XiaoMi-AI文件搜索系统
World File Search SystemConnectome
跨诊断连接组项目
1. 耶鲁大学心理学系，美国康涅狄格州纽黑文 2. 罗格斯大学脑健康研究所精神病学系，美国新泽西州皮斯卡塔韦 3. 墨尔本大学青少年心理健康中心 Orygen，澳大利亚墨尔本 4. 石溪大学心理学系，美国纽约州石溪 5. 斯坦福大学医学院斯坦福神经科学跨部门项目，美国加利福尼亚州斯坦福 6. 宾夕法尼亚大学心理学系，美国宾夕法尼亚州费城 7. 宾夕法尼亚大学佩雷尔曼医学院精神病学系，美国宾夕法尼亚州费城 8. 哈佛医学院精神病学系，美国波士顿 9. 麦克莱恩医院抑郁、焦虑和压力研究中心，美国波士顿 10. 康奈尔大学心理学系，美国纽约州伊萨卡 11. 麦克莱恩医院精神病学技术研究所，美国波士顿12. 哈佛医学院精神病学系，美国波士顿 13. 耶鲁大学精神病学系，美国纽黑文 14. 耶鲁大学吴仔研究所，美国纽黑文 15. 新加坡国立大学杨潞龄医学院睡眠与认知中心及转化磁共振研究中心，新加坡，新加坡 16. 新加坡国立大学电气与计算机工程系，新加坡，新加坡 17. 新加坡国立大学 N.1 健康研究所，新加坡，新加坡 18. 新加坡国立大学杨潞龄医学院医学系、人类潜能转化研究项目及数字医学研究所（WisDM），新加坡 19. 新加坡国立大学综合科学与工程项目（ISEP），新加坡，新加坡 20. 麻省总医院马蒂诺斯生物医学成像中心，美国查尔斯顿
昆虫大脑的连接组
大脑包含相互连接的神经元网络，因此了解网络架构对于理解大脑功能至关重要。因此，我们绘制了昆虫大脑（果蝇幼虫）的突触分辨率连接组，该大脑具有丰富的行为，包括学习、价值计算和动作选择，包含 3,013 个神经元和 544,000 个突触。我们描述了神经元类型、中枢、前馈和反馈通路以及跨半球和脑神经索相互作用。我们发现了普遍的多感觉和半球间整合、高度递归的架构、来自下行神经元的丰富反馈以及多个新颖的电路基序。大脑最递归的电路包括学习中心的输入和输出神经元。一些结构特征（包括多层快捷方式和嵌套递归循环）类似于强大的机器学习架构。所确定的大脑架构为未来神经回路的实验和理论研究奠定了基础。
来自人类Connectome项目的结果
几种心血管和代谢指标，例如胆固醇和血压都与神经和认知健康的改变以及后来的痴呆症和阿尔茨海默氏病的风险增加有关。在这项横断面研究中，我们研究了心血管和代谢风险因素度量的骨料指数如何与基于相关性的基于相关性的静止状态功能连接性（FC）估计相关，该估计是从人类连接组的930名志愿者（36-90岁）（36-90 +年）中的较广泛的成人年龄段（36-90 +年）。增加（即更糟糕的是）骨骼代谢得分与全球FC降低有关，在岛屿内侧，内侧顶叶和上等颞叶中的效果特别强。此外，在网络级别的核心大脑网络之间的FC，例如默认模式和cingulo-obercular以及背注意网络，表现出对心脏代谢风险的强烈影响。这些发现突出了心血管和代谢健康对全脑功能完整性的寿命影响以及这些条件如何破坏高阶网络完整性。
连接组分类的图对比学习
摘要 — 随着磁共振成像 (MRI) 等用于测量大脑活动的非侵入性技术的最新进展，通过图形信号处理 (GSP) 研究结构和功能性大脑网络已获得显著关注。GSP 是揭示大脑功能和结构之间相互作用的关键工具，能够分析由感兴趣区域之间的连接定义的图形——在此上下文中称为连接组。我们的工作代表了在这个方向上迈出的又一步，通过探索图形表示学习领域的监督对比学习方法。这种方法的主要目标是生成主题级别（即图形级别）的向量表示，将具有相同标签的主题聚集在一起，同时将具有不同标签的主题分开。这些连接组嵌入来自图神经网络编码器-解码器架构，该架构共同考虑了结构和功能连接。通过利用数据增强技术，所提出的框架在使用人类连接组计划数据的性别分类任务中实现了最先进的性能。更广泛地说，我们以连接组为中心的方法论的进步支持了使用 GSP 发现更多大脑功能的良好前景，并可能对理解神经退行性疾病的异质性以实现精准医疗和诊断产生影响。
果蝇连接组的分层模块结构
图 2. 网络扰动的影响。A. 半脑中的每个突触都有一个置信度分数，表明自动识别它们的机器学习算法的置信度。我们通过排除置信度分数低于某个阈值的突触来扰动网络。扰动网络中每条边的权重都是其原始权重的一小部分；这里显示的是这些权重比的分布。这种扰动导致整体边缘变弱，更高的阈值也会切断更多边缘（在 0.0 的箱中计数）。B. 扰动网络中发现的社区数量与原始网络中的数量相比。灰线表示相等。在更高的分辨率尺度下，随着扰动图变得弱连接，相对于原始网络发现了更多的簇。
利用功能连接组数据诊断精神分裂症
