XiaoMi-AI文件搜索系统
World File Search System静息
静息态脑网络与胃基础电节律的锁相
胃体中的 Cajal 肌间质细胞网络充当着胃的“起搏器”，持续产生约 0.05 Hz 的电慢波，主要通过迷走神经传入神经传递到大脑。最近的一项研究将静息态功能磁共振成像 (rsfMRI) 与同步表面胃电图 (EGG) 相结合，将皮肤电极放置在上腹部，发现 12 个大脑区域的活动与胃基础电节律明显相位锁定。因此，我们探究使用空间独立成分分析 (ICA) 方法估计的大脑静息态网络 (RSN) 的波动是否可能与胃同步。在本研究中，为了确定任何 RSN 是否与胃节律相位锁定，对一名参与者进行了 22 次扫描；在每个会话中，获取两次 15 分钟的 EGG 和 rsfMRI 数据。三个会话的 EGG 数据具有微弱的胃信号而被排除；其余 19 个会话总共产生了 9.5 小时的数据。使用组 ICA 分析 rsfMRI 数据；估计 RSN 时间进程；对于每次运行，计算每个 RSN 和胃信号之间的锁相值 (PLV)。为了评估统计意义，所有“不匹配”数据对（在不同日期获取的 EGG 和 rsfMRI 数据）的 PLV 被用作替代数据来生成每个 RSN 的零分布。在总共 18 个 RSN 中，发现三个与基础胃节律显著锁相，即小脑网络、背部体感运动网络和默认模式网络。肠脑轴负责维持中枢神经系统与内脏之间的内感受反馈，其紊乱被认为与多种疾病有关；脑部 rsfMRI 数据中胃部亚慢节律的表现可能对临床人群研究有用。
电生理学和神经影像学研究——意识障碍中的静息状态和感觉刺激：综述
严重的脑损伤可能导致意识障碍 (DOC)，如昏迷、植物人状态 (VS)、微意识状态 (MCS) 或闭锁综合征 (LIS)。迄今为止，DOC 的诊断仅依赖于临床评估或主观评分系统（如格拉斯哥昏迷量表），这些系统无法检测到细微的变化，从而导致诊断错误。DOC 患者的误诊率高且无法预测意识的恢复，引起了人们对意识评估的极大研究兴趣。研究人员已经探索了使用各种刺激和神经成像技术来改善诊断。在本文中，我们介绍了静息状态和感官刺激方法的重要发现，并重点介绍了在意识评估中被证明有效的刺激。我们首先根据 (a) 应用/不使用刺激（即感觉刺激/基于静息状态）、(b) 所用刺激类型（即听觉、视觉、触觉、嗅觉或心理意象）、(c) 所用电生理信号（EEG/ERP、fMRI、PET、EMG、SCL 或 ECG）来回顾文献。在感觉刺激方法中，听觉刺激已被广泛使用，因为它对这些患者来说更容易进行。嗅觉和触觉刺激的探索较少，需要进一步研究。情绪刺激，如受试者自己的名字或熟悉声音的叙述或受试者自己的面部/家庭照片或音乐，会引起比中性刺激更强烈的反应。基于静息状态分析的研究采用了复杂性、功率谱特征、熵和功能连接模式等措施来区分 VS 和 MCS 患者。静息状态脑电图和 fMRI 是最先进的技术，在预测昏迷患者的恢复方面具有巨大的潜力。此外，基于 EMG 和心理意象的研究试图从 VS 患者那里获得意志反应，从而可以检测他们的命令执行能力。这可能为与这些患者沟通提供有效的手段。最近的研究采用了 fMRI 和 PET 来了解与心理意象相对应的大脑激活模式。这篇综述促进了我们对用于诊断 DOC 患者的技术的了解，并试图为未来的研究提供思路。
使用原始静息状态脑电图数据的基于循环神经网络的急性脑震荡分类器
脑震荡是全球关注的健康问题。尽管脑震荡发病率很高，但对这种弥漫性脑损伤的机制的全面了解仍然难以实现。然而，众所周知，脑震荡会导致严重的功能障碍；儿童和青少年受到的影响比成年人更大，恢复时间也更长；正在康复的人更容易遭受更多脑震荡，每次受伤都会增加长期神经和心理健康并发症的风险。目前，脑震荡管理面临两大挑战：没有客观的、临床认可的、基于大脑的方法来确定 (i) 运动员是否遭受了脑震荡，以及 (ii) 运动员何时康复。诊断基于临床测试和症状及其严重程度的自我报告。自我报告非常主观，症状只能间接反映潜在的脑损伤。在这里，我们介绍了一种基于深度学习的长短期记忆 (LSTM) 循环神经网络，该网络仅使用一段短暂（即 90 秒）的静息状态 EEG 数据样本作为输入，即可区分健康和急性脑震荡后青少年运动员。