XiaoMi-AI文件搜索系统
World File Search System高级神经
神经元特性在机器学习中的应用：用于数据分类的类脑神经模型
摘要：一些神经模型在图像识别、语义分割和自然语言处理中取得了优异的效果，然而，它们在不涉及特征提取的结构化和小规模数据集上的分类性能不如传统算法，尽管它们需要更多的训练时间。在本文中，我们提出了一种具有交互式刺激的类脑神经模型（NMIS），专注于数据分类。它由一个扮演不同认知角色的初级神经场和一个高级神经场组成。前者用于对应特征空间中的真实实例，后者存储类别模式。初级场中的神经元通过交互式刺激交换信息，它们的激活通过场间相互作用传递到高级场，分别模拟神经元相互作用和突触可塑性的机制。所提出的NMIS在生物学上是合理的，不涉及复杂的优化过程。因此，它在小规模和结构化数据集上表现出比传统BP神经网络更好的学习能力。对于大规模数据分类，提出了一种优化版本的最近邻 NMIS（NN_NMIS）来提高计算效率。在一些 UCI 数据集上进行的数值实验表明，所提出的 NMIS 和 NN_NMIS 明显优于机器学习中广泛使用的一些分类算法。
髓样细胞作为小儿神经胶质瘤免疫疗法的潜在靶标
小儿高级神经胶质瘤（PHGG），包括小儿胶质母细胞瘤（PGBM）是高度侵略性的小儿中枢神经系统（CNS）恶性肿瘤。PGBM约占所有儿科中枢神经系统恶性肿瘤的约3％，5年生存率约为20％。手术切除和化学放疗通常是PGBM和PHGG的护理标准，但是，即使采用了这些干预措施，诊断为PGBM和PHGG的儿童的生存仍然很差。由于与护理标准相关的缺点，已经做出了许多努力，以创建针对这些恶性肿瘤的新型免疫治疗方法。这些努力包括使用疫苗，基于细胞的疗法和免疫检查点抑制剂。但是，人们认为在许多小儿神经胶质瘤患者中，免疫抑制肿瘤微环境（TME）具有限制免疫疗法的效率的障碍。这些障碍之一包括存在免疫抑制髓样细胞。在这篇综述中，我们将讨论神经胶质瘤TME中存在的各种类型的髓样细胞，包括巨噬细胞和小胶质细胞，髓样衍生的抑制细胞和树突状细胞，以及这些细胞可以用来采用的特定机制来启用免疫抑制。最后，我们将重点介绍针对这些细胞的治疗策略，旨在阻碍髓样细胞衍生的免疫抑制。
使用机器学习和神经网络对脑电信号进行情感分析
摘要 — 情绪对人的思维方式和与他人的互动方式有重大影响。它是人的感觉与行为之间的纽带，或者可以说它有时会影响一个人的生活决定。由于情绪及其反映的模式因人而异，因此必须基于对广泛人群区域有效的方法进行探究。为了提取特征并提高准确性，使用脑电波或脑电图信号进行情绪识别需要实施有效的信号处理技术。人机交互技术的各种方法已经存在了很长时间，近年来，研究人员在使用脑信号自动理解情绪方面取得了巨大成功。在我们的研究中，使用 SVM（支持向量机）、KNN（K 最近邻）和高级神经网络模型 RNN（循环神经网络）对从著名的公开数据集 DEAP 数据集收集的脑电图信号进行了几种情绪状态的分类和测试，并使用 LSTM（长短期记忆）进行训练。本研究的主要目的是改进使用脑信号提高情绪识别性能的方法。另一方面，情绪会随着时间而变化。因此，我们的研究也考察了情绪随时间的变化。索引词 — 情绪识别、EEG 信号、DEAP 数据集、fft、机器学习、SVM、KNN、DEAP、RNN、LSTM
术后del妄和认知下降中有关大脑矿化的探索性研究报告
缩写：AD，阿尔茨海默氏症的痴呆症；柏林高级神经影像中心BCAN； CAM（-ICU），混乱评估方法（重症监护室）； CI，置信区间； CSF，脑脊液；达特尔（Dartel），通过凸起的谎言代数来分配解剖学登记； DF，自由度； DSM，精神障碍的诊断和统计手册； “ G”，全球认知成分； GPT，凹槽的Pegboard测试； ISPOCD，术后认知功能障碍的国际研究； mprage，磁化制备的快速采集梯度回声； MRI，磁共振成像； MMSE，迷你委员会检查； NUDESC，护理ir妄筛查量表；或优势比； PAL，配对的助理学习测试； （P）BFC，（后）基底前脑胆碱能系统； PCA，主成分分析； PD，帕金森氏病；豆荚，术后del妄； POCD，术后认知功能障碍； ROI，感兴趣的地区； SRT，简单的反应任务； SWI，易感性加权成像； TE，回声时间； TMT-B，越野测试，B部分； TR，重复时间； VRM，言语识别记忆。
