XiaoMi-AI文件搜索系统
World File Search System静息
倦怠综合症中的功能连接：静息......
慢性职业压力与情绪和认知功能的明显下降有关。神经机制研究表明，职业倦怠者的大脑活动和事件相关电位模式发生了显著变化。本研究对静息状态下的大脑功能连接进行了分析，从而更深入地了解了职业倦怠综合征的伴随机制。样本包括 49 名职业倦怠员工和 49 名对照者，按年龄、性别和职业匹配（M 年龄 = 36.15，SD = 8.10；59 名女性，39 名男性）。从 256 通道 EEG 系统收集连续密集阵列 EEG 数据。使用静息态范式在闭眼（EC）和睁眼（EO）条件下测试了职业倦怠和对照者之间的功能连接差异。结果表明，职业倦怠组和对照组的大脑活动存在显著差异。倦怠组的静息状态网络的特点是睁眼状态下 alpha3 子带（11-13 Hz）的额叶和中线区域功能连接减少。连接减少的最显著影响是在右额叶脑区观察到的。这些分析首次指出了倦怠综合征中 alpha3 子带内功能连接的独特方面。这些发现为倦怠综合征的神经生物学基础及其与静息状态网络变化的关联提供了见解。有关倦怠受试者神经特征的数据可能有助于了解认知功能和情绪调节下降的机制，并寻找适当的治疗方法。
镇静临床成像和麻醉方案中的静息状态 fMRI 优化
材料和方法：在这项横断面研究中，我们分析了 2009 年至 2023 年在麻省总医院麻醉下获得的临床 rs-fMRI 数据。对每位患者的独立成分分析驱动的静息状态网络 (RSN) 进行定性和定量评估，并将其分为强或弱两组。使用定性方法评估整体网络，使用定量方法评估运动和语言网络。在 4 个结果类别中分析了 RSN 稳健性：整体、组合运动语言、单个运动和语言网络。预测变量包括 rs-fMRI 采集参数、麻醉药物、潜在的大脑结构异常、年龄和性别。使用逻辑回归来检验研究变量对 RSN 稳健性的影响。
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 3D 卷积神经网络和静息状态 fMRI 跨样本熵分析自动诊断晚年抑郁症
摘要 静息态 fMRI 已广泛应用于研究晚年抑郁症 (LLD) 的病理生理。与传统的线性方法不同，跨样本熵 (CSE) 分析显示了大脑区域之间 fMRI 信号的非线性特性。此外，深度学习的最新进展，例如卷积神经网络 (CNN)，为理解 LLD 提供了及时的应用。准确和及时的诊断对于 LLD 至关重要；因此，本研究旨在结合 CNN 和 CSE 分析，根据大脑静息态 fMRI 信号区分 LLD 患者和非抑郁症对照老年人。77 名老年人（包括 49 名患者和 28 名对照老年人）接受了 fMRI 扫描。开发了体积对应于每个参与者的 90 个种子感兴趣区域的三维 CSE，并将其输入到疾病分类和抑郁严重程度预测模型中。我们在额上回（左背外侧和右眶部）、左岛叶和右枕中回的诊断准确率 > 85%。平均均方根误差 (RMSE) 为 2.41，需要三个独立模型来预测重度、中度和轻度抑郁组的抑郁症状。左顶下小叶、左海马旁回和左中央后回的 CSE 体积在各自的模型中表现最佳。结合复杂性分析和深度学习算法可以将 LLD 患者与对照老年人进行分类，并根据 fMRI 数据预测症状严重程度。此类应用可用于精准医疗，用于 LLD 的疾病检测和症状监测。
使用Eltrombopag改善抗CD19 CAR-T细胞治疗的患者的血小板减少症和静息需求
1 Virgen delRocíO，塞维利亚塞维利亚生物医学研究所，塞维利亚大学，西班牙塞维利亚41004； juanlu_jlr@hotmail.com（J.L.R. -O。 div>）; josea.perez.simon.sspa@juntadeandalucia.es（J.A.P.-S。）2大学医院28041年10月12日，西班牙马德里； josemspina@gmail.com（J.M.S.-P。）3西班牙瓦伦西亚大学46010大学关闭医院的含健康研究所4 46010 4血液学部门，莫拉莱斯 - 摩尔米尔大学医院IMIB-PASCUAL GRILLA区域血液化中心，30008 Murcia，Spain，Spain，Spain; oilpezgodino@gmail.com 5血液学服务，大学和Polyte Hospital La Fe，46026西班牙瓦伦西亚6号儿童儿童医院耶稣，28009，西班牙马德里； blanca.herrero@salud.madrid.com 7 IBSAL，CIBERONC，C ciberonc，C to Citr-ibmcc（USAL-CSIC），西班牙萨拉曼卡大学医院（西班牙），西班牙萨拉曼卡37007； lucialopezcorral@usal.es（L.L.-C。）; aamartin@saludcastillayleon.es（A.A..M。）