摘要 先前的深度学习方法尚未捕获大脑结构或功能连接组数据的图形或网络表示。为了解决这个问题，我们通过将 BrainNetCNN 和全局协方差池化纳入自注意力机制，开发了 BrainNet-全局协方差池化-注意力卷积神经网络 (BrainNet-GA CNN)。从 171 名精神分裂症谱系障碍 (SSD) 患者和 161 名健康对照者 (HC) 获得了静息态功能磁共振成像数据。我们对提出的 BrainNet-GA CNN 进行了消融分析，并使用嵌套十倍交叉验证策略与竞争方法进行了定量性能比较。将我们的模型的性能与竞争方法进行了比较。使用基于梯度的解释方法可视化判别连接，并与使用功能连接分析获得的结果进行比较。BrainNet-GA CNN 的准确率为 83.13%，优于其他竞争方法。在前 10 个判别连接中，一些与默认模式网络和听觉网络有关。有趣的是，这些区域在功能连接分析中也很重要。我们的研究结果表明，提出的 BrainNet-GA CNN 可以比其他模型更准确地对 SSD 和 HC 患者进行分类。显着区域的可视化提供了重要的临床信息。这些结果突出了 BrainNet-GA CNN 在精神分裂症诊断中的潜在用途。关键词：脑网络、功能连接组、卷积神经网络、全局协方差池、自我注意机制、精神分裂症
果蝇全脑连接组网络统计
大脑由复杂的神经元和连接网络组成，类似于人工网络的节点和边缘。对大脑接线图进行网络分析可以深入了解大脑如何支持计算并调节感知和行为背后的信息流。成年苍蝇第一个全脑连接组已经完成，其中包含超过 130,000 个神经元和数百万个突触连接 1–3 ，这为分析完整大脑的统计特性和拓扑特征提供了机会。在这里，我们计算了二节点和三节点基序的普遍性，检查了它们的强度，将这些信息与神经递质组成和细胞类型注释联系起来 4,5 ，并将这些指标与其他动物的接线图进行了比较。我们发现苍蝇大脑网络显示出富俱乐部组织，具有大量（连接组的 30%）高度连接的神经元。我们确定了富俱乐部神经元的子集，它们可能充当信号的整合器或广播器。最后，我们检查了基于 78 个解剖定义的大脑区域或神经纤维的子网络。这些数据产品在 FlyWire Codex (https://codex.flywire.ai) 中共享，应作为探索神经活动与解剖结构之间关系的模型和实验的基础。
成像围产期脑的发育连接
在胎儿和婴儿的围产期期间，大脑成熟是一个快速而复杂的过程。 在此期间，神经发育对于支持后来的认知，情感和行为能力至关重要。 越来越多的证据证明了各种神经发育障碍的围产期起源，强调了识别早期大脑发育特征的重要性（Dehaene-Lambertz和Spelke，2015年）。 了解发展中的大脑连接组将为早期生命中脑电路形成和成熟的基本过程提供新的见解，并揭示棘手的神经发育障碍的病因。 磁共振成像（MRI）的进步（例如快速的成像和运动校正技术）克服了胎儿和婴儿脑MRI中的显着挑战，并使其在实体和结构连接性的体内无创，可以评估单独的大脑区域之间的功能和结构连接性（Kaiser，2017; dubois et and fteremome and ftere and fet and。产后大脑具有前所未有的精度。 因此，该研究主题的目的重点是对大脑连接素早期发展的神经影像学研究。 本研究主题包括8个原始研究论文和1位数据描述符。 主要的研究内容集中于非典型连接组模式和新颖的成像生物标志物，用于早产，低氧缺血性脑病（HIE）等。 和用于胎儿大脑分析的机器学习算法。 Neumane等。 探讨了早产对感觉运动连接性的发展和完整性及其与后来运动障碍的关系的影响。大脑成熟是一个快速而复杂的过程。在此期间，神经发育对于支持后来的认知，情感和行为能力至关重要。越来越多的证据证明了各种神经发育障碍的围产期起源，强调了识别早期大脑发育特征的重要性（Dehaene-Lambertz和Spelke，2015年）。了解发展中的大脑连接组将为早期生命中脑电路形成和成熟的基本过程提供新的见解，并揭示棘手的神经发育障碍的病因。磁共振成像（MRI）的进步（例如快速的成像和运动校正技术）克服了胎儿和婴儿脑MRI中的显着挑战，并使其在实体和结构连接性的体内无创，可以评估单独的大脑区域之间的功能和结构连接性（Kaiser，2017; dubois et and fteremome and ftere and fet and。产后大脑具有前所未有的精度。因此，该研究主题的目的重点是对大脑连接素早期发展的神经影像学研究。本研究主题包括8个原始研究论文和1位数据描述符。主要的研究内容集中于非典型连接组模式和新颖的成像生物标志物，用于早产，低氧缺血性脑病（HIE）等。和用于胎儿大脑分析的机器学习算法。Neumane等。 探讨了早产对感觉运动连接性的发展和完整性及其与后来运动障碍的关系的影响。Neumane等。探讨了早产对感觉运动连接性的发展和完整性及其与后来运动障碍的关系的影响。他们发现，早产性的主要感觉运动网络的早期微观结构发育以及这些效果根据早产水平而定。他们还强调了特定区域的微观结构发展，预测了18个月时的精细运动和认知结果。li等。研究了每日铁对运动发育和早产儿的大脑结构连通性的影响。他们发现产后早期的铁状态与运动发育和连通性降低有关，并且可以通过每天提供2 mg/kg的铁6个月来逆转延迟的运动发育。Vishnubhotla等。研究了产前阿片类药物对大脑结构连通性的影响，并确定了两种相互差异的连通性途径
人类connectome中的频繁完整子图