神经肿瘤学
ATRX-在基因表达调节BRAF V600E中起关键作用 - 在高级神经胶质瘤中很少发现。在小儿种群TERT - 端粒酶逆转录酶中常见；突变时，允许无限的增殖激活；预后/存活率不佳所指出的EGFR - 表皮生长因子受体；在许多癌症中发现与预后不良有关的高EGFR表达 - 一种细胞中的蛋白质，当细胞准备分裂时会增加，而当过表达1p / 19q时，可能会预测预后不良 - 在寡头胶状胶质瘤中可见骨骼。与对化学疗法的更好反应和改善的生存IDH - 异位酸盐脱氢酶 - 阳性与低级肿瘤一致； Associated with a more favorable prognosis TP53 - plays a role in apoptosis and suppresses the cell cycle Involved in triggering the development and spread of glioblastoma MGMT - O6-methylguanine methyltransferase - involved in repairing DNA damage in cancer cells Tumor Mutational Burden TMB – refers to the total amount of cancer tissue in the body found in <3% of glioblastoma patients Microsatellite Instability – MSI-由MMR系统中的缺陷引起的，负责校正DNA复制过程中发生的不匹配。
机器学习根据MRI纹理分析预测犬胶质瘤的组织学类型和等级
大脑的恶性肿瘤，尤其是高级神经胶质瘤（HGG），是人类已知的最致命的肿瘤之一，尽管经过数十年的深入研究，但生存率很低[1-4]。手术切除与辅助无线电/化学疗法相结合是HGG的一线治疗[5-7]，切除程度的增加与更好的患者生存率相关[8-11]。因此，在大多数情况下，完全或接近总切除术是至关重要的，并且仍然是神经外科医生的最终目标。然而，腹膜组织的过度侵略性切除倾向于对患者的神经功能造成额外和持久或永久损害，对患者的生活质量和预后产生负面影响[12]。因此，对脑肿瘤患者进行手术仍然是太广泛和太少切除之间的挑战。此外，清楚地鉴定了脑肿瘤组织以及周围的健康或不太浸润的组织，包括其潜在雄辩的纤维区域对于获得最佳的临床结果至关重要。可以注意到，这种方法不仅可以在检测脑肿瘤的检测中有用，还可以在术中分化其他脑组织病理学（例如创伤后受伤的大脑[13]）[13]，在这种情况下，受影响和未受影响的组织的明显分化是本质的。现代脑外科手术的当前局限性包括周围健康脑和肿瘤组织之间的对比度不佳，以及缺乏通过A
本科流程图：心理学学士学位要求
系/项目课程 生物学 • BIOL212 (PHYS212)：科学家与工程师的计算建模 • BIOL355 (QTM355)：时间序列分析简介 • BIOL450：计算神经科学 计算机科学 • CS153：生物信息学计算 • CS170：计算机科学简介 I * • CS171/171Z：计算机科学简介 II • CS253：数据结构与算法 • CS325：人工智能 • CS329 (LING329)：计算语言学 • CS334：机器学习 数学 • MATH111：微积分 I * • MATH112/112Z：微积分 II * • MATH116：生命科学微积分 • MATH210：数据科学高级微积分 • MATH212：微分方程 • MATH221：线性代数 • MATH315：数值分析 • MATH361：数理统计 I • MATH362：数理统计 II 定量理论与方法 • QTM120：定量科学数学 • QTM200：应用回归分析 • QTM210：概率与统计 I • QTM220：回归分析 • QTM355（BIOL355）：时间序列分析简介 心理学 • PSYC180：大学药物使用研究 • PSYC 363：心智数据挖掘 • PSYC386：心理学研究中的跨文化研究（基础） • Psych387：心理学研究中的跨文化研究（高级） • PSYC424：高级神经影像学实习 • PSYC430：高级统计与方法 • PSYC542：临床心理学研究方法 • PSYC561：回归与一般线性模型 • PSYC562：统计学 I：设计与分析 • PSYC563：统计学 II：预测模型 • PSYC770：精选专题研讨会
