XiaoMi-AI文件搜索系统
World File Search Systembrain
世界首个脑癌临床试验在墨尔本启动
该项目位于维多利亚州政府管辖区内，三十年来脑癌的存活率几乎没有变化，80% 的确诊患者在五年内死亡。每五个小时就有一名澳大利亚人被诊断出患有脑癌，在澳大利亚，死于脑癌的儿童数量超过任何其他疾病。 脑癌中心/WEHI 实验室负责人、彼得麦卡勒姆癌症中心和皇家墨尔本医院的肿瘤医学专家 Jim Whittle 博士表示，Brain-POP 将开始解决脑癌患者缺乏试验选择的问题，并使研究发现能够迅速转化为临床应用。“过去 30 年缺乏进展表明需要从根本上改变药物研发方式和脑癌临床试验方式，”Whittle 博士说。“Brain-POP 平台提供了一种独特的方法来帮助我们测试药物是否真正进入大脑，并确定它是否产生了我们想要的效果。 “这就是我们需要投入精力的地方——最强大、最有前景的疗法，阻止无效疗法的发展，为脑癌患者带来更好的治疗效果。”皇家墨尔本医院神经外科主任凯特·德拉蒙德教授表示，该合作综合试验项目将借鉴墨尔本生物医学区研究人员和临床医生的丰富专业知识。
多语言大脑：揭示认知和神经......
摘要 在当今世界，多语言已成为常态，单语者是少数，学术研究一直未能适应这一现实。这一现象凸显了人类大脑掌握多种语言的能力，无论是母语 (L1)、第二语言 (L2) 还是第三语言 (L3)，这要求重新评估传统范式。本研究旨在挑战认知语言学的传统方法，特别是与语言习得、语言选择和潜在的大脑过程相关的方法。研究问题包括：个人如何在不同的认知和社会背景下在多种语言之间导航，这对我们理解人类的认知能力有何影响？所采用的方法结合了使用脑成像、心理语言学测试和多语言使用者的社会语言学调查的实验分析。研究结果表明，双语和多语不仅可以提高认知灵活性，还可以提高多元文化环境中的解决问题的能力和适应能力。总之，本研究表明，多语言能力不仅仅是多种语言系统的习得，而是一种影响认知、社交互动和大脑结构的复杂现象。通过重新定义我们对认知和语言过程的理解，本研究提出了在全球化背景下研究语言的新范式。
精神分裂症和躁郁症风险人群在情绪 Stroop 任务期间的大脑前额叶活动——一项 fNIRS 研究
目标：情绪斯特鲁普效应被定义为与中性刺激相比，对情绪刺激的反应时间增加。文献中经常报道这种效应，包括行为和神经生理层面的报道。本研究的目的是调查在情绪斯特鲁普任务中，有精神分裂症和躁郁症风险的个体的大脑前额叶激活情况。我们预计会观察到与健康对照组相比，高危人群的激活程度会降低。方法：精神病高风险（HR）、精神病超高风险（UHR）、躁郁症风险（BIP）个体和健康对照组（HC）执行情绪斯特鲁普任务，其中包括正价、负价和中性词。功能性近红外光谱（fNIRS）用于测量代表背外侧前额叶和额颞叶皮层大脑活动的氧合血红蛋白（O 2 Hb）水平。结果：结果显示，与 HC 组相比，HR 组和 UHR 组的右背外侧前额叶皮层 (DLPFC) 的 O 2 Hb 水平显著降低，表明活动性较低。尽管这种下降与词语的价数无关，但对于负面词语来说，下降最为明显。此外，与 HC 组相比，所有高危人群的额颞叶皮层 (FTC) 中的 O 2 Hb 水平均显著降低。结论：精神病和躁郁症风险人群的 FTC 活动性降低反映了非特异性功能障碍。HR 组和 UHR 组 DLPFC 活动性降低表明，在有精神分裂症精神病风险的个体中已经发现了额叶功能减退。
通过脑机接口生成
