XiaoMi-AI文件搜索系统
World File Search System枕叶
智能家居系统 (SHS) 中用户体验的神经生理相关性：来自脑电图和自主神经测量的首个证据
家庭自动化将技术、工程和用户体验 (UX) 融为一体。在此框架内，甚至神经科学也可以成为探索用户体验的宝贵学科。在这项研究中，我们首次使用神经科学方法强调了家庭自动化对用户认知和情感行为的一些独特影响。为了确定智能家居系统 (SHS) 对用户体验的可能影响，我们采用了神经科学多方法，目的是记录和对照 19 名个体在静息状态 (RS) 基线期间的神经活动 (脑电图，EEG) 和自主神经系统反应，并探索家庭自动化环境中的五个不同的技术互动区域。EEG 结果显示，当参与者探索面对 RS 的技术区域时，α 波段活动反映了普遍的神经激活。与额叶和顶枕叶区域相比，δ 波段主要存在于颞中部，并被解释为与整个用户体验相关的更高情绪激活。与 RS 相比，第六个技术互动区域（即卧室）也发现了这种影响，这应该代表着对更高多感官互动区域的情绪反应和整合处理增强。至于自主活动，与 RS 相比，卧室区域的心率 (HR) 有所增加，因此显示出对这一引人入胜的技术区域的生理指标有特定的影响。本研究是首次尝试从神经科学的角度了解用户对 SHS 的认知和情感参与反应。将根据神经生理学结果描述从这种方法中获得的一些高价值益处。
催眠暗示性越高，脑电图信号在 θ、α 和 β 频带中的变异性就越低
脑电图 (EEG) 时间序列的不同频带所反映的神经元群体放电率信息变化为大脑对催眠暗示性神经反应的变化提供了直接证据。然而，要找到一种有效的神经元群体放电行为生物标记物却是一个难以捉摸的问题，其影响在文献中得到了截然不同的结果。在本文中，我们从信息论的角度分析了催眠暗示过程中大脑活动的 EEG 时间序列，从而捕捉了大脑神经活动模式在信息内容方面的变化。为此，我们利用了 14 通道 EEG 时间序列记录的 θ、α 和 β 频带的差分熵 (DE，即连续时间序列中的平均信息内容)，这些记录涉及 12 个精心挑选的高和低催眠暗示性个体的大脑神经反应。我们的结果表明，催眠暗示性越高，θ、α 和 β 频率信息内容的变异性就越低。此外，研究还表明，这种较低的变异性伴随着 θ 和 α 频带中顶叶和顶枕叶区域的功能连接 (FC，一种时空同步的量度) 显著增加，而 β 频带中中央区域的 FC 则不显著降低。我们的研究结果对该领域做出了两方面的贡献。首先，它们确定了 DE 的适用性，这是一种统一的量度，可以重现文献中通过调整不同的催眠生物标志物分别报告的类似观察结果。其次，他们将先前基于中性催眠（即一种催眠过程，不涉及除了被催眠之外的其他具体暗示）的研究结果扩展到催眠暗示的情况，从而将其存在确定为催眠体验的潜在特征。
使用功能近红外光谱
情感解码是使用大脑信号测量方法推断人类情绪状态的推断。这种方法对于开发精神病疗法的新治疗方法至关重要，例如情感神经反馈方案。为了减少训练持续时间并优化临床输出，可以使用独立的志愿者组的数据来训练理想的临床神经反馈，然后再被新患者使用。在这里，我们研究了是否可以使用来自额叶和枕叶区域的功能近红外光谱（FNIRS）信号来实现这种独立的情感解码设计。为此，首先在数据集中对线性判别分析分类器进行了训练（49个参与者，24.65±3.23岁），然后在完全独立的一个（20名参与者，24.00±3.92岁）中进行了测试。在正面与负面（64.50±12.03％，p <0.01）和阴性与中性（68.25±12.97％，p <0.01）的情感状态歧视（68.25±12.97％，p <0.01）之间，发现了类别之间的显着平衡精度。对于一个主动区块，指示志愿者回忆起个人亲切经验，发现正面和中性影响分类的明显精度（71.25±18.02％，p <0.01）。在最后一个情况下，只有三个FNIRS通道足以在中性和积极的情感状态之间折磨。尽管需要进行更多的研究，例如重点关注特征和分类器的更好组合，但我们的结果突出了FNIRS作为独立于主题的情感解码的一种可能的技术，仅使用少数但是具有生物学上相关的特征来达到情绪状态的显着分类精度。
手动运动中皮质肌肉耦合的探索
抽象目标。这项研究的主要目的是研究皮质肌肉，皮质内和肌间耦合。在此，我们建立了一个Cortico-Muscular功能网络（CMFN），以评估与制作拳头，张开手和手腕屈曲相关的网络差异。方法。我们使用转移熵（TE）来计算脑电图和肌电图数据之间的因果关系，并建立了TE连接矩阵。然后，我们应用了图理论来分析CMFN的聚类系数，全局效率和小世界属性。我们还使用hulief-f来提取beta2频段的TE连接矩阵的特征，以进行不同的手动运动，并在使用此功能进行动作识别时观察到高精度。主要结果。我们发现，Beta频段中三个动作的CMFN具有小世界属性，其中Beta2频段的小世界更强大。此外，我们发现提取的特征主要集中在左额叶区域，左运动区域，枕叶和相关肌肉中，这表明CMFN可用于评估与不同手动运动相关的皮层和肌肉之间的耦合差异。总体而言，我们的结果表明，Beta2（21-35 Hz）波是皮质和肌肉之间的主要信息载体，并且可以在Beta2频段中使用CMFN来评估皮质肌肉耦合。意义。我们的研究初步探讨了与手动运动相关的CMFN，提供了有关皮质和肌肉之间信息传播的其他见解，从而为中风患者的病理学皮质区域奠定了基础。
