XiaoMi-AI文件搜索系统
World File Search System结构连接
大脑通讯
负责运动活动的大脑区域发生中风后，患者可能会失去控制身体某些部位的能力。随着时间的推移，一些患者几乎完全康复，而另一些患者则几乎完全康复。众所周知，病变体积、初始运动障碍和皮质脊髓束不对称会显著影响随时间推移的运动变化。最近的研究表明，残疾不仅来自局部结构变化，还来自区域间连接的广泛改变。考虑整个网络损伤而不是仅考虑局部结构改变的模型可以更准确地预测患者的康复情况。然而，评估中风患者的白质连接具有挑战性且耗时。在这里，我们在 37 名患者的数据集中评估了我们是否可以通过使用患者的病变掩模在 60 个健康流线型纤维束成像连接组中引入虚拟病变而获得的大脑连接测量来预测上肢运动恢复。这种对中风对整个大脑连接组影响的间接估计比通过磁共振成像获得的结构连接直接测量更容易获得。我们将这些指标添加到基准结构特征中，并使用岭回归正则化来预测受伤后 3 个月的运动恢复情况。正如假设的那样，与基准特征 (R 2 = 0.38) 相比，预测准确度显著提高 (R 2 = 0.68)。这种改进的恢复预测可能对临床护理有益，并可能允许更好地选择干预措施。
大脑通讯 - 信息科学
负责运动活动的大脑区域发生中风后，患者可能会失去控制身体某些部位的能力。随着时间的推移，一些患者几乎完全康复，而另一些患者则几乎完全康复。众所周知，病变体积、初始运动障碍和皮质脊髓束不对称会显著影响随时间推移的运动变化。最近的研究表明，残疾不仅来自局部结构变化，还来自区域间连接的广泛改变。考虑整个网络损伤而不是仅考虑局部结构改变的模型可以更准确地预测患者的康复情况。然而，评估中风患者的白质连接具有挑战性且耗时。在这里，我们在 37 名患者的数据集中评估了我们是否可以通过使用患者的病变掩模在 60 个健康流线型纤维束成像连接组中引入虚拟病变而获得的大脑连接测量来预测上肢运动恢复。这种对中风对整个大脑连接组影响的间接估计比通过磁共振成像获得的结构连接直接测量更容易获得。我们将这些指标添加到基准结构特征中，并使用岭回归正则化来预测受伤后 3 个月的运动恢复情况。正如假设的那样，与基准特征 (R 2 = 0.38) 相比，预测准确度显著提高 (R 2 = 0.68)。这种改进的恢复预测可能对临床护理有益，并可能允许更好地选择干预措施。
学习大脑结构-功能耦合的相似性保留表征
摘要 网络神经科学的图形信号处理方面的进步为整合大脑结构和功能提供了一条独特的途径，目的是揭示大脑在系统层面的一些组织原则。在这个方向上，我们开发了一个监督图形表示学习框架，通过图形编码器-解码器系统对大脑结构连接 (SC) 和功能连接 (FC) 之间的关系进行建模。具体来说，我们提出了一种配备图形卷积编码器的暹罗网络架构，以学习图形（即主题）级嵌入，以保留大脑网络之间与应用相关的相似性度量。这样，我们有效地增加了训练样本的数量，并通过规定的目标图形级距离带来了灵活性，可以合并额外的先验信息。虽然有关大脑结构-功能耦合的信息是通过从 SC 重建大脑 FC 隐式提取的，但我们的模型还设法学习保留输入图之间相似性的表示。学习到的表示的卓越判别能力在包括主题分类和可视化在内的下游任务中得到了证明。总而言之，这项工作通过利用度量数据分析的标准工具，倡导利用学习到的图形级、相似性保留嵌入进行脑网络分析的前景。索引术语 Ð脑连接组学、图形表示学习、孪生网络、图形卷积网络。
中风康复后电动机执行网络的结构连通性变化