我们提出了一种实时生成音乐的方法，该方法由从脑电图 (EEG) 估计的用户情感状态驱动。这项工作旨在探索使用传感器数据的实时音乐生成应用策略。应用范围从用于 x-reality 的响应音乐到艺术装置，以及在教学环境中作为反馈的音乐生成。我们在开源平台 OpenViBE 中开发了一个脑机接口。它管理与 EEG 设备的通信并计算相关特征。基准数据集用于评估监督学习方法在价态和唤醒的二元分类任务上的表现。我们还使用减少数量的电极和频带评估了性能，以解决预算较低和环境嘈杂的问题。然后，我们解决了实时音乐生成模型的要求，并提出了对 Magenta 的 MusicVAE 的修改，引入了一个用于控制批次间内存的参数。最后，我们讨论了将所需音乐特征映射到模型的原生输入特征的可能策略。我们提出了一个概率图形模型来模拟从效价/唤醒到 MusicVAE 潜在变量的映射。我们还解决了数据集维度问题，提出了三个概率解决方案。
探索基于深度学习的大脑MRI-TO-CT合成中的对比度概括
背景：已提出合成计算机断层扫描（SCT），并越来越多地采用以实现基于磁共振成像（MRI）的放射疗法。深度学习（DL）最近证明了从固定MRI采集中生成准确的SCT的能力。但是，由于模型概括不良，MRI方案可能会随着时间的推移而随着时间的流逝而变化或不同。目的：研究域随机化（DR）以增加脑SCT生成DL模型的概括。方法：收集了95例接受RT患者的CT和相应的T 1加权MRI，带有 /无对比度，T 2加权和FLAIR MRI，考虑到可以研究概括的未见序列的能力。“基线”生成对抗网络进行了 /没有天赋序列的训练，以测试模型在没有DR的情况下的性能。基于SCT的剂量计划的图像相似性和准确性对CT进行了评估，以选择针对基线的表现最佳的DR方法。结果：基线模型在FLAIR上的性能最差，平均绝对误差（MAE）= 106±20.7 HU（平均值±σ）。在MAE = 99.0±14.9 HU的DR模型中，Flair上的性能显着提高，但仍然不如基线 + Flair模型的性能（MAE = 72.6±10.1 HU）。同样，对于DR VS基线，获得了γ速率的提高。结论：DR提高了仅在获得的MRI上训练的未见序列上的图像相似性和剂量准确性。DR使模型更加稳健，从而减少了在未见序列上应用模型时重新训练的需求，并且无法进行重新训练。
口语大脑：言语，韵律和语法的fMRI实验概论
在这项研究中，我们将概述近年来我们所做的有关语言和语音生产的神经解剖学相关性的实验工作。首先，我们将介绍与事件相关的功能磁神经成像和我们使用的实验范式的方法。然后，我们将介绍并讨论有关（1）语音运动控制，（2）发音复杂性，（3）韵律的神经解剖学相关性的实验结果，以及（4）义大利处理的神经认知底物。实验（1）和（2）表明，由SMA，运动皮层和小脑组成的预期大型运动语音网络仅在计划和执行简单的关节运动方面活跃。提高的关节复杂性会导致更集中的激活。此外，我们可以证明，只有语音运动的执行才能招募左前岛，而发音计划则没有。实验结果（3）的结果表明，控制韵律处理的横向化不是韵律（语言与情感）的功能，而是处理单元的更一般特征，例如韵律框架的大小，造成了不同皮质区域的激活。最后，在实验（4）中，我们提出了语音生产中句法处理的第一个结果。除了预期的Broca区域激活外，我们还发现了Wernicke地区和小脑中的激活。我们还找到了其他皮质区域激活的证据，这些证据少于脑力相关性的临床研究。这些领域和网络的认知相关性仍有待阐明。Q 2001 Elsevier Science Ltd.保留所有权利。Q 2001 Elsevier Science Ltd.保留所有权利。
Dempster-Shafer 可信 AI 方法及其在胎儿脑部 MRI 分割中的应用