精确神经肌肉骨骼保健的数字双胞胎框架：工业标准的扩展
在行业4.0和5.0驱动的驱动的现代生活中，将数字双胞胎更深入地整合到现代生活中存在着强大的全球趋势。国防，农业，工程，制造业和城市规划部门已将数字双胞胎彻底纳入了各自产品生命周期的巨大好处。尽管有明显的好处，但尚未出现用于健康和医疗部门的数字双胞胎框架。本文提出了一个数字双框架，用于精确神经肌肉骨骼保健。我们建立在国际标准组织的数字双胞胎制造框架的基础上，通过在临床应用的数字双胞胎框架中展示最佳的计算模型。我们绘制了用于建模阿喀琉斯肌腱机械学的用例，强调了当前的建模实践如何与我们提出的数字双胞胎框架保持一致。同样，我们绘制了一种用于高级神经居住技术的用例，强调了数字双胞胎在控制人类和机器接口的系统中的作用。未来的工作现在必须集中于创建信息表示形式，以控制数字数据如何传递给数字双胞胎和内部的数字数据，以及特定的标准，以声明哪种测量系统和建模方法是可以接受的，以广泛利用数字Twin Twin Framework，以进行精确的NeuroMusculosculosculosculosculosculosculoskellosklecloskelloskelloskelloskelloskellosal卫生保健。
Aaron Seitz - 布韦健康科学学院
联系信息 Aaron Seitz 心理学系 电话：617-373-5084 东北大学 波士顿，马萨诸塞州，02115 电子邮件：a.seitz@northeastern.edu 教育背景 1998 - 2003 波士顿大学认知和神经系统博士学位。主题：皮质发育的自组织模型。 导师：Stephen Grossberg 教授 1995-1997 华盛顿大学认知心理学学士学位后工作，华盛顿州西雅图。研究与：Elizabeth Loftus 教授、Jeanette Norris 1991-1994 俄勒冈州波特兰里德学院数学学士学位。当前职位 2022 年至今 教授 东北大学 2019 年至今 教授 Step VIII 加州大学河滨分校 2014 年至今 主任 大脑游戏心理健康和健康中心 过去职位 2018-2022 主任 UCR 老龄化计划 2016-2017 临时主任 UCR 高级神经影像中心 2014-2019 教授 加州大学河滨分校 2012-2014 副教授 加州大学河滨分校 2008-2012 助理教授 加州大学河滨分校 2006-2010 教员 CELEST 2005-2008 研究助理教授 波士顿大学 2005-2008 访问科学家 Martinos 中心，麻省总医院 2002-2005 研究员 哈佛医学院 2004-2005实验室，日本 1998-2002 研究助理 波士顿大学 1996-1997 研究助理 华盛顿大学 1992-1994 软件工程师 WRQ（华盛顿州西雅图） 附属部门
耐力2023程序手册-NIH蓝图
NIH神经科学研究的NIH蓝图是NIH主任办公室与12个NIH Institutes and Centers（ICS）之间的合作框架，以支持神经系统的研究。通过集合资源和专业知识，蓝图确定了研究的跨切割领域，并且面对任何单一IC的挑战太大。通过本科研究教育经验（BP-endure）增强神经科学多样性的NIH蓝图计划旨在为通常在神经科学中所代表性不足的个体中提高神经科学研究的兴趣和机会。目标是为这些人在本科层面提供培训，以便他们准备进入并成功完成神经科学博士学位课程。EDERURE通过研究密集型机构和机构之间的合作伙伴关系提供了本科培训，并大量从不同群体中招募了神经科学专业。这包括来自代表性不足的种族和种族，残疾人的个人以及来自经济不利的背景的个人。持久的本科培训计划支持一系列活动，以增加学生对神经科学的兴趣和参与，包括研究经验，核心和高级神经科学课程，研讨会和期刊俱乐部。在FY10中，授予了五项持久奖项，2015财年获得了六个奖项。我们目前有十个活跃奖项，在20财年中获得了六个奖项，在21财年获得了4个奖项。