摘要:图形/网络已成为数据建模的强大分析方法。此外,随着传感器技术的进步,动态的时间不断发展的数据变得越来越普遍。在这种情况下,一个兴趣点是对网络内部和网络之间的信息流的更好理解。因此,我们旨在推断网络时间序列之间的Granger因果关系(G-CAUSALITY)。在这种情况下,完善的矢量自回归模型的直接应用是不可行的。因此,我们需要一个理论框架来建模时间变化图。一种可能性是考虑一个具有时变参数(假定为随机变量)的数学图模型。假设我们识别图模型参数之间的g-causality。在这种情况下,我们可以使用它来定义图之间的g-果实。在这里,我们表明,即使模型未知,光谱半径也是某些随机图模型参数的合理估计。我们说明了我们的提议的应用,以研究对照组的大脑半球与被诊断为自闭症谱系障碍(ASD)的儿童之间的关系。我们表明,ASD和对照之间的G-伴侣强度从大脑的右侧到左半球有所不同。
缩写:ALFF,低频波动的幅度; AUD,听觉网络;大胆,血氧水平依赖; CO,Cingulo-Obercular网络; Co/sal,Cingulo-opercular/显着网络;丹,背注意网络; DMN,默认模式网络(a,前p,p,postterior,v,腹侧); FC,功能连接; FP,额叶网络; GA,胎龄; ICA,独立组件分析; MN,电机网络; MRI,磁共振成像; Reho,区域同质性; ROI,感兴趣的地区; SAL,显着网络; SMN,感觉运动网络; Van,腹注意网络; VIS,视觉网络。
缩写:ALFF,低频波动的幅度; AUD,听觉网络;大胆,血氧水平依赖; CO,Cingulo-Obercular网络; Co/sal,Cingulo-opercular/显着网络;丹,背注意网络; DMN,默认模式网络(a,前p,p,postterior,v,腹侧); FC,功能连接; FP,额叶网络; GA,胎龄; ICA,独立组件分析; MN,电机网络; MRI,磁共振成像; Reho,区域同质性; ROI,感兴趣的地区; SAL,显着网络; SMN,感觉运动网络; Van,腹注意网络; VIS,视觉网络。
大脑动态功能连通性表征大脑区域之间的瞬态连接,随着时间的流逝而变化。大脑动力学的特征与成年人的情绪和认知有关,非典型模式与自闭症等神经发育状况有关。尽管在新生儿中始终识别出可靠的功能性脑网络,但对动态功能连通性的早期发展知之甚少。在这项研究中,我们表征了动态功能连通性,其功能磁共振成像(fMRI)在产后生命的前几周(n = 324)和早产(n = 66)个个人。我们表明,人脑的出生时间已经建立了大脑连通性的动态景观,其特征是六个新生儿功能连通性的短暂状态,随着新生儿时期的变化动力学。动态连通性的模式在早产婴儿中是非典型的,并且与18个月大的幼儿(Q-Chat)评分的自闭症的定量清单测量的非典型社会,感觉和重复行为有关。
在他们的研究中,科学家专注于果蝇的嗅觉电路,因为嗅觉决定了这些苍蝇的重要行为模式,对于它们的生存至关重要。他们发现,昆虫在p阶段暴露于昆虫的温度不仅对脑发育,而且对气味驱动的行为有影响。
补体信号传导被认为是促进小胶质细胞突触的吞噬作用的打击信号。然而,尽管在视网膜 - 丘脑系统中已经证明了其在突触重塑中的作用,但尚不清楚补体信号传导是否更广泛地介导了大脑中的突触修剪。在这里,我们发现缺乏补体受体3(主要小胶质细胞补体受体)的小鼠未能显示出发育中的小鼠皮层中突触修剪或消除轴突的缺陷。相反,缺乏补体受体3的小鼠在围产期消除皮质中的神经元表现出不足,这种缺陷与在成年区域内的皮质厚度增加和功能连接增强有关。这些数据证明了补体在促进发展皮层中神经元消除的作用。
