解释神经过程使人类能够看到、理解并与我们在世界上遇到的人、地方和物体互动,这是心理学的一个基本目标。为实现这一目标,实验上最丰富的理论方法之一是表明特定大脑区域执行的认知操作可以通过该区域的解剖连通性推断(至少部分推断)。受神经解剖数据约束的认知模型可以描绘出复杂的认知功能是如何建立在来自主要感觉大脑区域的信息整合之上的。
该项目的目标是在 TMS 期间测量 MRI 中的 EEG 信号并以无线方式报告 EEG 测量结果。将基于 SoC 的设备与尖端技术相结合的机会正在迅速扩大。作为超小型无晶体 SoC 开发的单芯片微型 Mote (SCμM) 为更多可能性打开了大门。同样,随着经颅磁刺激 (TMS)、脑电图 (EEG) 和功能性磁共振成像 (fMRI) 越来越受欢迎,大脑刺激和测量也取得了飞跃。通过评估 EEG 和 fMRI 大脑对 TMS 脉冲的反应来结合这三个元素的结构将提供宝贵的研究机会。为了帮助促进 TMS 和 fMRI 环境中的 EEG 测量,需要将数据从电极传递到外部计算机进行即时分析。SCμM 能够在各种设置和环境中运行,使其成为将这三种实践 TMS、EEG 和 fMRI 结合到组合操作中的系统组件的理想候选者。我们能够验证 SCμM 在连接到印刷电池时在 MRI 扫描期间是否正常工作。我们还能够确认 SCμM 不会在距离 SCμM 1 英寸处以高达 97% 的相对幅度传递的 TMS 脉冲下重置。我们无法在 MRI 中用 EEG 模拟前端 (ADS1299) 在新的开发板上测试 SCμM,但我们能够通过 Sulu SCμM 开发板的 GPIO 引脚通过 SPI 与 ADS1299 通信。
触觉接口可与功能性磁共振成像 (fMRI) 结合使用,使神经科学家和临床医生能够研究执行任意动态任务所涉及的大脑机制 [1]。新型材料和新技术的应用以及 MR 技术的进步使得机电一体化系统能够部署在 MR 环境中 [2],[3],[4],[5]。具有不同驱动原理和设计配置的 fMRI 兼容触觉接口用于人体运动控制实验,主要用于上肢运动。研究具有多自由度 (DoF) 的运动控制可以提供有关神经系统如何协调涉及多个关节的运动并处理耦合和非线性动力学的重要信息 [6],[7]。然而,肢体节段之间的动态相互作用通常会引起头部运动,从而导致脑部 MR 图像上的运动伪影 [8],[9],[10]。此外,每增加一个 DoF,对运动和肌肉活动的分析就会变得更加复杂。这表明,只有当目标神经过程需要时,才可以研究多关节运动 [11],[12]。虽然脑成像是观察整个大脑感觉运动控制神经过程的极少数非侵入性窗口之一,但它会产生噪声信号。传统上,由于安全和成本限制,
摘要。了解哪些大脑区域与特定的1个神经系统疾病或认知刺激有关,一直是神经成像研究的重要领域。我们提出了Braingnn,这是一个图神经网络-3工作(GNN)框架,以分析功能磁共振图像4(fMRI)并发现神经生物标志物。考虑到大脑图的特殊5属性,我们设计了新型的Roi Awaw Agraw consolu-6 Tional(RA-GCONV)层,以利用fMRI的拓扑和功能7信息。是在需要透明度的透明度分析中的动机中,我们的braingnn包含ROI选择的池池9 ers(R-Pool),突出了显着的ROI(图中的节点),因此10我们可以推断出哪个ROI对预测很重要。此外,我们11提出正则化项 - 单位损失,TOPK PORING(TPK)损失和12个组级别的一致性(GLC)损失 - 通过汇总结果,以鼓励13个可追溯的ROI selection,并提供完全14个个人或与小组级别数据一致的单个个人或模式。我们将15个BRAINGNN框架应用于两个独立的fMRI数据集:自闭症16频谱障碍(ASD)fMRI数据集和人类Con-17 Nectome Project(HCP)900主题释放的数据。我们研究了超参数的18种选择,并表明Braingnn优于19的替代fMRI图像分析方法,该方法在四个不同的20个ENT评估指标方面。获得的社区聚类和显着的21 ROI检测结果表明,与先前的22个神经影像学衍生的ASD和特定任务的生物标志物的证据相应很高。23为HCP解码的状态。25接受后,我们将公开公开24。