8 Ram o n y Cajal大学医院，28034西班牙马德里9号，9010 Gran Canaria大学医院NEGRIN博士，35010 Las Palmas de Gran Canaria Canaria Canaria Canaria Canaria Canaria，西班牙10号，西班牙10号，卫生调查研究所，Barrona Saniation san santhitution saniTute of Sanitalight of Concerca西班牙nmartinc@clinic.cat 12 University vall d'Hebron医院，西班牙巴塞罗那08035； pbalsalobre@geth.es（P.B. div>）; sfilaferro@geth.es（s.f.） div>13 RECERCA SANT JOAN dedéu，Sant Joan dedédéuU U，西班牙08950； anna.alonso@sjd.es 14西班牙移植群体船体Éticoand Cell Therapy，28040，西班牙马德里； pbarba@vhio.net 15西班牙马德里28034的拉巴斯大学医院儿科血液肿瘤学系； Anerezmartinez@salud.madrid.org 16儿科系，马德里自治大学，28034马德里，西班牙17 Cibere-ICIII，IDIPAZ-CNI
未服药且有精神状态危险、后来患上精神病的受试者的静息态脑电图：低分辨率电磁断层扫描分析
方法：纳入未服用任何精神药物且符合危险精神状态综合评估标准的 ARMS 患者。出现精神病性障碍的患者被标记为 ARMS-P 组，而前瞻性随访超过 2 年且未出现精神病性障碍的 ARMS 患者被归类为 ARMS-NP 组。在静息状态下测量脑电图，并使用标准化低分辨率脑电磁断层扫描 (sLORETA) 分析频率。七个波段 (δ、θ、α 1、α 2、β 1–3) 进行了分析。比较了 ARMS-P 组和 ARMS-NP 组之间的 sLORETA 值 (电流源密度 [CSD])。使用阳性和阴性症状量表 (PANSS) 在脑电图测量时评估临床症状。
跨队列可复制的静息状态功能连接在预测精神分裂症症状和认知方面的作用
Abram, SV, Wisner, KM, Fox, JM, Barch, DM, Wang, L., Csernansky, JG, MacDonald, AW, & Smith, MJ (2017)。额颞叶连接可预测精神分裂症患者的认知共情缺陷和体验性负面症状。人脑映射，38 (3)，1111 – 1124。https://doi.org/10.1002/hbm.23439 Abubacker, NF, Azman, A., Doraisamy, S., Azmi Murad, MA, Elmanna, MEM, & Saravanan, R. (2014)。乳腺医学图像语义注释中关联规则挖掘的基于相关性的特征选择。计算机科学讲义，482 – 493。https://doi.org/10.1007/978-3-319-12844-3_41 Adhikari, BM、Hong, LE、Sampath, H.、Chiappelli, J.、Jahanshad, N.、Thompson, PM、Rowland, LM、Calhoun, VD、Du, X.、Chen, S. 和 Kochunov, P. (2019)。精神分裂症中的功能性网络连接障碍和核心认知缺陷。 Human Brain Mapping，40 (16), 4593 – 4605。https://doi.org/10.1002/hbm.24723 Baker, JT, Holmes, AJ, Masters, GA, Yeo, BTT, Krienen, F., Buckner, RL, & Öngür, DJ (2014)。精神分裂症和精神病性躁郁症患者的皮质关联网络破坏。JAMA Psy-chiatry，71 (2), 109 – 118。https://doi.org/10.1001/jamapsychiatry。 2013.3469 Beaty, RE, Kenett, YN, Christensen, AP, Rosenberg, MD, Benedek, M., Chen, Q., Fink, A., Qiu, J., Kwapil, TR, Kane, MJ, & Silvia, PJ (2018). 通过大脑功能连接对个人创造力进行稳健预测。美国国家科学院院刊，115 (5), 1087 – 1092。https://doi.org/10.1073/pnas.1713532115 Berman, RA, Gotts, SJ, McAdams, HM, Greenstein, D., Lalonde, F., Clasen, L., Watsky, RE, Shora, L., Ordonez, AE, Raznahan, A., Martin, A., Gogtay, N., & Rapoport, J. (2016). 感觉运动和社会认知网络中断是儿童期发病的精神分裂症症状的基础。 Brain , 139 (1), 276 – 291。https://doi.org/10.1093/brain/ awv306 Binder, JR、Desai, RH、Graves, WW 和 Conant, LL (2009)。语义系统在哪里？对 120 项功能神经影像学研究的评论与荟萃分析。大脑皮层 , 19 (12), 2767 – 2796。https://doi.org/10.1093/cercor/bhp055 Bonnici, HM、Kumaran, D.、Chadwick, MJ、Weiskopf, N.、Hassabis, D. 