运动员在数据收集过程中既不需要执行特定任务，也不需要受到刺激，并且获取的 EEG 数据既没有经过过滤、清除伪影，也没有进行显式特征提取。LSTM 网络使用 27 名患有运动相关脑震荡的男性青少年运动员的数据进行训练和测试，以 35 名健康青少年运动员为基准。在严格测试期间，分类器始终以 > 90% 的准确率识别脑震荡，其整体中值曲线下面积 (AUC) 对应于 0.971。这是第一个仅依赖易于获取的静息状态 EEG 数据的高性能分类器实例。它是朝着开发一种易于使用、基于大脑的、在个体层面上自动进行脑震荡分类的方法迈出的关键一步。
将常见的认知模型应用于静息态 fMRI 可识别帕金森病中的异常功能连接
要全面了解人类的认知功能，必须结合网络化大脑区域之间的相互作用模型。这些网络相互作用的改变是许多神经退行性疾病认知障碍的根本原因，为大脑结构和认知功能之间提供了重要的生理联系。认知架构通常用于解释健康大脑如何运作，通常使用基于任务的活动。然而，这种描述是不完整的。大多数系统级大脑活动都是自发的或内在的，无论受试者是否在执行任务都会发生。在这里，我们提供证据表明，共同认知模型（一种从现有认知架构分析中得出的共识模型）可以（a）推广到解释静息状态下的大脑活动，而不是在执行任务期间，以及（b）正确识别帕金森病中基底神经节连接的差异。关键词：共同认知模型；静息态 fMRI；帕金森病；动态因果建模
静息态脑活动对临床预后不确定的缺氧昏迷患者的早期预测结果
多项神经影像学研究表明，CA 后 5 天内 DWI 的变化预示着不良预后。8-15 然而，DWI 分析的时机至关重要，因为弥散值在缺氧后不久就会发生变化。10 此外，虽然 DWI 是不良预后的有力预测指标，但它不够敏感，无法识别出预后良好的患者。大脑的自发活动不是随机的，而是在功能网络中组织的。16 静息状态 fMRI (rs-fMRI) 是绘制患者和健康志愿者大脑功能连接 (FC) 的有力工具。17 多项研究报告称，rs-fMRI 可以区分慢性脑损伤患者的意识状态，FC 下降与意识受损程度相关。18 最近有研究表明，fMRI 可以检测到脑创伤后昏迷患者对被动刺激反应的早期意识迹象 19 并且 FC 强度与昏迷后缺氧患者的良好长期预后相关。 20 然而，rs-fMRI 尚未系统地评估对昏迷后缺氧患者的早期预后。我们的研究旨在使用 rs-fMRI 和机器学习方法预测昏迷结果（即意识恢复与昏迷状态；即良好与不良结果）。我们专注于特别具有临床意义的病例，特别是昏迷的早期缺氧后患者和标准多模态测试后预后不确定的患者。
使用基于连通性的实时 fMRI 神经反馈来调节高特质焦虑患者的注意力和静息状态网络
高水平的特质焦虑与注意力控制受损、注意力控制任务期间大脑活动变化以及网络静息态功能连接 (RSFC) 改变有关。具体而言，背外侧前额叶皮质到前扣带皮层 (DLPFC – ACC) 的功能连接被认为对于有效和高效的注意力控制至关重要，但在高特质焦虑个体中会降低。当前的研究检验了基于连接的实时功能性磁成像神经反馈 (rt-fMRI-nf) 在增强特质焦虑个体的 DLPFC – ACC 功能连接方面的潜力。我们特别测试了 DLPFC - ACC 连接的变化是否与焦虑水平降低和注意力控制改善有关。32 名高特质焦虑参与者被分配到实验组 (EG)，接受真实的 rt-fMRI-nf，或对照组 (CG)，接受假（结合）反馈。在 rt-fMRI-nf 训练前后评估了 RSFC（使用静息状态 fMRI）、焦虑水平和 Stroop 任务表现。与 CG 相比，rt-fMRI-nf 训练后，EG 表现出焦虑水平降低、DLPFC-ACC 功能连接增加以及后部默认模式网络中的 RSFC 增加。此外，在 EG 中，rt-fMRI-nf 训练期间 DLPFC – ACC 功能连接的变化与焦虑水平降低有关。然而，Stroop 任务表现没有组间差异。我们得出结论，针对 DLPFC – ACC 功能连接的 rt-fMRI-nf 可以改变网络连接和交互，是减少特质焦虑的可行方法。
静息状态血氧水平的延迟时间-...