绝对音调脑电图静息态脑网络的异质性
绝对音高 (AP) 是指无需外界参考即可轻松识别乐音的能力，其神经基础尚不清楚。关键问题之一是这一现象背后是感知过程还是认知过程，因为感觉和高级大脑区域都与 AP 有关。为了整合对 AP 的感知和认知观点，我们在此研究了感觉和高级大脑区域对 AP 静息态网络的共同贡献。我们对大量 AP 音乐家 (n = 54) 和非 AP 音乐家 (n = 51) 的源级 EEG 进行了全面的功能网络分析，采用两种分析方法：首先，我们应用基于 ROI 的分析来检查听觉皮层和背外侧前额叶皮层 (DLPFC) 之间的连接，使用几种已建立的功能连接测量方法。这项分析重复了之前的一项研究，该研究报告了 AP 音乐家这两个区域之间的连接增强。其次，我们对相同的功能连接测量进行了基于全脑网络的分析，以更全面地了解可能涉及支持 AP 能力的大规模网络的大脑区域。在我们的样本中，基于 ROI 的分析没有提供听觉皮层和 DLPFC 之间 AP 特定连接增加的证据。全脑分析显示，AP 音乐家的三个网络连接增加，包括额叶、颞叶、皮层下和枕叶区域的节点。在感觉和大脑周边区域的高级区域都发现了网络的共同点。需要进一步研究来证实这些探索性结果。
通过变异分析检测阿尔法波的闭眼活动
已经开发了多种技术来帮助和改善瘫痪和严重运动障碍患者的交流。BCI 是一种不依赖于大脑正常的周围神经和肌肉输出通路的通信系统。在 UFES/巴西，我们正在开发一种基于诱发视觉刺激的自动驾驶汽车 BCI 系统（Castillo 等人 2013），这可能会导致视觉疲劳。一个很好的替代方法是通过用户命令切换 BCI，该命令可以通过闭眼来执行。这样，就采用了脑电图信号 (EEG)，其中包含允许检测闭眼的信息。通过频率范围为 8 Hz 至 13 Hz 的 alpha 波分析，可以在枕叶上感知眼睛睁开和闭眼活动。alpha 波的高能量对应于清醒受试者的闭眼（90% 的健康和残疾人士）（Alaraj 和 Fukami 2013）。阿尔法波已被用于操作电子设备，然而，与睁眼（EO）和闭眼（EC）相关的自动识别并不是一件容易的事，因为阿尔法波的带宽受自然变化和电噪声以及肌肉伪影的影响。已经开发出几种自动检测阿尔法波的方法，例如：模拟滤波和平滑（AFS）、峰值检测和计数、功率谱分析、分形维数、KM2O-Langevin 和近似熵（Kirkup 等人 1998 年、Craig 等人 2005 年、Sakai 等人 2010 年、Alaraj 和 Fukami 2013 年）。所有上述方法都使用取决于每个受试者和实验条件的阈值作为参考。这项工作的目的是提出一种基于 EEG 阿尔法波变化信息的自动方法，用于识别清醒受试者的闭眼事件，以激活 BCI。
使用机器学习方法和 LIME 的可解释 EEG 人类活动识别模型
摘要：脑电图 (EEG) 是一种非侵入性方法，通过监测认知和运动任务期间的神经反应来辨别人类行为。机器学习 (ML) 是一种很有前途的人类活动识别 (HAR) 工具，可解释人工智能 (XAI) 可以阐明 EEG 特征在基于 ML 的 HAR 模型中的作用。本研究的主要目的是调查基于 EEG 的 ML 模型对日常活动（例如休息、运动和认知任务）进行分类的可行性，并通过 XAI 技术对模型进行临床解释，以阐明对不同 HAR 状态贡献最大的 EEG 特征。该研究涉及对 75 名健康个体的检查，这些个体之前没有神经系统疾病的诊断。在静息状态、两种运动控制状态（行走和工作任务）和认知状态（阅读任务）期间获得了 EEG 记录。电极被放置在大脑的特定区域，包括额叶、中央叶、颞叶和枕叶（Fz、C1、C2、T7、T8、Oz）。使用 EEG 数据训练了几种 ML 模型以进行活动识别，并采用 LIME（局部可解释模型不可知解释）对 HAR 模型中最具影响力的 EEG 频谱特征进行临床解释。HAR 模型的分类结果，尤其是随机森林和梯度提升模型，在区分所分析的人类活动方面表现出色。ML 模型在人类活动识别方面表现出与 EEG 频谱带的一致性，这一发现得到了 XAI 解释的支持。总之，将可解释人工智能（XAI）纳入人类活动识别（HAR）研究可能会改善患者康复、运动意象、医疗保健元宇宙和临床虚拟现实设置的活动监测。
40岁的女性相关的复发性脑脓肿...
