XiaoMi-AI文件搜索系统
World File Search SystemHippocampus
海马CA1
在计算神经科学中，脑微电路和区域的生物学现实模型的发展是一个非常相关的主题。从基础研究到临床应用，对准确的模块的需求不断增长，该模型融合了局部细胞和网络特异性，能够捕获与给定大脑区域相关的广泛动态和功能。这些模型的主要挑战之一是不同尺度之间的通过，从微观（蜂窝）到中索（MicroCircuit）和Macroscale（区域或全脑级别），同时在同时限制计算资源的需求。解决此问题的一种新颖方法是使用神经元活动的平均场模型来构建大规模的模拟。这为相对较低的计算需求之间的量表之间的通过提供了有效的解决方案，这是由于系统维度的急剧降低而实现的。在本文中，我们引入了海马CA1的多尺度模拟框架，这是大脑的一个区域
人类婴儿海马体的自动和手动分割
海马体对学习和记忆至关重要，在生命早期会发生重大变化。研究海马结构和功能的发育轨迹需要一种精确的方法来从解剖 MRI 扫描中分割出该区域。尽管手动分割被视为“黄金标准”方法，但它既费力又主观。这推动了人们对成人自动分割方法的追求。然而，人们对这些自动化协议对婴儿的可靠性知之甚少，特别是当解剖扫描质量因头部运动或使用更短、更安静的婴儿友好型序列而降低时。在基于任务的 fMRI 协议中，我们收集了 42 个会话中的安静 T1 加权解剖扫描，这些会话针对年龄在 4 至 23 个月之间的清醒婴儿。两位专家追踪者首先手动分割了两个半球的海马体。得到的评分者间信度 (IRR) 仅为中等，反映了婴儿分割的难度。然后，我们使用了四种协议来预测这些手动分割：普通成人模板、普通婴儿模板、FreeSurfer 软件和海马子域自动分割 (ASHS) 软件。ASHS 生成了最可靠的婴儿海马分割，超过了专家的手动 IRR。因此，自动化方法可以为嘈杂的 T1 加权婴儿扫描提供稳健的海马分割，为探究早期海马发育开辟了新的可能性。
在体外向海马的层特异性纤维投影形成
河马校园中传入连接的成年层压被认为是由不同传入的到达时间（1-3）决定的。因此，啮齿动物内嗅皮层（EC）的II和III层中的投影神经元是早期产生的，并在产前时期已经对已经对河马校园形成了强大的投射（4）。这些纤维终止于海马和齿状靶神经元的远端树突上（参考文献5和6;图1）。相反，产生海马的合并/关联（CA）纤维的神经元出生相对较晚（2，3），仅在出生后对对侧海马形成（7，8）对侧海马的投射（7，8），并在海马邻近靶细胞的近端树枝状部分终止。纤维隔离的时间假设意味着，海马传入的顺序向内生长的逆转将逆转在正常遗传学发育期间所规定的这种策略。检验该假设的实验很难在体内累积。在这里，我们采用了一种体外方法，其中海马组织与其正常传入以依次的方式共培养。然而，与这些程序的正常发展相比，与传入纤维系统的对抗的顺序是反转的（图2）。如果纤维序列的时间假设为真，则在这些条件下应逆转海马传入的分层。2）。追踪对海马靶培养的投影，前进运输的示踪剂生物细胞为切片培养物，因为在这些培养物中保留了海马的器官组织，特征性细胞和树突状层（11-14）。将海马切片与另一个海马切片（i）与另一个海马片（i）和（ii）和（iii）和（iii）和（iii）和（iii）进行了，并带有新生儿肠内切片，并添加到两个hippo-gearp板条中，并延迟了5-11天（请参阅图5-11天。与体内的情况相反，在后一种实验设计中，海马靶神经元遇到了来自共培养的海马切片的“ commental”纤维，前者是在5天后到达的肠纤维。
啮齿动物海马体内部产生的时间被对数压缩
摘要 韦伯-费希纳定律认为，我们感知到的感觉输入会随着物理输入以对数方式增加。海马“时间细胞”在触发刺激后的一段有限时间内依次放电，记录最近的经验。不同的细胞在不同的延迟下具有“时间场”，延迟时间至少可达数十秒。过去的研究表明，时间细胞代表了一条压缩的时间线，因为延迟后期放电的时间细胞较少，时间场较宽。本文探讨时间细胞的压缩是否遵循韦伯-费希纳定律。使用分层贝叶斯模型研究了时间细胞，该模型同时考虑了试验水平、细胞水平和群体水平的放电模式。该程序允许分别估计试验内感受野宽度和试验间变异性。分离试验间变异性后，时间场宽度随延迟线性增加。此外，时间细胞群体沿对数时间轴均匀分布。这些发现提供了强有力的定量证据，表明啮齿动物海马中的神经时间表征具有对数压缩性，并且遵循神经韦伯-费希纳定律。