和 Maguire, EA (2012)。解码内侧颞叶中的场景表征。海马, 22 (5), 1143 – 1153。https://doi. org/10.1002/hipo.20960 Brady, R.、Tandon, N.、Keshavan, M. 和 Ongur, D. (2017)。精神分裂症的阴性症状和额顶叶回路功能障碍。生物精神病学, 81 (10), S111。https://doi.org/10.1016/j.biopsych.2017. 02.285 Briggs, RG、Chakraborty, AR、Anderson, CD、Abraham, CJ、Palejwala, AH、Conner, AK、Pelargos, PE、O'Donoghue, DL、Glenn, CA 和 Sughrue, ME (2019)。下额回的解剖学和白质连接。临床解剖学，32 (4), 546 – 556。https://doi.org/10.1002/ca.23349 Cai, M., Ji, Y., Zhao, Q., Xue, H., Sun, Z., Wang, H., Zhang, Y., Chen, Y., Zhao, Y., Zhang, Y., Lei, M., Wang, C., Zhuo, C., Liu, N., Liu, H., & Liu, F. (2024)。精神分裂症中的同源功能连接中断及其相关基因表达。神经影像，289，120551。https://doi.org/10.1016/j.neuroimage。 2024.120551 Chen, J., Müller, VI, Dukart, J., Hoffstaedter, F., Baker, JT, Holmes, AJ, Vatansever, D., Nickl-Jockschat, T., Liu, X., Derntl, B., Kogler, L., Jardri, R., Gruber, O., Aleman, A., Sommer, IE, Eickhoff, SB, & Patil, KR (2021). 任务定义大脑网络的内在连接模式允许个体预测认知症状
静息状态下人类前额叶皮质的定向生理网络和颅内光生物调节后
大脑亚慢振荡 (ISO) 是内源性 (E；0.005–0.02 Hz)、神经源性 (N；0.02–0.04 Hz) 和肌源性 (M；0.04–0.2 Hz) 频带中血管运动的来源。在本研究中，我们同时测量 22 名健康参与者静息状态下前额的 2 通道宽带近红外光谱和 EEG，量化了前额氧合血红蛋白 (Δ[HbO]) 和氧化还原态细胞色素 c 氧化酶 (Δ[CCO]) 浓度的变化作为血流动力学和代谢活动指标，量化了脑电图 (EEG) 功率作为电生理活动。预处理后，使用广义部分定向相干性分析多模态信号，在每个 E/N/M 频带中构建三个神经生理指标（简化符号为 HbO、CCO 和 EEG）之间的单侧神经生理网络。这些网络中的链接代表神经血管、神经代谢和代谢血管耦合（NVC、NMC 和 MVC）。结果表明，神经活动和代谢（EEG 和 CCO）对氧气的需求驱动了静息前额叶皮质所有 E/N/M 波段的血流动力学供应（HbO）。此外，为了研究颅内光生物调节 (tPBM) 的影响，我们进行了一项假对照研究，向同一参与者的左、右前额叶皮质发射 800 纳米激光束。在执行相同的数据处理和统计分析后，我们获得了新颖而重要的发现：在前额皮质两侧传递的 tPBM 触发了三个神经生理实体（即 HbO、CCO 和 EEG 频率特定功率）之间的定向网络耦合的改变或逆转在 E 和 N 波段的生理网络中，表明在 tPBM 后时期，代谢和血流动力学供应都会驱动 PFC 定向网络耦合中的电生理活动。总体而言，这项研究表明，tPBM 有助于显着调节神经生理网络在电生理、代谢和血流动力学活动中的方向性。
通过非药物治疗减少了轻度至中度抑郁症的静息脑熵
1。北京北京大学认知神经科学与学习的国家主要实验室，中国2。IDG/McGovern大脑研究所，北京师范大学，北京，中国IDG/McGovern大脑研究所，北京师范大学，北京，中国
静息态成人额颞叶痴呆与阿尔茨海默病脑电图特征提取鉴别技术的比较研究
摘要：早期阿尔茨海默病 (AD) 和额颞叶痴呆 (FTD) 具有相似的症状，这使其诊断和制定特定治疗策略变得复杂。我们的研究评估了多种特征提取技术，用于从脑电图 (EEG) 信号中识别 AD 和 FTD 生物标志物。我们开发了一种优化的机器学习架构，该架构集成了滑动窗口、特征提取和监督学习，以区分 AD 和 FTD 患者以及健康对照 (HC)。我们的模型具有 90% 的滑动窗口重叠度、SVD 熵用于特征提取和 K 最近邻 (KNN) 用于监督学习，在区分 AD 和 HC、FTD 和 HC 以及 AD 和 FTD 方面分别实现了 93% 和 91%、92.5% 和 93% 以及 91.5% 和 91% 的平均 F1 分数和准确率。特征重要性阵列是一种可解释的 AI 特征，它突出显示了有助于识别和区分 AD 和 FTD 生物标志物的脑叶。这项研究引入了一种使用 EEG 信号检测和区分 AD 和 FTD 的新框架，满足了对早期准确诊断的需求。此外，还记录了滑动窗口、多特征提取和机器学习方法对 AD/FTD 检测和区分的比较评估。