使用功能性磁共振成像研究上下文相关的功能连接 (FC) 调节对于揭示认知处理的神经基础至关重要。大多数当前分析方法假设在任务持续时间内持续存在 FC,但最近的成像研究表明这种假设过于局限。虽然已经提出了几种方法来研究静息期间的功能动态,但基于任务的研究尚未完全解开网络调节。在这里,我们提出了一种基于种子的方法,通过揭示共激活模式的心理生理相互作用 (PPI-CAP) 来探测任务相关的大脑活动调节。这种基于点过程的方法将任务调节的连接在时间上分解为动态构建块,而当前方法(例如 PPI 或动态因果建模)无法捕获这些构建块。此外,与基于窗口的方法相比,它可以在单帧分辨率下识别共激活模式的发生。在参与者观看电视节目的自然环境中,我们检索了几种与后扣带皮层种子共同激活的模式,这些种子的发生率和极性因环境、种子活动或两者之间的相互作用而异。此外,我们的方法揭示了不同受试者和时间的有效连接模式的一致性,使我们能够发现 PPI-CAP 与视频中包含的特定刺激之间的联系。我们的研究表明,明确跟踪连接模式瞬变对于促进我们对不同大脑区域在呈现一组线索时如何动态沟通的理解至关重要。
软件工程涉及编写新代码或编辑现有代码。最近的研究已经调查了与阅读和理解代码相关的神经过程——然而,我们缺乏对代码编写背后的人类认知过程的透彻理解。虽然散文阅读和写作已经得到了彻底的研究,但同样的研究还没有应用于代码编写。在本文中,我们利用功能性脑成像来研究代码编写与散文写作的神经表征。我们提出了第一项人类研究,其中参与者在接受功能性磁共振成像 (fMRI) 脑部扫描时编写代码和散文,使用全尺寸 fMRI 安全的 QWERTY 键盘。我们发现代码编写和散文写作是截然不同的神经任务。虽然散文写作需要与语言相关的大量左半球活动,但代码编写需要更多右半球的激活,包括与注意力控制、工作记忆、规划和空间认知相关的区域。这些发现与研究代码和散文理解的现有工作不同。相比之下,我们提出了第一个证据,表明代码和散文写作在神经层面上有很大不同。
神经科学研究旨在找到准确可靠的大脑有效连接组(EC)。尽管当前的EC发现方法有助于我们对大脑组织的理解,但它们的性能受到fMRI数据的短样本量和差的时间分辨率的严重限制,以及大脑连接组的高维度。通过利用DTI数据作为先验知识,我们介绍了两个贝叶斯因果发现框架 - 贝叶斯魔像(BGOLEM)和贝叶斯FGES(BFGES)方法 - 这些方法可显着准确,更可靠的EC,并解决现有的Causal Discovery方法仅基于FMRI数据的现有Causal Discovery方法的缺点。此外,要使用我们的经验数据方法来评估EC的准确性的提高,我们将伪发现率(PFDR)引入了大脑中因果发现的新计算准确度量。通过一系列关于合成和杂种数据的模拟研究(将人类连接组项目(HCP)受试者和合成fMRI的DTI结合在一起),我们证明了我们提出的方法的有效性以及引入度量指标在发现EC中的可靠性。通过采用PFDR指标,我们表明,与传统方法相比,当应用于人类连接项目(HCP)数据时,我们的贝叶斯方法可显着准确。另外,我们使用Rogers-Tanimoto索引进行重新测试数据来衡量发现EC的可重复性,并表明我们的贝叶斯方法提供了比传统方法更可靠的EC。总体而言,我们的研究的数值和视觉结果突出了这些框架可显着提高我们对大脑功能的理解的潜力。
