XiaoMi-AI文件搜索系统
World File Search System扣带回
皮质铁积累作为临床认知障碍谱系神经退行性疾病的影像标记：定量磁化率映射
目的：最近有研究表明阿尔茨海默病 (AD) 会出现皮质铁沉积。在本研究中，我们旨在评估使用定量磁敏感度映射 (QSM) 测量的皮质灰质铁在临床认知障碍谱中的差异。材料和方法：这项回顾性研究评估了 73 名认知正常 (NC) 的参与者（平均年龄±标准差，66.7±7.6 岁；52 名女性和 21 名男性）、158 名轻度认知障碍 (MCI) 患者和 48 名 AD 痴呆患者。参与者在 3-T 扫描仪上使用三维多动态多回波序列进行脑磁共振成像。我们采用了深度神经网络 (QSMnet+) 并使用基于 FreeSurfer v6.0 的自动分割软件来提取皮质中的解剖标签和感兴趣的体积。我们使用协方差分析来研究每个大脑区域临床诊断组之间的磁敏感度差异。采用多元线性回归分析研究敏感性值与简易精神状态检查表（MMSE）等认知评分之间的相关性。结果：三组中，MCI 合并 AD 患者的额叶（P < 0.001）、颞叶（P = 0.004）、顶叶（P = 0.001）、枕叶（P < 0.001）和扣带皮层（P < 0.001）的平均敏感性高于 NC 患者。在 MCI 合并 AD 组中，在校正年龄、性别、受教育程度、区域体积和 APOE4 携带者状态后，扣带皮层（β = -216.21，P = 0.019）和岛叶皮层（β = -276.65，P = 0.001）的平均敏感性是 MMSE 评分的独立预测因子。结论：通过 QSMnet+ 测量，AD 和 MCI 患者的皮质铁沉积高于 NC 参与者。扣带回和岛叶皮质中的铁沉积可能是认知障碍相关神经变性的早期影像学标志。关键词：铁；定量评估；认知障碍；磁共振成像
一个大脑网络支持人类决策中的社会影响
人类从自己的试用经验中学习并观察他人。但是，在不确定的环境中直接学习和社会学习并存时，脑电路如何计算预期价值。使用多人奖励学习范式与185名参与者（39名被扫描）实时使用，我们观察到，在面对不同意的信息时，个人屈服于小组，但观察到信息会增加信心。利用计算建模和功能磁共振成像，我们通过经验和替代估值通过观察者及其可分离的估值以及它们可解散但相互作用的神经表示，但分别在腹膜前额叶皮层和前扣带回皮质中进行了相互作用。他们的功能性耦合与右颞叶交界处，反映瞬时社会信息实例化了迄今未经表征的社会预测错误，而不是奖励预测错误，而不是奖励预测错误。这些发现表明，涉及大脑奖励中心和社会枢纽的综合网络支持人类决策中的社会影响。
25
尽管有二十年的神经影像学研究，但尚未找到与自闭症谱系障碍（ASD）相关的结构变异模式的一致定义。一个潜在的阻碍问题可能是有时模棱两可地使用了灰质体积（GMV）或灰质con中心（GMC）的测量值。实际上，虽然两者都可以使用基于体素的形态学分析来计算，但它们可能反映了不同的潜在病理机制。我们进行了基于坐标的荟萃分析，使GMV分开并对ASD受试者进行GMC研究。结果显示了两种度量的明显和非重叠模式。GMV降低在小脑中很明显，而GMC的降低主要在时间和额叶区域发现。GMV的增加，而在前扣带回皮层和中部额回中，GMC增加了。年龄分层的分析表明，这种变化在ASD寿命中是动态的。目前的发现强调了将GMV和GMC视为自闭症研究中不同但协同指数的重要性。
Tylaska 目录 - Upffront.com
高级微积分如何打造更好的卸扣？Tylaska 卸扣经过精心设计，并使用最新的有限元 CAD 软件进行了计算机优化。航空级 17-4 PH 不锈钢结构使 Tylaska 卸扣具有极高的强度重量比。美国制造的卸扣经过精密设计，接近军用规格。Tylaska 的专利数学曲率释放机制使卸扣即使在巨大负载下也可以轻松打开。
利福昔明调节雄性大鼠大脑和外周组织中 TRH 和 TRH 样肽的表达
摘要背景：背迷走神经复合体神经元内的 TRH/TRH-R1 受体信号通路是脑肠轴的重要介质。心理健康和对各种神经病变（如自闭症、注意力缺陷多动障碍、阿尔茨海默病和帕金森病、重度抑郁症、偏头痛和癫痫）的预防都受到肠道微生物群的影响，并由迷走神经介导。抗生素利福昔明 (RF) 不会穿过肠血屏障。它改变了肠道微生物群的组成，从而对旅行者腹泻、肝性脑病和前列腺炎具有治疗作用。 TRH 和 TRH 样肽的结构为 pGlu-X-Pro-NH 2 ，其中“X”可以是任何氨基酸残基，具有增强生殖、限制热量、抗衰老、胰腺 β 细胞、心血管和神经保护作用。TRH 和 TRH 样肽不仅存在于整个中枢神经系统，还存在于外周组织中。