虽然仍然无法描述人脑的神经元水平连接，但我们可以通过应用基于分解-MRI的技术来用数百个顶点绘制人类连接组。在这些图中，节点对应于大脑的解剖学上鉴定的灰质区域，而边缘对应于轴突纤维，将这些区域连接起来。在我们以前的贡献中，我们描述了人类连接组的众多图形理论现象。在这里，我们绘制了人脑网络的频繁完整子图：在这些子图中，每对顶点都与边缘结合。我们还检查结果中的性别差异。频率子图的映射在图表中给出了可靠的子结构：如果图80％中存在子图，那么很可能是测量或数据处理工作流的伪像。我们在这里列出了413名受试者（238名女性和175名男性）的人类胸罩的频繁完整子图，每个人具有463个节点，其频率阈值为80％，并识别812个完整的子图，在男性和224个完整的子图中更频繁，在女性连接体中更频繁。
成年果蝇中央大脑的连接组
C. Shan Xu 1 、Michal Januszewski 2 、Zhiyuan Lu 1,3 、Shin-ya Takemura 1 、Kenneth J. Hayworth 1 、Gary Huang 1 、Kazunori Shinomiya 1 、Jeremy Maitin-Shepard 2 、David Ackerman 1 、Stuart Berg 1 、Tim Blakely 2 、John Bogovic 1 、Jody Clements 1 、Tom Dolafi 1 、Philip Hubbard 1 、Dagmar Kainmueller 1,4 、William Katz 1 、Takashi Kawase 1 、Khaled A. Khairy 1,5 、Laramie Leavitt 2 、Peter H. Li 2 、Larry Lindsey 2 、Nicole Neubarth 6 、Donald J. Olbris 1 、Hideo Otsuna 1 、Eric T. Troutman 1、Lowell Umayam 1、Ting Zhao 1、Masayoshi Ito 1,7、Jens Goldammer 1,8、Tanya Wolffi 1、Robert Svirskas 1、Philipp Schlegel 9、Erika R. Neace 1、Christopher J. Knecht, Jr. 1、Chelsea X. Alvarado 1、Dennis A. Bailey 1、Samantha Ballinger 1、Jolanta A Borycz 3、Brandon S. Canino 1、Natasha Cheatham 1、Michael Cook 1、Marisa Dreher 1、Octave Duclos 1、Bryon Eubanks 1、Kelli Fairbanks 1、Samantha Finley 1、Nora Forknall 1、Audrey Francis 1、Gary Patrick Hopkins 1、Emily M. Joyce 1 、SungJin Kim 1、Nicole A. Kirk 1、Julie Kovalyak 1、Shirley A. Lauchie 1、Alanna Lohffi 1、Charli Maldonado 1、Emily A. Manley 1、Sari McLin 3、Caroline Mooney 1、Miatta Ndama 1、Omotara Ogundeyi 1、Nneoma Okeoma 1、Christopher Ordish 1、Nicholas Padilla 1、Christopher Patrick 1、Tyler Paterson 1、Elliott E. Phillips 1、Emily M. Phillips 1、Neha Rampally 1、Caitlin Ribeiro 1、Madelaine K Robertson 3、Jon Thomson Rymer 1、Sean M. Ryan 1、Megan Sammons 1、Anne K. Scott 1、Ashley L. Scott 1、Aya Shinomiya 1、Claire Smith 1、Kelsey Smith 1、Natalie L. Smith 1、Margaret A. Sobeski 1、Alia Suleiman 1、Jackie Swift 1、Satoko Takemura 1、Iris Talebi 1、Dorota Tarnogorska 3、Emily Tenshaw 1、Temour Tokhi 1、John J. Walsh 1、Tansy Yang 1、Jane Anne Horne 1,3、Feng Li 1、Ruchi Parekh 1、Patricia K. Rivlin 1、Vivek Jayaraman 1、Kei Ito 1,7,8、Stephan Saalfeld 1、Reed George 1、Ian Meinertzhagen 1,3、Gerald M. Rubin 1、Harald F. Hess 1、Louis K. Scheffer 1,* 、Viren Jain 2 和 Stephen M. Plaza 1