绪（愤怒，恐惧，厌恶，幸福，悲伤和惊喜）和16名参与者的中性状态使用一分钟的长时间情感叙事，具有自然韵律，而通过功能磁共振成像（fMRI）来衡量大脑活动。我们计算了全脑连接的情感连接性矩阵，以及10个先前定义的功能连接的大脑子网子网，并培训了跨参与者分类器，以根据全脑数据和每个子网络分别根据全脑数据进行分类。除了悲伤之外，所有情绪都以上所有情绪表现出的全脑分类器，这表明不同的情绪的特征是大规模连通性模式的差异。专注于10个子网络中的连接性时，分类在默认模式系统和所有情绪中都成功。因此，我们显示了针对情绪类别实例的持续不同持续功能连接模式的初步证据，尤其是在默认模式系统中。
![arXiv:2209.06005v1 [q-bio.NC] 2022 年 9 月 13 日](/simg/9\94c76e4a20b6a5d5690db93c0a110ad77a942097.webp)
arXiv:2209.06005v1 [q-bio.NC] 2022 年 9 月 13 日
摘要：训练一次性学习模型的一个核心挑战是数据空间中可用样本的代表性有限。特别是在网络神经科学领域，大脑以图形表示，这种模型在对大脑状态（例如，正常与自闭症）进行分类时可能会导致性能低下。为了解决这个问题，大多数现有工作都涉及数据增强步骤，以增加训练集的大小、多样性和代表性。虽然有效，但这种增强方法仅限于生成与输入样本大小相同的样本（例如，从单样本矩阵生成大脑连接矩阵）。据我们所知，从单个大脑图生成大脑多图以捕捉节点对（即解剖区域）之间的多种连接类型的问题仍未解决。在本文中，我们前所未有的提出了一种混合图神经网络 (GNN) 架构，即多图生成器网络或简称 MultigraphGNet，它包含两个子网络：（1）多对一 GNN，将大脑多图输入群体整合到单个模板图中，即连接大脑模板 (CBT)，以及 (2) 反向一对多 U-Net 网络，它在每个训练步骤中采用学习到的 CBT 并输出重建的输入多图群体。这两个网络都使用循环损失以端到端的方式进行训练。实验结果表明，与在每个类别的单个 CBT 上进行训练相比，我们的 MultigraphGNet 在增强的大脑多图上进行训练时提高了独立分类器的性能。我们希望我们的框架可以为未来从单个图进行多图增强的研究提供一些启示。我们的 MultigraphGNet 源代码可在 https://github.com/basiralab/MultigraphGNet 获得。
从压缩效率的角度来改善尖峰神经网络的稀疏结构学习
人类大脑利用尖峰进行信息传输，并动态地重组其网络结构，以提高能源效率和认知能力的整个生命周期。从这种基于尖峰的计算中汲取灵感，已开发出尖峰神经网络（SNN）来构建模仿该效率的事件驱动的模型。尽管有这些进步，但在训练和推断期间，深SNN仍遭受过度参数化，与大脑自我组织的能力形成鲜明对比。此外，由于静态修剪比率保持最佳的修剪水平，现有的稀疏SNN受到挑战，导致下降或过度修剪。在本文中，我们为深SNN提出了一种新型的两阶段动态结构学习方法，旨在从头开始进行有效的稀疏训练，同时优化压缩效率。第一阶段使用PQ索引评估了SNN中现有稀疏子网络的可压缩性，这促进了基于数据压缩见解的突触连接的重新线的自适应确定。在第二阶段，这种重新布线的比率严格告知动态突触连接过程，包括修剪和再生。这种方法显着改善了对深SNN中稀疏结构训练的探索，从压缩效率的角度来动态地调整稀疏性。我们的实验表明，这种稀疏的训练方法不仅与当前的深SNNS模型的性能保持一致，而且还显着提高了压缩稀疏SNN的效率。至关重要的是，它保留了使用稀疏模型启动培训的优势，并为将AI授予神经形态硬件的边缘提供了有前途的解决方案。