本研究由 K99AA030808 (DAAB) 和 R01DA54750 (RB) 资助。其他资助包括:AJG (DGE-213989)、SEP (F31AA029934)、ASH (K01AA030083)、RB (R21AA027827、U01DA055367)。本研究的数据由青少年大脑认知发展 (ABCD) 研究提供,该研究由美国国立卫生研究院和其他联邦合作伙伴颁发的 U01DA041022、U01DA041025、U01DA041028、U01DA041048、U01DA041089、U01DA041093、U01DA041106、U01DA041117、U01DA041120、U01DA041134、U01DA041148、U01DA041156、U01DA041174、U24DA041123 和 U24DA041147 奖项资助 (https://abcdstudy.org/federal-partners.html)。参与站点列表和研究调查员的完整列表可在 https://abcdstudy.org/consortium_members/ 上找到。ABCD 联盟调查员设计并实施了这项研究和/或提供了数据,但不一定参与了本报告的分析或撰写。本稿件反映的是作者的观点,可能不反映 NIH 或 ABCD 联盟调查员的意见或观点。
功能磁共振成像(fMRI)是绘制人脑功能的最重要方法之一,但仅对潜在的神经活动进行了间接度量。最近的发现表明,fMRI血液氧合水平依赖性(粗体)信号的神经生理学相关性可能在区域特异性。我们检查了海马和新皮层中fMRI BOLD信号的神经生理学相关性,其中神经结构的差异可能导致各个信号之间的关系不同。用深度电极植入的15例人类神经外科患者(10名雌性,5名男性)进行了无语言召回任务,而电生理活性则同时记录在海马和新皮层部位。同一患者随后在fMRI会议上进行了类似的任务版本。随后的记忆效应(SME)是针对这两种成像模态的计算,作为编码相关的大脑活动的模式,可预测以后的自由回忆。线性混合效应建模表明,大胆和伽马频段中小企业之间的关系通过记录位置的LOBAR位置进行了调节。粗体和高伽玛(70 - 150 Hz)中小型企业在许多新皮层中都具有协变量。这种关系在海马中逆转,在海马中,大胆和高伽玛中小型中小型中小型企业之间存在负相关。我们还观察到内侧颞叶中的大胆和低伽马(30 - 70 Hz)中小型脉冲之间存在负相关关系。这些结果表明,海马中BOLD信号的神经生理学相反与新皮层中观察到的神经生理相反。
通过功能性磁共振成像 (fMRI) 或脑电图 (EEG) 这两种互补方式测量大脑活动,是神经反馈 (NF) 机制背景下大脑康复方案的基本解决方案。虽然 NF-EEG(根据 EEG 信号计算出的实时神经反馈分数)已经被探索了很长时间,但 NF-fMRI(根据 fMRI 信号计算出的实时神经反馈分数)出现得更晚,并且提供了更可靠的结果和更具体的大脑训练。同时使用 fMRI 和 EEG 进行双模态神经反馈疗程(NF-EEG-fMRI,根据 fMRI 和 EEG 计算出的实时神经反馈分数)对于制定大脑康复方案非常有前景。然而,fMRI 对患者来说很麻烦,也更累。本文的原创贡献涉及仅从 EEG 记录预测双模态 NF 分数,使用训练阶段,其中 EEG 信号以及 NF-EEG 和 NF-fMRI 分数都可用。我们提出了一个稀疏回归模型,该模型能够利用 EEG 仅预测运动想象任务中的 NF-fMRI 或 NF-EEG-fMRI。我们比较了从所提模型得出的不同 NF 预测因子。我们发现,与经典 NF-EEG 分数相比,从 EEG 信号预测 NF-fMRI 分数可以为 NF-EEG 分数添加信息,并显著提高与双模 NF 会话的相关性。