静息状态功能性磁共振成像 (rs-fMRI) 的最新证据表明，健康人脑具有时间组织，该组织以非常复杂的时间延迟结构为代表。这种结构似乎是大脑信息流、大脑活动的整合/传播以及信息处理的基础。因此，它可能与高度协调的复杂大脑现象（如意识）的出现有关。然而，在意识状态改变期间，这种结构可能发生的变化仍未得到充分研究。在这项研究中，我们假设由于高阶功能的中断和大脑信息流的改变，意识障碍 (DOC) 患者的自发性大脑活动的时间延迟结构可能会发生变化。我们通过比较 48 名 DOC 患者和 27 名健康对照 (HC) 受试者在静息状态下获得的 fMRI 静息状态数据的时间延迟投影来探索这一假设。结果表明，与 HC 相比，DOC 患者的时间延迟结构有所改变。具体而言，中扣带皮层 (mCC) 内潜伏期的平均值和方向性会随着意识水平的变化而变化。具体而言，mCC 内潜伏期的正值与意识状态的保持有关，而 DOC 患者的负值则与意识水平成比例变化。这些结果表明，mCC 可能在 HC 受试者中作为大脑活动的整合者发挥着关键作用，但这种作用在意识改变的状态下会消失。
研究论文 通过静息态闭眼脑电图检测中度创伤性脑损伤
创伤性脑损伤 (TBI) 是如果医疗救治延误，可能带来严重后果的损伤之一。通常，需要分析计算机断层扫描 (CT) 或磁共振成像 (MRI) 来确定中度 TBI 患者的严重程度。然而，由于如今 TBI 患者的数量不断增加，对每位潜在患者进行 CT 扫描或 MRI 扫描不仅成本高昂，而且耗时。因此，在本文中，我们研究了使用具有计算智能的脑电图 (EEG) 作为替代方法来检测中度 TBI 患者严重程度的可能性。EEG 程序比 CT 或 MRI 便宜得多。虽然与 CT 和 MRI 相比，EEG 的空间分辨率不高，但它的时间分辨率很高。使用传统的计算智能方法从 EEG 分析和预测中度 TBI 非常繁琐，因为它们通常涉及复杂的信号预处理、特征提取或特征选择。因此，我们提出了一种使用卷积神经网络 (CNN) 自动对健康受试者和中度 TBI 患者进行分类的方法。该计算智能系统的输入是静息状态下的闭眼脑电图，未经预处理和特征选择。使用的脑电图数据集包括 15 名健康志愿者和 15 名中度 TBI 患者，这些数据来自马来西亚吉兰丹马来西亚理科大学医院。将所提出方法的性能与其他四种现有方法进行了比较。所提出方法的平均分类准确率为 72.46%，优于其他四种方法。结果表明，所提出的方法有可能用作中度 TBI 的初步筛查，以选择患者进行进一步诊断和治疗计划。
静息状态下创意大脑的社区结构 - CDN
最近的研究深入了解了个体间创造性思维的差异，重点关注分布式大规模大脑网络的特征，包括大脑区域的局部层面及其成对相互作用以及整个大脑的整体层面。然而，创造性思维与中观网络特征（如群落和枢纽组织）的关系仍不清楚。我们采用数据驱动的方法来检查来自大量参与者的静息态功能成像数据中的群落和枢纽结构，以及它们与创造性思维的个体差异之间的关系。首先，我们计算了每个参与者的大脑区域被分配到同一个群落的概率。我们发现，创造性思维能力的提高分别与内侧颞叶和皮层下区域被分配到同一个群落的增加和减少有关，这表明创造力能力可能反映在大脑网络中观组织的个体间差异中。然后，我们使用参与者特定的社区来识别网络枢纽（其连接形成跨越不同社区边界的桥梁的节点），并根据其参与系数进行量化。我们发现 DMN 和内侧颞叶区域的枢纽增加分别与创造能力呈正相关和负相关。这些发现表明，创造能力可能反映在 DMN 和内侧颞叶结构的社区互动中的个体间差异中。总的来说，这些结果证明了研究中尺度大脑网络特征与创造性思维的关系的成果。
背侧苍白球和丘脑底核静息和运动过程中帕金森病 β 波动力学
这篇早期发布的文章已经过同行评审并被接受，但尚未经过撰写和编辑过程。最终版本在风格或格式上可能略有不同，并将包含指向任何扩展数据的链接。