XiaoMi-AI文件搜索系统
World File Search System脑区
研究发现冥想可以引起与记忆和情绪调节相关的深层大脑区域的变化
“传统上，使用头皮脑电图等标准方法研究人类的这些深层边缘大脑区域一直具有挑战性。我们的团队能够通过利用从独特患者群体收集的数据来克服这一挑战：癫痫患者通过手术植入设备，可以通过植入杏仁核和海马深处的电极进行慢性脑电图记录，”伊坎医学院生物医学科学研究生院神经科学博士生、论文第一作者克里斯蒂娜·马赫 (Christina Maher) 表示。
带有感冒症状的视频可激活大脑区域并引发免疫反应
“与非感染者相比，对打喷嚏和生病的人的感知会激活前岛叶，这是大脑的一个区域，除其他外，它还参与内感受，即感知自身身体的生理反应，它代表了大脑和免疫系统之间的重要接口。此外，测试对象的 sIgA 释放量增加，与岛叶活动强度类似，”博士说。埃丝特·迪克霍夫 (Esther Diekhof)，汉堡大学生物系神经内分泌学工作组负责人，该研究的作者。 “这表明大脑的这个区域在控制体液免疫反应方面发挥着核心作用，体液免疫反应为口腔粘膜做好与预期病原体接触的准备，例如当有人在附近打喷嚏时。”
在大脑区域的异质电动机BOLD-FMRI反应表现出负大胆的脑血管反应性，表明窃取现象并不总是是由于耗尽的脑血管储备能力
简介：表现出负血氧水平的大脑区域，依赖性脑血管反应性（BOLD-CVR）对二氧化碳（CO 2）的反应被认为遭受了完全耗尽的自动调节性脑血管储备的能力和表现出血管窃取现象。如果此假设是正确的，那么在基于电动机的BOLD FMRI研究中，血管窃取现象的存在应随后导致相等的FMRI信号响应（代谢增加而不会增加由于耗尽的储备能力而增加的脑血流），而其他功能性的脑组织则在其他功能性脑组织中。为了调查这一前提，这项研究的目的是进一步研究表现出负BOLD CVR的大脑区域中基于电动机的BOLD-FMRI信号反应。Material and methods: Seventy-one datasets of patients with cerebrovascular steno-occlusive disease without motor defects, who underwent a CO 2 -calibrated motor task-based BOLD-fMRI study with a fingertapping para- digm and a subsequent BOLD-CVR study with a precisely controlled CO 2 -challenge during the same MRI ex- amination, were included.我们比较了双侧前后Gyri - i的BOLD-FMRI信号反应。 e。感兴趣的区域（ROI）与此ROI中的相应BOLD-CVR。使用对42个接受相同研究方案的健康个体的BOLD-FMRI任务研究的第二级组分析确定ROI。结果：BOLD-CVR的总体下降与ROI内BOLD-FMRI信号响应的降低有关。对于表现出阴性BOLD-CVR的患者，我们发现基于正电动机和负电动机的BOLD-FMRI信号反应。结论：我们表明，对CO 2的负CVR响应的存在与基于Motor的BOLD-FMRI信号反应有关，其中一些患者表现出更大的假定 - 负面BOLD-FMRI信号反应，而其他患者则表现出阳性的BOLD-FMRI信号反应。此发现可能表明
青少年早期 ReHo 和 fALFF 的遗传和环境影响在不同大脑区域存在差异
关于遗传和环境对大脑功能影响的研究通常侧重于大脑区域之间的联系。一种不同但尚未探索的方法是检查局部大脑区域内的活动。我们研究了基因和环境效应对局部大脑功能的两个特定指标的影响：区域同质性 (ReHo) 和低频波动分数振幅 (fALFF)。参与者两次从青少年双胞胎样本中抽取（平均年龄分别为 11.5 岁和 13.2 岁，N = 278 和 248）。结果表明，遗传和环境因素影响了几乎所有 210 个皮质区域的大脑功能。此外，影响第一波（9-14 岁）ReHo 和 fALFF 值的遗传和常见环境因素也影响了许多区域第二波（10-16 岁）的值。然而，遗传和常见环境因素的影响在整个皮质中各不相同，在不同区域表现出不同的模式。此外，我们发现第 2 波中新的（即独立的）遗传和环境影响大脑活动，同样具有区域模式。探索性分析发现焦虑和抑郁症状与颞叶几个区域的局部大脑功能之间存在微弱关联。这些发现与其他静息状态功能 MRI 指标（即功能连接）的类似研究一致。
在情感心理理论处理过程中，左侧内侧颞回和邻近脑区的激活与非临床人群的特质分裂症相关
1 University of Reims Champagne Ardenne, Cognition, Health, Society Laboratory, EA 6291, 51100 Reims, France 2 Reims Center for Psychotherapy and Neuromodulation, 51100 Reims, France 3 University Center of Psychiatry, EPSM and CHU of Reims, 51100 Reims, France 4 McGill University, Douglas Mental Health University Institute, 11290 Montreal, Canada 5 Champollion National University Institute, Cognition Sciences, Technology & Ergonomics Laboratory, University of Toulouse, 81000 Albi, France 6 INSERM U1247 GRAP, Research Group on Alcohol and Drugs, University of Picardie Jules Verne, 80000 Amiens, France 7 Radiology Department, Reims University Hospital, 51100 Reims, France 8 University of Reims Champagne-Ardenne, CReSTIC Laboratory, 51100法国兰斯 9 兰斯大学香槟 - 阿登医学院，51100 兰斯，法国 通讯地址：Ksenija Vucurovic，Laboratoire Cognition, Santé, Société（C2S - EA 6291），UFR Lettres et Sciences Humaines，57 rue Pierre Taittinger，Reims Cedex 51096，法国。电子邮件：kvucurovic@chu-reims.fr。