细胞外基质和周神经元网的破坏调节细胞外空间体积和几何>
细胞外矩阵（ECM）是一个大分子网络，具有两种形式：神经神经元网（PNN）和一个弥漫性ECM（DECM） - 均影响大脑的影响，突触形成，神经塑性，神经塑性，CN，CNS损伤和进步神经变性性疾病。ECM重塑会影响外鼻外传播，这是由神经活性物质在细胞外空间（ECS）中的扩散介导的。在这项研究中，我们分析了PNN和DECM影响脑部扩散性的干扰。在口服4-甲基木纤维酮（4-mu）的大鼠（HA）合成抑制剂4-甲基木纤维酮（4-mu）后，我们发现PNNS，HA，HA，软骨蛋白硫酸软骨蛋白聚糖蛋白酶和闪光酸性酸性蛋白质的染色下调。4个月和6个月后，这些变化得到了增强，并且在正常饮食后是可逆的。形态分析进一步表明星形胶质细胞的萎缩。使用实时离子噬方法的ECM失调导致体感皮质中的ECS体积分数α增加35％，从对照大鼠的α= 0.20到4-MU饮食后的α= 0.27。扩散加权的磁共振成像显示，在皮质，海马，丘脑，pallidum和脊髓中，平均扩散率和分数各向异性（FA）的降低。这项研究表明，由于PNN和DECM的调节，ECS体积的增加，FA的损失以及星形胶质细胞的变化可能会影响外突触外传播，细胞间通信和神经可塑性。
使用头脑风暴优化动态神经网络
动态神经网络 (NN) 可以在推理过程中使稀疏激活的子网络适应输入，与静态神经网络相比，它在准确性、计算效率和自适应性方面表现出了明显的优势。然而，现有的深度学习框架和编译器主要侧重于优化具有确定性执行的静态 NN，而错过了动态 NN 中激活分布不均匀所带来的优化机会。优化动态 NN 的关键在于跟踪数据在推理过程中如何动态地分派到不同路径。这种动态性通常发生在子张量级别（例如，张量的条件分派标记），因此由于表达粒度不一致，现有的以张量为中心的框架很难跟踪。在本文中，我们提出了 Brainstorm，一个用于优化动态 NN 的深度学习框架，它通过统一动态性的表达方式来弥补这一差距。 Brainstorm 提出（1）Cell，这是关键的数据抽象，可让模型开发人员表达存在动态的数据粒度；（2）Router，这是一个统一的接口，可让模型开发人员表达如何动态调度Cell。Brainstorm 处理路由操作的有效执行。这种设计使 Brainstorm 能够以正确的粒度收集细粒度数据流的配置文件。可追溯性进一步为动态 NN 开辟了新的动态优化空间，使其执行专门针对运行时动态分布。广泛的评估表明，通过提出的动态优化，Brainstorm 将流行的动态神经网络的加速提高了 11.7 倍（平均为 3.29 倍），或内存消耗减少了 42%。
利用量子网络层析成像技术表征量子翻转星
摘要 — 由于量子信息对噪声非常敏感，因此量子信息系统的实验实现将非常困难。克服这种敏感性对于设计能够可靠地在远距离传输量子信息的量子网络至关重要。此外，表征量子网络中通信噪声的能力对于开发能够克服量子网络噪声影响的网络协议至关重要。在这种情况下，量子网络断层扫描是指通过端到端测量来表征量子网络中的信道噪声。在这项工作中，我们提出了由单个非平凡泡利算子表征的量子信道形成的量子星型网络的网络断层扫描协议。我们的结果通过引入状态分布和测量分别设计的断层扫描协议，进一步提高了量子位翻转星型网络的端到端表征。我们以先前提出的量子网络断层扫描协议为基础，并提供了用于独特表征星型中位翻转概率的新方法。我们引入了一个基于量子费舍尔信息矩阵的理论基准来比较量子网络协议的效率。我们将我们的技术应用于所提出的协议，并对纠缠对量子网络断层扫描的潜在好处进行了初步分析。此外，我们使用 NetSquid 模拟所提出的协议，以评估针对特定参数范围获得的估计器的收敛特性。我们的研究结果表明，协议的效率取决于参数值，并激发了对自适应量子网络断层扫描协议的搜索。
