XiaoMi-AI文件搜索系统
World File Search System认知障碍
EISSN 2317-6377 BAPNE身体打击乐练习对平衡的影响和 dynapenia and Sarcopenia：与Elsa-Brasil 2型糖尿病的诊断，持续时间和并发症相关 deficiênciade testosterona em homens hipertensos 原始文章 经济性politica 01 V01 N1-1981.indd APE1/Ref-1的氧化还原活性的抑制剂APX2009降低了乳腺癌细胞的恶性表型 sismanconçõesPpertales no transplantecardíaco 心脏移植的普遍并发症 心血管风险和... 对帕金森氏症的深脑刺激的基础知识... fndc5/irisin in Dementia和认知障碍 巴西一个世纪的禁令 青春期学习的动机 野生生菜的四种形态型中的解剖学，核型和核DNA含量研究 对... 的超声心动图发现的批判性评论 帕金森氏病的临床诊断 介意肾脏护理的差距：将我们所知道的事情转化为我们做什么 案例报告 ciência动物brasileira 评估桉树辐射的抗菌活性... 原始文章 受底物影响的绿色屋顶的热性能... 冶金和材料 案例系列
出版日期：2024年3月22日doi：https：//doi.org/10.35699/2317-6377.2024.49095摘要：这项研究旨在研究Bodypercussion练习对儿童与DCD平衡和执行功能的影响。从女子小学中选择了三十个DCD的儿童在7至九岁之间。受试者被随机分为两组：实验和对照（每组15名受试者）。八周，实验组参加了Bapne神经运动会议。与重复测量和Bonferroni的事后测试分析。结果表明，巴普恩身体打击乐的结果是在静态平衡（p = 0.001），动态平衡（p = 0.001），持续注意力（p = 0.001）和反应抑制（p = 0.001）的结果很重要，并且在实验组中的参与者在测试后（P = 0.001）和跟进（p = 0.001）和对照组（P = 0.001）表现更好（P = 0.001）。关键字：身体打击乐；巴恩；神经运动；平衡;执行职能； DCD。
轻度认知障碍的多维数字生物标志物表型：早期识别、诊断和监测的考虑因素
轻度认知障碍 (MCI) 对全球不断增长的人口构成了挑战。及早识别 MCI 风险和诊断对于在正确的时间提供正确的干预措施至关重要。值得注意的是，使用传统生物标志物预测、诊断和监测 MCI 的可靠、有效和可扩展的方法很少。数字生物标志物在理解 MCI 方面具有新的希望。然而，识别专门针对 MCI 的数字生物标志物很复杂。MCI 的生物标志物谱预计是多维的，具有基于不同病因的多种表型。需要使用高维统计和深度机器学习等高级方法为 MCI 构建这些多维数字生物标志物谱。在临床实践中将患者与这些 MCI 表型进行比较可以帮助临床医生更好地确定病因（其中一些病因可能是可逆的），并制定更精准的护理计划。我们还探讨了针对 MCI 人群开发可靠的多维数字生物标志物谱的关键考虑因素。
不同的经颅磁刺激方式对帕金森患者的认知障碍和长期有效性的影响：系统评价和网络荟萃分析
帕金森氏病（PD）是一种退化性疾病，发生在老年人中，患病率约为0.3％，并且已成为世界上增长最快的神经系统疾病（Ding等，2022）。在临床实践中，帕金森的患者通常伴有非运动症状（NMS），例如抑郁，焦虑和认知障碍。认知功能障碍是最常见的NMS形式，患病率最高为35，而10％将发展为痴呆症，这是影响康复效率和PD患者日常生活效率的一个重要因素（Hely等，2008； Picillo等； Picillo等，2014）。PD患者认知障碍的发病机理目前尚不清楚，但与PD的复杂神经病理密切相关（Tansey等，2022）。Patients with PD patients develop pathological changes such as reduction of cerebral neurons, mitochondrial dysfunction, alteration of small cerebral blood vessels, cerebral metabolism, and cortical atrophy, which can cause cortical and subcortical neurotransmitter disorders and damage to cerebral circuits, leading to cognitive dysfunction ( Ashraghi et al., 2016）。目前，尚无PD治疗，并且基于药物和手术的临床治疗措施具有不良的缺点，例如功效，高价和许多副作用。因此，寻找安全有效的治疗措施仍然是临床研究中的热点。
感觉性听力损失和认知障碍
感觉性听力损失（SNHL）是听力损失的类别，通常会导致很难理解语音和其他声音。听觉系统功能障碍，包括耳聋和听觉创伤，会通过神经塑性导致认知缺陷。认知障碍（CI）是指与学习，记忆，思维和判断有关的大脑较高智力过程的异常，这可能导致严重的学习和记忆缺陷。研究已经在SNHL和CI之间建立了很强的相关性，但尚不清楚SNHL如何对CI做出贡献。本文的目的是描述有关这种关系的三个假设，主流认知载荷假说，合并症假说和感觉剥夺假设以及与每个假设相关的最新研究进展。