背景：心室间隔缺陷（VSD）是脑脓肿的关键危险因素之一。不受控制的氰基先天性心脏病病例中无硬性的血液将在逃避过滤机制并引起脑脓肿后进入大脑。案例：一名40岁的女性出现了为期两周的中度头痛，入院前四天严重恶化。神经系统表现包括注意力缺陷，构音障碍，右侧偏瘫和适当的面部麻痹。实验室发现表明白细胞增多和多余细胞症。超声心动图显示VSD。脑MRI与对比度表明左枕叶有单个脓肿病变。一项组织病理学检查证实了诊断。在住院期间服用抗生素，此后门诊治疗。一个月的随访揭示了新的症状和随后的手术切除。讨论：尽管采用了先进的诊断技术，但大脑脓肿仍然是一个具有挑战性且威胁生命的病例。不受控制的氰化心脏病可能是脑脓肿发生的基本危险因素。必须进行彻底的诊断检查以建立诊断。最佳的经验抗生素治疗是管理的基石。在抗生素治疗后，必须在大小尺寸降低或非最佳尺寸的病变中考虑一种手术方法。必须全面管理大脑脓肿及其病因，以降低复发率。结论：与不受控制的氰基先天性心脏病相关的脑脓肿需要涉及抗生素和手术的全面治疗。针对临床和每月成像评估的基本原因和具有成本效益的随访至关重要。关键词：脑脓肿，氰基心脏病，心室间隔缺陷
慢性饮酒后脑网络稳态的特征是功能去分化和缩小
酒精使用障碍 (AUD) 会导致大脑中复杂的改变，而这些改变目前尚不明确。饮酒模式的异质性和合并症的高发性影响了对 AUD 患者的机制研究。在这里，我们使用雄性马尔齐吉亚撒丁岛嗜酒 (msP) 大鼠（一种成熟的慢性饮酒动物模型）以及纵向静息态 fMRI 和锰增强 MRI 的组合，分别提供大脑连接和活动的客观测量。我们发现 1 个月的慢性饮酒改变了静息态网络之间的相关性。这种变化并不均匀，导致成对相互作用的重组和功能连接平衡的转变。我们确定了两种根本不同的网络重组形式。第一种是功能去分化，其定义为神经元活动和整体相关性的区域性增加，同时特定网络之间的优先连接性降低。通过这种机制，枕叶皮质区域失去了与感觉岛叶皮质、纹状体和感觉运动网络的特定相互作用。第二种是功能性狭窄，其定义为神经元活动增加和特定大脑网络之间的优先连接。功能性狭窄加强了纹状体和前额皮质网络之间的相互作用，涉及前岛叶、扣带回、眶额、前边缘和下边缘皮质。重要的是，这两种类型的改变在戒酒后仍然存在，这表明去分化和功能性狭窄导致持续的网络状态。我们的研究结果支持以下观点：长期饮酒，尽管是中度醉酒水平，也会引起大脑功能连接的稳态变化，并延续到戒酒初期。
使用多模态磁共振成像映射结构功能与年龄相关的连接变化对认知的影响
大脑结构连接 (SC) 和功能连接 (FC) 的年龄相关变化与认知之间的关系尚不清楚。此外，尚不清楚认知是通过相似的 FC 和 SC 空间模式表示的，还是通过不同的分布式连接模式集映射的。为此，我们使用了一种纵向的、受试者内的多模态方法，旨在将来自扩散加权磁共振成像 (DW-MRI) 和功能磁共振成像 (fMRI) 的大脑数据与行为评估相结合，以更好地了解 FC 和 SC 的变化如何与老年人样本中的认知变化相关。FC 和 SC 测量值来自在两个时间点获取的多模态扫描。使用偏最小二乘相关 (PLSC) 将 FC 和 SC 的变化与 13 个认知功能行为测量值相关联。其中两个测量值表明认知发生了与年龄相关的变化，其余测量值表明基线认知表现。 FC 和 SC—认知相关性在多种认知测量中都有体现，许多结构性和功能性皮质连接（主要是扣带回-岛叶、背外侧前额叶、躯体感觉和运动以及颞顶枕叶）对大脑-行为关系既有积极影响，也有消极影响。全脑 FC 和 SC 捕捉到了与认知测量相关的独特且独立的连接。总体而言，我们使用多模态方法，以全面综合的方式研究了与年龄相关的大脑功能结构关联。我们指出了与年龄相关的 FC 和 SC 变化的行为相关性。总之，我们的研究结果强调，分布式 FC 和 SC 连接模式的异质性提供了有关健康认知老化多变性质的独特信息。