数据中心和高性能计算系统的流量需求在过去十年中成倍增长,这是由于机器学习,大数据分析,尤其是深度学习(DL)基于人工智能(AI)应用程序中数据密集型工作量的泛滥。最近在自然语言处理和内容产生中表明,大型语言模型的巨大潜力进一步加速了技术的进步,而采用了越来越大的更大的DL模型和数据集[1]。持续的趋势引发了巨大的努力,提高了计算硬件的能力,尤其是通过积极的并行性和专业化[2,3],远远超过了基本通信基础设施的进步[4]。因此,将大量数据移动和芯片之间的移动已成为计算性能和能源效率的瓶颈,将这种系统的连续缩放缩放到Exascale [5]。
迷幻药已成为各种精神病疾病的有前途的候选疗法,并且鉴于其临床潜力,需要识别生物标志物的影响。在这里,我们使用回归动态因果建模(RDCM)研究了乳酸二乙酰胺(LSD)的神经机制,这是一种新型技术,可在静止脑功能磁共振成像(fMRI)期间评估全脑有效连通性(EC)。我们从两个随机的,安慰剂对照的双盲,交叉试验中建模了数据,其中在两个静止状态fMRI会话中给了45名参与者100μgLSD和安慰剂。我们使用经典统计和机器学习方法比较了EC与全脑功能连接性(FC)。与安慰剂相比,对EC参数的多变量分析揭示了LSD下的区域间连通性和LSD下的自我抑制降低,显着的区域间连通性和枕骨大脑区域中的自我抑制较弱的例外以及皮下区域。在一起,这些发现表明LSD渗透了大脑的激发/抑制平衡。值得注意的是,全脑EC不仅为LSD对大脑的激发/抑制平衡的影响提供了额外的机械洞察力,而且EC还与LSD的全球主观效应和基于机器学习的基于机器学习的分析的全球主观效应相关(91.11%)(91.11%),从而强调了对整个brain EC的潜在反复效应的潜在的效果。
附属机构:1 宾夕法尼亚大学生物工程系,宾夕法尼亚州费城,19104 2 宾夕法尼亚大学神经工程与治疗学中心,宾夕法尼亚州费城,19104 3 宾夕法尼亚大学医院放射科,宾夕法尼亚州费城,19104 4 宾夕法尼亚大学生物统计学、流行病学与信息学系,宾夕法尼亚州费城,19104 5 宾夕法尼亚大学成像与可视化中心统计,宾夕法尼亚州费城,19104 6 宾夕法尼亚大学临床流行病学与生物统计学中心,宾夕法尼亚州费城,19104 7 宾夕法尼亚大学医院神经外科系,宾夕法尼亚州费城,19104 8 宾夕法尼亚大学医院宾夕法尼亚癫痫中心神经内科,宾夕法尼亚州费城,19104 美国 9 宾夕法尼亚大学电气与系统工程系,宾夕法尼亚州费城,19104 10 宾夕法尼亚大学物理与天文学系,宾夕法尼亚州费城,19104 11 宾夕法尼亚大学精神病学系,宾夕法尼亚州费城,19104 12 圣达菲研究所,新墨西哥州圣达菲,87501
研究表明,VNS可以减少与PTSD相关的唤醒状态升高的患者的焦虑(Wittbrodt等,2021)。VNS会引发脑额叶皮层(PFC)和杏仁核等大脑区域的可塑性,从而增加乙酰胆碱并减轻压力和焦虑(Hays等,2013)。此外,最近已证明TAVNS对患有抑郁症或焦虑等各种心理状况的个体有效(Ferstl等,2024)。TAVN的潜在优势是:(1)它专门旨在解决令人沮丧的刺激和未解决的情感记忆; (2)这是一种简短的,限时的干预; (3)与单个模式干预相比,其多模式设计可能吸引并受益于更广泛的患者。