XiaoMi-AI文件搜索系统
World File Search SystemBOLD
使用物理信息神经网络从静息状态 fMRI 数据进行脑动力学模型参数估计
摘要 — 由于脑动力学的复杂性，静息态功能性磁共振成像 (rsfMRI) 中血氧水平依赖性 (BOLD) 信号的传统建模难以进行参数估计。本研究介绍了一种新型脑动力学模型 (BDM)，该模型通过微分方程直接捕捉 BOLD 信号变化。与动态因果模型或神经质量模型不同，我们将血流动力学响应整合到信号动力学中，同时考虑直接和网络介导的神经元活动效应。我们利用物理信息神经网络 (PINN) 来估计此 BDM 的参数，利用它们将物理定律嵌入学习过程的能力。这种方法简化了计算需求并提高了对数据噪声的鲁棒性，为分析 rsfMRI 数据提供了全面的工具。利用按估计参数缩放的功能连接矩阵，我们应用最先进的社区检测方法来阐明网络结构。我们的分析表明，在比较神经正常个体与自闭症谱系障碍 (ASD) 患者时，特定大脑区域的参与系数存在显著差异，男性和女性群体之间存在明显差异。这些差异与之前研究中涉及的区域一致，进一步证实了这些区域在 ASD 中的作用。通过将 PINN 与高级网络分析相结合，我们展示了一种分析 ASD 复杂神经特征的稳健方法，为神经成像和更广泛的计算神经科学领域的未来研究提供了一个有希望的方向。
迈向无掠食动物的新西兰 | PF2050 战略
新西兰正在经历一场生物多样性危机。数以千计的本土物种数量正在减少，除非我们采取大胆措施，否则有些物种将永远消失。“无掠食者新西兰”的目标是迈出大胆的一步。它已连续两届政府实施，支持新西兰人为摆脱外来掠食者而做出的巨大努力，确保本土动植物繁衍生息。2018 年，政府批准在四年内投入 8128 万美元，用于抑制重点生态系统中的掠食者，保护和增加近海岛屿的生物多样性，并开发更有效、更高效的掠食者控制方法。