基于脑电图诊断轻度认知障碍的张量分解方案
轻度认知障碍 (MCI) 是急性阿尔茨海默病的主要阶段，早期发现对于患者及其周围的人至关重要。由于这一轻度阶段没有明显的临床症状，其症状介于正常衰老和严重痴呆之间，因此很难识别。在此，我们提出了一种基于张量分解的方案，用于使用脑电图 (EEG) 信号自动诊断 MCI。提出一种新的投影，它保留电极的空间信息以构建数据张量。然后，使用并行因子分析 (PARAFAC) 张量分解提取特征，并使用支持向量机 (SVM) 将 MCI 与正常受试者区分开来。在两个不同的数据集上测试了所提出的方案。结果表明，基于张量的方法在诊断 MCI 方面优于传统方法，对于第一个和第二个数据集的平均分类准确率分别为 93.96% 和 78.65%。因此，维持信号的空间拓扑结构在 EEG 信号的处理中起着至关重要的作用。
使用可解释的人工智能构建痴呆和轻度认知障碍患者结构性脑畸变的个性化表征
此预印本的版权所有者此版本于 2024 年 2 月 22 日发布。；https://doi.org/10.1101/2023.06.22.23291592 doi: medRxiv preprint
使用卷积神经网络诊断阿尔茨海默氏病和轻度认知障碍
摘要。背景：阿尔茨海默氏病和轻度认知障碍是老年人的常见疾病，影响了2020年全球超过5000万人。早期诊断对于管理这些疾病至关重要，但是它们的复杂性构成了挑战。卷积神经网络在准确的诊断方面表现出了希望。目的：这项研究的主要目的是使用卷积神经网络诊断健康个体中阿尔茨海默氏病和轻度认知障碍。方法：本研究使用了三种不同的卷积神经网络模型，其中两个是预训练的模型，即Alexnet和Densenet，而第三个模型是CNN1D-LSTM神经网络。结果：在所使用的神经网络模型中，Alexnet在健康个体中表现出最高的准确性，超过98％的轻度认知障碍和阿尔茨海默氏病。此外，Densenet和CNN1D-LSTM模型的准确性分别为88％和91.89％。结论：该研究突出了卷积神经网络在诊断轻度认知障碍和阿尔茨海默氏病的潜力。使用预训练的神经网络以及各种患者数据的整合有助于取得准确的结果。Alexnet神经网络获得的高精度强调了其在疾病分类中的有效性。这些发现为未来的研究和改善使用卷积神经网络诊断这些疾病的领域铺平了道路，最终有助于早期发现和有效地管理轻度认知障碍和阿尔茨海默氏病。
评论：神经反馈对轻度认知障碍患者（MCI）和阿尔茨海默氏病（AD）
神经反馈训练（NFT）是一种非侵入性方法，已被证明对注意力/多动症（ADHD）和各种精神疾病有效。本文的目的是评估NFT对轻度认知障碍（MCI）和阿尔茨海默氏病（AD）或血管疾病（VD）患者的有效性，以便我们使用四个数据库中的研究文章搜索，使用Keurofeedss Neurofeedback，MCI，MCI，AD，AD，VD和DEMTIA。结果，关于NFT在MCI和AD患者中的有效性中发现了13篇文章。尽管每项研究在研究设计，训练方案，脑电图（EEG）电极的放置以及奖励和抑制频带方面都有不同，但所有研究都显示出可增强记忆，注意力和其他认知能力的范围。需要其他精心设计的随机研究，具有舒适的能力，以进一步确定NFT的有效性。
kibra肽用于治疗衰老的认知障碍...
神经退行性疾病技术描述神经退行性疾病的标志之一是，突触与神经元之间的信息传播有关，在疾病进展过程中恶化。塔拉·特雷西（Tara Tracy）博士在巴克研究所（Buck Institute）的实验室确定了位于大脑突触的蛋白质，该蛋白质在此过程中发生了变化。该蛋白质称为kibra，称其为肾脏和大脑。证明了在阿尔茨海默氏病小鼠模型中恢复kibra的功能，恢复了老年小鼠的记忆，但雄鹿研究人员创建了合成的kibra肽，可以用作治疗记忆和认知能力下降的治疗方法。这些新型肽已经在小鼠陶氏病模型（发生在阿尔茨海默氏病以及其他神经退行性疾病）中进行了测试。我们的kibra肽能够恢复该小鼠模型中的记忆和可塑性，表明尽管存在有毒的tau蛋白，但突触恢复还是可能的。应用新型肽治疗剂用于治疗
使用回归分析监测单通道脑电图数据的轻度认知障碍的疾病严重程度
摘要：认知健康的声音偏差称为轻度认知障碍（MCI），尽早监测它以防止痴呆症，阿尔茨海默氏病（AD）和帕金森氏病（PD）等复杂疾病。传统上，使用蒙特利尔认知评估（MOCA）对MCI严重性进行了手动评分来监测。在这项研究中，我们提出了一种新的MCI严重性监测算法，并通过自动产生与MOCA评分等效的严重程度得分来回归分析单通道电 - 摄影（EEG）数据的提取特征。我们评估了用于算法开发的多试验和单轨分析。进行多试验分析，从与突出的事件相关电位（ERP）点和相应的时域特征中提取了590个特征，我们利用Lasso回归技术选择了最佳功能集。经典回归技术中使用了13个最佳特征：多元回归（MR），集合回归（ER），支持向量回归（SVR）和Ridge回归（RR）。对ER的最佳结果是1.6的RMSE和剩余分析。在单审分析中，我们从每个试验中提取了一个时间 - 频图图像，并将其作为对构建的卷积深神经网络（CNN）的输入。这种深CNN模型的RMSE为2.76。据我们所知，这是从单渠道脑电图数据中使用多试和单个数据生成与MOCA相当于MOCA的MCI严重程度的自动分数。