在心理处理的情感理论过程中激活左侧颞中心和邻近的大脑区域，与非临床人群中的性状精神分裂症相关
1 University of Reims Champagne Ardenne, Cognition laboratory, Health, Société, EA 6291, 51100 Reims, France 2 Center Rémois de Psychotherapie and Neuromodulation, 51100 Reims, France 3 University Pole of Psychiatry, EPSM and CHU de Reims, 51100 Reims, France 4 McGill University, Douglas Mental Health University Institute, 11290加拿大蒙特利尔5冠军国立大学研究所，认知科学，技术与人体工程学实验室，图卢兹大学，图卢兹大学，法国81000，阿尔比6 Inserm 6 Inserm U1247 grap，酒精和药物研究小组，Picardy Jules University of Picardy Jules Jules Verne，Verne，Verne Universe verne，80000 Amiens，80000 Amiens，France 7射线科学界，REIMS 5 REIMS 5 REIMS，51100 REIMS，51100，香槟 - 艾登（Champagne-Ardenne），克雷斯特实验室，法国51100雷姆斯9雷米斯大学香槟大学 - 阿尔登大学医学院，法国51100雷姆斯，应将其添加到ksenija vucurovic，ksenija vucurovic，实验室认知，société，société，société，c2s-ea 6291） Cedex 51096，法国。电子邮件：kvucurovic@chu-reims.fr。电子邮件：kvucurovic@chu-reims.fr。
通过多模态对比学习进行体内细胞类型和大脑区域分类
目前的电生理学方法可以追踪许多神经元的活动，但如果没有进一步的分子或组织学分析，通常无法知道记录的是哪些细胞类型或大脑区域。因此，开发准确且可扩展的算法来识别记录神经元的细胞类型和大脑区域对于提高我们对神经计算的理解至关重要。在这项工作中，我们开发了一种用于神经数据的多模态对比学习方法，可以针对不同的下游任务进行微调，包括推断细胞类型和大脑位置。我们利用这种方法联合嵌入单个神经元的活动自相关和细胞外波形。我们证明了我们的嵌入方法，通过多模态对比学习的神经元嵌入 (NEMO)，与监督微调相结合，实现了光标记视觉皮层数据集的最新细胞类型分类和公共国际脑实验室全脑图数据集的大脑区域分类。我们的方法代表着通过电生理记录准确进行细胞类型和大脑区域分类的迈出了有希望的一步。
通过血管和血管周围细胞分析揭示大脑区域间血脑屏障异质性的特征
血脑屏障 (BBB) 保护大脑并维持神经元稳态。不同大脑区域的 BBB 特性可能有所不同，以支持区域功能，但人们对 BBB 异质性如何发生了解甚少。在这里，我们使用单细胞和空间转录组学将小鼠正中隆起（一种具有天然渗漏血管的脑室周围器官）与皮质进行比较。我们在内皮细胞 (EC) 和血管周围细胞（包括星形胶质细胞、周细胞和成纤维细胞）中发现了数百种分子差异。使用电子显微镜和水基组织透明化方法，我们揭示了这些区域中 EC 和血管周围细胞的不同解剖特化和相互作用模式。最后，我们确定了候选的区域富集 EC-血管周围细胞配体-受体对。我们的结果表明，EC 中的分子特化和独特的 EC-血管周围细胞相互作用都导致了 BBB 功能异质性。该平台可用于研究其他区域的 BBB 异质性，并可能促进中枢神经系统区域特异性治疗的发展。
深度学习揭示帕金森病症状中关键脑区的动态作用
摘要：背景：帕金森病进展标志物计划发布了广泛的纵向解剖数据集，推动了旨在预测疾病发生和进展的机器学习研究的激增。然而，这些模型中使用的特征数量过多，往往掩盖了它们与帕金森病症状的关系。目标：本研究的目的有两个：（i）根据基线获得的大脑特征预测未来四年内的运动和认知障碍；（ii）从神经学角度解释负责不同症状的关键大脑区域的作用。方法：我们测试了几种深度学习神经网络配置，并报告了使用自动编码器深度学习模型在 5 倍交叉验证集上运行的最佳结果。与现有方法的比较：我们的方法改进了标准回归和其他方法的结果。它还包括神经影像生物标志物作为特征。结果：关键脑区对每种损伤的相对贡献随时间而变化，表明随着疾病的进展，罪魁祸首会动态地重新排序。具体来说，壳核最初是决定整体认知状态的最关键区域，直到后来才被黑质超越。苍白球是第一个影响运动得分的区域，其次是海马旁回和周围回，以及眶前回。结论：虽然区域性脑萎缩与帕金森症状之间的因果关系尚不清楚，但我们的方法表明，关键区域对认知和运动损伤的贡献比一般认为的更具动态性。
远程控制非人类灵长类动物深部脑区域的药物释放
在特定区域选择性释放药物将使许多科学和医学领域受益。聚焦超声激活的纳米颗粒药物载体（远程应用的深度穿透能量）可以提供此类选择性干预。在这里，我们开发了稳定的超声响应纳米颗粒，可用于在非人类灵长类动物中有效安全地释放药物。纳米颗粒用于在深层大脑视觉区域释放丙泊酚。释放可逆地调节受试者的视觉选择行为，并且特定于目标区域和释放的药物。钆增强磁共振成像显示血脑屏障完好无损。抽血显示临床化学和血液学正常。总之，这项研究提供了一种安全有效的方法，可以在选定的深层大脑区域按需释放药物，其水平足以调节行为。