摘要。背景：尽管很少有研究测试了干预后的结构连通性变化，但它仅反映了运动网络中选择的关键大脑区域。因此，对与运动恢复过程相关的结构连通性变化的理解尚不清楚。目的：本研究调查了在使用图理论方法的中风理论方法后，低频重复转颅磁刺激（LF-RTMS）（LF-RTMS）和强化职业治疗（OT）的结合干预调查了运动执行网络的结构连通性变化。方法：56名中风患者接受了FUGL-MEYER评估（FMA），狼运动功能测试功能量表（WMFT-FAS），扩散张量成像（DTI）和T1加权成像前后。我们使用结构连接组检查了与二十个大脑区域有关的图理论测量。结果：中风后干预后的ipsiles和对侧半球显示出结构连通性的变化。我们发现，额头内的区域核心和淋巴结效率显着提高，并且在ipsilesital thalamus中的程度中心性和淋巴结效率降低。在库纳斯，中心后，前中央回和ipsilesiles hemisphere的网络测量和临床评估之间发现了相关性。相反区域，例如尾状，小脑和额叶，也显示出显着的相关性。结论：这项研究有助于扩展对LF-RTMS和中风后大量OT的运动恢复过程中两个半球网络的结构连通性变化的理解。
利用多模态图变换器揭示连续大脑动态组织
摘要：大脑大规模动力学受到内在解剖基础异质性的制约。人们对时空动力学如何适应异质结构连接 (SC) 知之甚少。现代神经成像模式使得研究秒到分钟尺度的内在大脑活动成为可能。扩散磁共振成像 (dMRI) 和功能性 MRI 揭示了不同大脑区域的大规模 SC。电生理方法 (即 MEG/EEG) 提供神经活动的直接测量，并表现出复杂的神经生物学时间动态，而这是 fMRI 无法解决的。然而，大多数现有的多模态分析方法在空间或时间域中折叠大脑测量值，无法捕捉时空电路动态。在本文中，我们提出了一种新颖的时空图 Transformer 模型来整合空间和时间域中的结构和功能连接。所提出的方法使用多模态脑数据（即 fMRI、MRI、MEG 和行为表现）通过对比学习和基于多头注意的图 Transformer 来学习异构节点和图表示。所提出的对比图 Transformer 表示模型结合了受 T1 到 T2 加权（T1w/T2w）约束的异构图，以提高模型对结构功能相互作用的拟合度。使用多模态静息态脑测量的实验结果表明，所提出的方法可以突出大规模脑时空动态的局部特性，并捕捉功能连接和行为之间的依赖强度。总之，所提出的方法能够对不同的模态变体进行复杂的脑动力学解释。
严重程度依赖性间歇性白质连接性预测中风后忽视恢复
左侧的空间忽视是右hemespheric中风后的一个非常普遍且充满挑战的问题，这对日常生活行为和中风幸存者的恢复产生了强烈和负面影响。空间疏忽恢复的基础机制仍然存在，尤其是关于完整的，对侧半球的参与，其潜在贡献范围从适应不良到补偿性。在本期前瞻性，观察性研究中，我们评估了54名右派中风患者（32名男性； 22名女性）的忽视严重程度，并从住院神经居住居住和出院时。我们证明，由个别病变引起的最初忽视严重程度和幸免的白质（DIS）的相互作用（如扩散张量成像，DTI所评估）解释了卒中后忽视恢复的一定部分。在轻度受损的患者中，病变半球内的幸运结构连通性足以达到良好的恢复。相反，在严重损害的患者中，成功恢复在很大程度上取决于完整半球和半球之间的结构连通性。这些独特的模式是由它们各自的白质连接所介导的，可能有助于调和有关相对于半球的作用，以补偿是否完全补偿性。相反，他们提出了一个统一的观点，其中相对于半球可以（但不一定）扮演补偿性作用。这将取决于最初的损害严重程度和可用的，宽敞的结构连接性。将来，我们的发现可能是忽视恢复并指导患者量身定制的治疗方法的前卫生物标志物。
建立联系：青春期早期不良经历后大脑连接发生的神经发育变化