下托和海马中导航信息的独特流形编码
下托 (SUB) 在空间导航中起着至关重要的作用，其对导航信息的编码方式与海马 CA1 区不同。然而，下托群体活动的表征仍然未知。在这里，我们研究了在执行 T 迷宫和旷场任务的大鼠的 CA1 和 SUB 中细胞外记录的神经元群体活动。这两个区域中的群体活动轨迹都局限于与外部空间同态的低维神经流形。SUB 中的流形比 CA1 中的流形传达位置、速度和未来路径信息的解码精度更高。在大鼠和 CA1 和 SUB 的区域之间以及 SUB 中的任务之间，流形表现出共同的几何形状。在慢波睡眠中的任务后波动期间，群体活动在 SUB 中比在 CA1 中更频繁地表示奖励位置/事件。因此，CA1 和 SUB 将信息明显地编码到神经流形中，这些流形是清醒和睡眠期间导航信息处理的基础。
早期大脑发育中海马的表面扩展
。cc-by-nc-nd 4.0国际许可证。是根据作者/资助者提供的预印本（未经同行评审的认证）提供的，他已授予Biorxiv的许可证，以在2025年2月24日发布的此版本中在版权所有者中显示预印本。 https://doi.org/10.1101/2025.02.22.639699 doi：Biorxiv Preprint
社会经济地位对儿童和青少年的杏仁核和海马细分的影响
童年时期的抽象社会经济地位（SES）会影响行为和大脑发展。过去的工作一直集中在杏仁核和海马，这是两个对情绪和行为反应至关重要的大脑区域。虽然杏仁核和海马体积存在SES差异，但在该领域与神经生物学特异性有关的该领域有许多未解决的问题，并且这些影响可能更为明显。我们可能能够研究这些大脑区域的一些解剖学细分，以及与SES的关系因参与者的年龄和性别而异。迄今为止尚无工作完成这些类型的分析。为了克服这些局限性，在这里，我们将多个大型的儿童和青少年的神经影像学数据集与有关神经生物学和SES的信息相结合（n = 2,765）。我们检查了杏仁核和海马的细分，发现多个杏仁核细分以及海马的头部与SES有关。在这些领域中，对于高级SES青年参与者而言，这些领域的数量更大。研究年龄和性别特定的亚组，我们倾向于在男孩和女孩中看到年龄较大的参与者的影响。平行样品的平行效应，我们看到了辅助基底杏仁核和海马头的SES和体积之间的显着正相关。我们在男孩中更始终如一地发现海马和海马和杏仁核之间的关联（与女孩相比）。我们讨论了这些结果与“性别变量”的概念以及整个童年和青春期的神经发育的广泛模式。这些结果填补了SES对情绪，记忆和学习至关重要的神经生物学影响的重要空白。
一种基于深度学习的海马亚区分割新方法
自动评估海马体积是研究阿尔茨海默病等多种神经退行性疾病的重要工具。具体而言，测量海马亚区特性具有重要意义，因为它可以显示大脑的早期病理变化。然而，由于这些亚区结构复杂，需要手动标记的高分辨率磁共振图像，因此分割这些亚区非常困难。在这项工作中，我们提出了一种基于深度监督卷积神经网络的自动海马亚区分割新流程。针对两种可用的海马亚区划分协议，显示了所提出方法的结果。该方法与其他最先进的方法进行了比较，在准确性和执行时间方面显示出更好的结果。
海马体和大脑皮层中 fMRI BOLD 信号的不同神经生理相关性
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。
海马中相关事件的分化支持发育过程中的记忆恢复
。CC-BY 4.0 国际许可下可用（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2024 年 11 月 26 日发布。；https://doi.org/10.1101/2023.05.25.541743 doi：bioRxiv 预印本