摘要 — 对于病理病例和在不同中心获取的图像（而不是训练图像），用于医学图像分割的深度学习模型可能会意外且严重地失败，其标记错误违反了专家知识。此类错误破坏了用于医学图像分割的深度学习模型的可信度。检测和纠正此类故障的机制对于安全地将这项技术转化为临床应用至关重要，并且很可能成为未来人工智能 (AI) 法规的要求。在这项工作中，我们提出了一个值得信赖的 AI 理论框架和一个实用系统，该系统可以使用基于 Dempster-Shafer 理论的回退方法和故障安全机制来增强任何骨干 AI 系统。我们的方法依赖于可操作的可信 AI 定义。我们的方法会自动丢弃由骨干 AI 预测的违反专家知识的体素级标记，并依赖于这些体素的回退。我们在最大的已报告胎儿 MRI 注释数据集上证明了所提出的可信 AI 方法的有效性，该数据集由来自 13 个中心的 540 个手动注释的胎儿大脑 3D T2w MRI 组成。我们值得信赖的 AI 方法提高了四个骨干 AI 模型的稳健性，这些模型适用于在不同中心获取的胎儿脑部 MRI 以及患有各种脑部异常的胎儿。我们的代码可在此处公开获取。
增强型生成对抗网络，用于 3D 脑 MRI 超分辨率
用于磁共振成像 (MRI) 的单图像超分辨率 (SISR) 重建引起了人们的极大兴趣，因为它不仅可以加快成像速度，还可以改善可用图像数据的定量处理和分析。生成对抗网络 (GAN) 已被证明在图像恢复任务中表现良好。在这项工作中，我们遵循 GAN 框架并开发了一个与鉴别器相结合的生成器来解决 T1 脑 MRI 图像上的 3D SISR 任务。我们开发了一种新颖的 3D 内存高效的残差密集块生成器 (MRDG)，其在 SSIM（结构相似性）、PSNR（峰值信噪比）和 NRMSE（归一化均方根误差）指标方面实现了最先进的性能。我们还设计了一个金字塔池化鉴别器 (PPD) 来同时恢复不同尺寸尺度上的细节。最后，我们引入了模型混合，这是一种简单且计算效率高的方法，可以平衡图像和纹理
利用非脑和多模态脑成像数据预测健康和病理衰老过程中未来的认知能力下降
a 瑞士苏黎世大学心理学系可塑性研究方法 b 瑞士苏黎世大学和苏黎世联邦理工学院苏黎世神经科学中心 (ZNZ) c 瑞士苏黎世大学大学研究优先计划“健康老龄化动力学” d 法国帕莱索巴黎萨克雷大学、Inria、CEA e 德国莱比锡马克斯普朗克人类认知和脑科学研究所神经病学系 f 加拿大魁北克省蒙特利尔蒙特利尔大学老年医学研究所功能神经影像科 g 美国德克萨斯州奥斯汀德克萨斯大学戴尔医学院计算神经影像实验室 h 美国密歇根州底特律韦恩州立大学老年学研究所和心理学系 i 加拿大蒙特利尔康考迪亚大学心理学系 j 大脑与运动研究所认知神经解剖学实验室épinière，法国巴黎 k 德克萨斯大学心理学系，美国德克萨斯州奥斯汀
使用数据约束的循环神经网络模型推断全脑交互
行为源自多个在解剖学和功能上不同的大脑区域的协调活动 1,2 。现代实验工具 3–5 使我们能够前所未有地接触大量神经群，甚至是横跨全脑许多相互作用区域的神经群 2 。然而，要理解如此大规模的数据集，不仅需要稳健、可扩展的计算模型来提取区域间通信的有意义特征，还需要原则性理论来解释这些特征。在这里，我们介绍了基于电流的分解 (CURBD)，这是一种使用数据约束的循环神经网络模型 6 推断全脑相互作用的方法，该模型一旦经过训练，就会自主产生与实验获得的神经数据一致的动态。CURBD 利用从这些模型推断出的功能相互作用来同时揭示多个大脑区域之间的定向电流。我们首先表明，CURBD 可以在具有已知连接和动态的模拟真实网络中准确地隔离区域间电流。然后，我们将 CURBD 应用于从广泛的神经数据集（斑马鱼幼虫 7 、小鼠 8 、猕猴 9 和人类 10 ）获得的多区域神经记录，以证明 CURBD 在解开全脑相互作用和行为背后的区域间通信原理方面的广泛适用性。