不良童年经历与成年后的不良心理健康结果有关。本研究探讨了逆境和心理健康结果之间的潜在神经发育途径：大脑连接。我们使用了前瞻性、纵向青少年大脑认知发展 (ABCD) 研究的数据（N ≍ 12.000，参与者年龄 9-13 岁，男性和女性），并使用白质束的分数各向异性 (FA) 评估了大脑的结构连接。建模的不良经历包括家庭冲突和创伤经历。K 均值聚类和潜在基础增长模型用于根据大脑连接的总体水平和轨迹确定子组。多项回归用于确定聚类成员资格和不良经历之间的关联。结果表明，家庭冲突越高，脑束（例如，t (3) = − 3.81，β = − 0.09，p bonf = 0.003）和胼胝体（CC）、穹窿和丘脑前部放射（ATR）内的 FA 水平就越高。两个脑成像时间点的 FA 轨迹下降与较低的社会经济地位和社区安全有关。社会经济地位与脑束（例如，t (3) = 3.44，β = 0.10，p bonf = 0.01）、CC 和 ATR 内的 FA 相关。社区安全与穹窿和 ATR 中的 FA 相关（例如，t (1) = 3.48，β = 0.09，p bonf = 0.01）。不良经历与大脑发育之间存在着复杂而多方面的关系，其中青春期早期的不良经历与大脑连接有关。这些发现强调了研究早期儿童期以外的不良经历对于了解终身发展结果的重要性。
通过相图和模糊递归图探索大脑功能中的非线性动力学
自然界中发现的大部分复杂性和多样性都是由非线性现象驱动的，这对于非线性动力学与大脑之间的关系也是如此。计算机模拟表明，包括大脑在内的许多生物系统都表现出近乎混乱的行为。非线性动力学理论已成功地从生物物理学的角度解释了大脑功能，统计物理学领域在理解大脑连接和功能方面继续取得实质性进展。本研究使用生物物理非线性动力学方法深入研究复杂的大脑功能连接。我们的目标是发现高维和非线性神经信号中隐藏的信息，希望提供一种有用的工具来分析功能复杂网络中的信息转换。通过利用相图和模糊递归图，我们研究了复杂大脑网络功能连接中的潜在信息。我们的数值实验包括合成线性动力学神经时间序列、物理上真实的非线性动力学模型和生物物理上真实的神经质量模型，结果表明，相图和模糊递归图对神经动力学的变化高度敏感，并且它们还可用于根据结构连接预测功能连接。此外，结果表明，神经元活动的相轨迹编码低维动力学，相图形成的极限环吸引子的几何特性可用于解释神经动力学。此外，我们的结果表明，相图和模糊递归图可以使用真实的 fMRI 数据捕捉大脑中的功能连接，并且这两个指标都能够捕捉和解释特定认知任务期间的非线性动力学行为。总之，我们的研究结果表明，相图和模糊递归图可以作为非常有效的功能连接描述符，为大脑中的非线性动力学提供有价值的见解。
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。
脑电图数据中的连接分析：最新技术和新兴趋势的教程回顾
摘要：了解人类大脑不同区域如何相互沟通是神经科学中的关键问题。结构、功能和有效连接的概念已被广泛用于描述人类连接组，包括大脑网络、其结构连接和功能相互作用。尽管高空间分辨率成像技术（如功能性磁共振成像 (fMRI)）被广泛用于绘制这种复杂的多重相互作用网络，但脑电图 (EEG) 记录具有高时间分辨率，因此非常适合描述神经激活和连接的空间分布和时间动态模式。在这项工作中，我们提供了技术说明和最常用的数据驱动方法的分类，以评估大脑功能连接，旨在研究记录的 EEG 信号之间的统计依赖关系。在时间、频率和信息论领域，我们以利弊分析的方式讨论了不同的成对和多变量以及有向和无向连接指标。通过建立这三个框架中的指标之间的概念和数学关系以及讨论新方法，读者可以深入研究复杂网络中功能连接推断的问题。此外，本文还讨论了描述扩展连接形式（例如高阶交互）的新兴趋势，以及探索由所提出的指标提供的连接网络拓扑属性的图论工具。本文回顾了对 EEG 数据的应用。此外，本文还认识并讨论了源定位的重要性以及信号采集和预处理技术（例如滤波、源定位和伪影抑制）对连接估计的影响。通过阅读本综述，读者可以深入了解研究大脑功能连接和学习的整个 EEG 预处理和分析过程，从而利用新方法和新途径来解决复杂网络中连接推断的问题。