为了阐明 TRH 样肽在脑-肠-生殖系统相互作用中的作用，将 16 只雄性 Sprague–Dawley 大鼠（203 ± 6 克）分成 4 组（n = 4/组）：对照组（CON）继续随意进食 Purina 啮齿动物饲料和水 10 天直至断头；急性组（AC）连续 24 小时接受 150 毫克 RF/kg 粉状啮齿动物饲料，为 200 克大鼠提供 150 毫克 RF/kg 体重；慢性组（CHR）动物接受 RF 10 天；戒断组（WD）大鼠接受 RF 8 天，然后接受正常饲料 2 天。结果：响应 RF，整个大脑和外周组织中的 TRH 和 TRH 样肽水平发生显著变化。 RF 治疗导致脑内 TRH 和 TRH 样肽水平发生显著变化的部位数量，按降序排列为：延髓 (16)、梨状皮质 (8)、伏隔核 (7)、额叶皮质 (5)、纹状体 (3)、杏仁核 (3)、内嗅皮质 (3)、前扣带回 (2) 和后扣带回 (2)、海马 (1)、下丘脑 (0) 和小脑 (0)。外周组织相应的排序为：前列腺 (6)、肾上腺 (4)、胰腺 (3)、肝脏 (2)、睾丸 (1)、心脏 (0)。结论：TRH 和 TRH 样肽表达对 RF 治疗的敏感性，特别是在延髓和前列腺中，与这些肽参与 RF 的治疗作用一致。关键词：TRH、利福昔明、延髓、皮质、前列腺、肾上腺
自闭症儿童的记忆力障碍的可复制模式及其与超连接的脑电路的联系
抽象背景：记忆力障碍对自闭症谱系障碍（ASD）儿童（ASD）的儿童具有深远的影响。然而，ASD儿童和潜在的神经回路机制的记忆功能障碍的确切性质仍然很少了解。默认模式网络（DMN）是一个与内存和认知功能相关的大脑网络，而DMN功能障碍是ASD最可复制和强大的大脑签名之一。方法：我们使用了25至8至12岁的ASD儿童和29个匹配的25岁至12岁儿童的全面电池，并进行了功能电路分析，通常会发展为对照儿童。结果：与对照儿童相比，ASD儿童的记忆表现降低。一般和面部记忆作为ASD中记忆困难的不同维度出现。重要的是，在2个独立的数据集中复制了ASD儿童的情节记忆减少的发现。与DMN相关的内在功能电路的分析表明，一般和面部存储器的定义与独特的，超连接的电路相关：异常的海马连接性预测的一般记忆减少了一般记忆，而异常的后扣cottorex Cortex Cortex Cortex Cortucation Cortex Cortucation CORTUCTION CORTEX CORTIONS CORTURACE CORTISED预测的面部记忆则减小。值得注意的是，异常的海马 - 后扣带回皮层电路是ASD中一般和面部记忆减少的常见特征。这些发现突出显示了ASD中DMN功能障碍的作用，该功能扩展到了面部内存超出一般内存函数。结论：我们的结果代表了对ASD儿童的情节记忆功能的全面评估，并确定了与不同与DMN相关电路的功能障碍有关的ASD儿童的广泛可复制模式。
以并行或串行模式执行的高效功能性磁共振成像神经反馈训练中策略执行和反馈处理的大脑网络
神经反馈 (NF) 是一种复杂的学习场景，因为任务包括尝试心理策略，同时处理反馈信号，该反馈信号表示大脑区域被激活，需要自我调节并充当潜在的奖励信号。为了剖析这些子组件，我们在两种范式中获得了与有效自我调节相关的全脑网络：并行，其中任务是同时执行的，将反馈与策略执行相结合；串行，其中任务是连续执行的，将反馈处理与策略执行分开。20 名参与者在 2 周的 18 个疗程中尝试使用功能性磁共振成像 (fMRI) NF 控制他们的前中扣带皮层 (aMCC)，使用认知和情感心理策略。我们分析了串行和并行范式中 aMCC 激活最大的 NF 训练运行中的全脑 fMRI 激活。串行范式中策略执行和反馈处理周期的相等长度允许以相等的功率描述两个任务子组件。得到的激活图与功能注释的内在连接脑图 (BM) 在空间上相关。平行条件下的大脑激活与基底神经节 (BG) 网络、扣带回-岛叶网络 (CON) 和额顶叶控制网络 (FPCN) 相关；串行策略执行条件下的大脑激活与默认模式网络 (DMN)、FPCN 和视觉处理网络相关；而串行反馈处理条件下的大脑激活主要与 CON、DMN 和 FPCN 相关。额外的比较表明，BG 激活是平行范式的特征，而超缘回 (SMG) 和颞上回 (STG) 激活是串行范式的特征。
使用机器学习识别儿童自闭症谱系障碍诊断的神经解剖学和行为特征