虚拟深部脑刺激：使用虚拟大脑对尖峰基底神经节模型和全脑平均场模型进行多尺度联合模拟
- 我们实现并验证了一种针对基底神经节内和周围皮层下区域的脉冲网络模型的联合仿真方法，并将其与每个皮层区域的平均场网络模型相结合。 - 我们的模拟基于一个规范的连接组，包括皮层和基底神经节区域之间的详细路径，并结合了健康对照者和帕金森病患者的特定受试者优化权重。 - 我们通过证明所实现的模型在静息状态下显示出生物学上合理的动态来提供概念证明，包括虚拟患者的丘脑活动减少，以及虚拟深部脑刺激期间的丘脑活动正常化和主要在额叶区域的分布改变的皮层活动。 - 所提出的联合仿真模型可用于为个别患者定制深部脑刺激。摘要深部脑刺激 (DBS) 已成功应用于各种神经退行性疾病，作为一种有效的对症治疗。然而，它在大脑网络中的作用机制仍然知之甚少。许多虚拟 DBS 模型将基底神经节周围的子网络及其动态分析为脉冲网络，其细节由实验数据验证。然而，连接组学证据表明 DBS 的广泛影响影响了许多不同的皮质和皮质下区域。从临床角度来看，除了运动影响之外，DBS 的各种影响也已得到证实。神经信息学平台虚拟大脑 (TVB) 提供了一个建模框架，使我们能够虚拟地执行刺激（包括 DBS），并在进行 DBS 导线置入的侵入性手术之前从动态系统的角度预测结果。为了准确预测 DBS 的影响，我们实施了一个详细的基底神经节脉冲模型，并通过我们之前开发的联合仿真环境将其与 TVB 相结合。这
鉴定人类神经发育中 FMR1 调控的分子网络
RNA 结合蛋白 (RNA-BP) 在发育和疾病中起着调节基因表达的关键作用。然而，在人类原代细胞中全基因组识别它们的靶标一直具有挑战性。在这里，我们应用了一种改进的 CLIP-seq 策略来识别 FMRP 翻译调节因子 1 (FMR1) 的全基因组靶标，这是一种富含大脑的 RNA-BP，其缺乏会导致脆性 X 综合征 (FXS)，这是最常见的遗传性智力障碍。我们在人类背侧和腹侧前脑神经祖细胞以及从人类多能干细胞分化而来的兴奋性和抑制性神经元中发现了 FMR1 靶标。同时，我们在 FMR1 基因缺失后测量了相同四种细胞类型的转录组。我们发现 FMR1 优先与人类神经细胞中的长转录本结合。FMR1 靶标包括人类神经细胞独有的基因，并与 FXS 和自闭症的临床表型有关。使用图形扩散和 FMR1 CLIP-seq 和转录靶标的多任务聚类进行综合网络分析，揭示了 FMR1 在人类神经发育过程中调控的关键途径。我们的结果表明，FMR1 调节不同神经细胞类型之间的一组共同靶标，但也以细胞类型特异性的方式针对人类兴奋性和抑制性神经祖细胞和神经元中的不同基因组。通过定义分子子网络和验证特定的高优先级基因，我们确定了 FMR1 调节程序的新组件。我们的研究结果为人类神经发育中关键神经元 RNA-BP 的基因调控提供了新的见解。
基于多尺度 Inception 的深度融合网络用于眼电图眼动分类