自闭症谱系障碍（ASD）是一种神经发育障碍，可以引起明显的社会，沟通和行为挑战。对ASD的诊断很复杂，迫切需要识别与ASD相关的生物标志物和功能，以帮助自动化诊断并开发预测性ASD模型。本研究采用了一种新型的进化算法，即连接子句进化算法（CCEA），以选择具有和没有ASD的个体的个体最重要的特征，并且能够容纳具有少量样品具有大量特征测量值的数据集。数据集是独一无二的，包括从7到14岁的28名儿童进行的行为和神经膜的测量。所鉴定的潜在生物标志物候选物包括大脑体积，面积，皮质厚度和平均曲率在扣带回皮质，额叶皮层和颞顶结周围的特定区域中，以及与心理理论相关的行为特征。使用单独的机器学习分类器（即k-nearest邻居算法）来验证CCEA特征选择和用于ASD预测。研究结果表明，机器学习工具如何有助于改善ASD的诊断和预测模型。
使用正/负面情绪Atlas
饮食中与健康个体积极和负面情绪相关的激活区域，从而创造了积极的情绪地图集（豌豆）和负面情绪地图集（NEA）。，我们使用这些地图集检查了抑郁症患者的神经影像变化，并根据机器学习评估了他们的诊断性能。结果：我们的发现表明，基于PEA和NEA的抑郁症患者的分类准确性超过0.70，与整个脑图相比，这是一种提高。此外，ALFF分析在NEA期间在八个功能簇中揭示了抑郁症患者与健康对照组之间的特殊差异，重点是左轴心，扣带回和上顶叶。在很重要的情况下，豌豆在15个簇中揭示了更明显的差异，其中涉及右fu型回，帕拉希帕克胶回和下顶叶下叶。结论：这些发现使情绪调节和抑郁症之间的复杂相互作用揭示了抑郁症患者的PEA和NEA的显着变化。这项研究增强了我们对抑郁症中情绪调节的理解，对诊断和治疗评估产生了影响。
国防部手册
图 D-14：Dzus 紧固件...................................................................................................... D-33 图 D-15：Tridair 紧固件...................................................................................................... D-33 图 D-16：翼形螺钉....................................................................................................... D-33 图 D-17：机器螺钉.................................................................................................... D-34 图 D-18：螺母或螺栓.................................................................................................... D-34 图 D-19：固定环.................................................................................................................... D-35 图 D-20：拉钩锁扣............................................................................................................. D-35 图 D-21：弹簧夹锁扣............................................................................................................. D-35 图 D-22：蝴蝶锁扣......................................................................................................... D-36 图 D-23：ATR 锁扣............................................................................................................. D-36 图 D-24：提起和转动锁扣............................................................................................................. D-36 图D-25：滑动锁闩......................................................................