摘要 — 准确地对眼动进行分类对于人机界面、睡眠分期和疲劳检测等各种实际应用都至关重要。然而，基于眼电图 (EOG) 的眼动分类 (EMC) 仍然具有挑战性，现有的解决方案在准确性方面仍然不是最优的。传统的基于机器学习 (ML) 的方法主要关注手工制作的特征，严重依赖于 EOG 分析的先验知识。此外，大多数现有的基于深度学习 (DL) 的方法仅仅专注于提取单尺度或多尺度特征，而不考虑不同层次特征的贡献，从而限制了模型学习判别表示的能力。为了解决上述问题，提出了一种新的基于多尺度 Inception 的深度融合网络 (MIDF-NET)，由并行 CNN 流和多尺度特征融合 (MSFF) 模块组成，用于从原始 EOG 信号中提取信息特征。并行的 CNN 流可以有效地提取 EOG 的多尺度表示，而 MSFF 模块融合了这些特征，利用了低级和高级多尺度特征。在 5 个公共 EOG 数据集（50 名受试者和 59 条记录）上进行了全面的实验，包含 5 种眼球运动（眨眼、向上、向下、向右和向左）。还实现了最先进的基于 EOG 的眼球运动方法，包括经典机器学习模型和深度网络，以供比较。实验结果表明，我们的 MIDF-NET 在 5 个公共数据集中实现了最高的准确率（87.7%、86.0%、95.0%、94.2% 和 95.4%），优于最先进的方法，准确率显著提高。总之，提出的 MIDF-NET 可以根据特征融合子网络综合考虑多级特征，并通过增强的 EOG 表示有效地对眼球运动模式进行分类。
2024; 15(3): 632-644. doi: 10.7150/jca.89581 研究论文探索头颈部鳞状细胞癌的预后免疫微环境相关基因
目的：头颈部鳞状细胞癌 (HNSCC) 具有较高的局部和远处转移率。在肿瘤组织中，肿瘤细胞与肿瘤微环境 (TME) 之间的相互作用与癌症的发展和预后密切相关。因此，筛选 HNSCC 中的 TME 相关基因对于了解转移模式至关重要。方法：我们的研究主要依赖于一种名为使用表达数据估计恶性肿瘤中的基质和免疫细胞 (ESTIMATE) 的新算法。从 TCGA 数据库中获取外显子模型每百万映射片段的每千碱基片段 (FPKM) 数据和 HNSCC 临床数据，并确定 HNSCC 组织的纯度以及基质和免疫细胞浸润的特征。此外，根据免疫、基质和 ESTIMATE 评分筛选差异表达基因 (DEG)，并评估它们的蛋白质-蛋白质相互作用 (PPI) 网络和 ClueGO 功能。最后，确定了 HNSCC 中与免疫相关的 DEG 的表达谱。在高侵袭性口腔癌细胞系 (SCC-25、CAL-27 和 FaDu) 和口腔癌组织中验证了差异基因表达。结果：我们的分析发现免疫和 ESTIMATE 评分均与 HNSCC 的预后显着相关。此外，使用 Venn 算法进行交叉验证显示 433 个基因显着上调，394 个基因显着下调。所有 DEG 都与 ESTIMATE 和免疫评分相关。使用通路富集分析观察到细胞因子-细胞因子受体相互作用和趋化因子信号通路的富集。在分析了 PPI 网络的关键子网络后，我们初步筛选了 25 个基因。生存分析揭示了 CCR4、CXCR3、P2RY14、CCR2、CCR8 和 CCL19 与生存的关系以及它们与 HNSCC 中免疫浸润相关转移的关系。结论：使用 ESTIMATE 对基质和免疫细胞进行评分后，筛选了相关 TME 相关基因的表达谱，并确定了与生存相关的 DEG。这些 TME 相关基因标记物可作为 HNSCC 中的预后指标和指示转移性状的标记物，具有宝贵的实用性。