XiaoMi-AI文件搜索系统
World File Search Systemcereb
超越“相关与因果关系”：多脑神经科学需求解释
6 Dumas，G。等。 （2020）人类动态夹具揭示了连接实时社会协调和认知的额顶网络。 cereb。 Cortex doi：10.1093/cercor/bhz3086 Dumas，G。等。（2020）人类动态夹具揭示了连接实时社会协调和认知的额顶网络。cereb。Cortex doi：10.1093/cercor/bhz308
感觉运动网络中的脑电图β带振荡反映了肌萎缩性侧向硬化症中运动症状的严重程度
B.神经促疾病中网络功能障碍的神经生理标记。神经图像临床。2019; 22：101706。 doi：10.1016/j.nicl.2019.101706 4。Dukic S，McMackin R，Buxo T等。肌萎缩性侧硬化症中有图案的功能性净工作破坏。嗡嗡的脑玛普。2019; 40：4827-4842。 doi：10.1002/hbm.24740 5。Nasseroleslami B，Dukic S，Broderick M等。 （2019）脑电连通性的特征增加与肌萎缩性侧向硬化症中结构MRI的变化相关。 Cereb Cortex N Y n。 1991; 29：27-41。 doi：10.1093/cercor/bhx301 6。 McMackin R，Muthuraman M，Groppa S等。 测量网络Nasseroleslami B，Dukic S，Broderick M等。（2019）脑电连通性的特征增加与肌萎缩性侧向硬化症中结构MRI的变化相关。Cereb Cortex N Y n。 1991; 29：27-41。 doi：10.1093/cercor/bhx301 6。 McMackin R，Muthuraman M，Groppa S等。 测量网络Cereb Cortex N Y n。1991; 29：27-41。 doi：10.1093/cercor/bhx301 6。 McMackin R，Muthuraman M，Groppa S等。 测量网络1991; 29：27-41。 doi：10.1093/cercor/bhx301 6。McMackin R，Muthuraman M，Groppa S等。 测量网络McMackin R，Muthuraman M，Groppa S等。测量网络
聚（乙二醇） - 丙烯（丙二醇）三嵌段共聚物对水泥糊的自源收缩和特性的影响单词识别中整体处理的发展出现
Aghababian，V。和Nazir，T。A.（2000）。发展正常的阅读技能：单词识别的视觉过程的各个方面。J Exp Child Psychol，76（2），123–150。https://doi.org/10.1006/jecp.1999.2540Ahlén，E.学习颠倒阅读：对知觉专业知识及其获取的研究。Exp Brain Res，232（3），1025–1036。https://doi.org/10.1007/ S00221-013-3813-9 Albonico，A.，Furubacke，A.（2018）。知觉有效性和面部，单词和房屋的反转效应。Vision Res，153，91–97。https://doi.org/10.1016/j.visres.2018.10.008 Arun，S。P.（2022）。使用组分性了解整个对象中的零件。开拓者Neurosci系列，https：//doi.org/10.1111/ejn.15746 Baker，C.I.，Liu，J.，Wald，L.W.，Kown，K.K。，＆Kanwisher，N。（2007）。人类外皮层中功能选择性的视觉文字处理和经验起源。Proc Natl Acad Sci USA，104（21），9087–9092。Bartlett，J。C.和Searcy，J。H.（1993）。面部的反转和配置。Cogn Psychol，25，281–316。https://doi.org/10.1006/cogp.1993.1007 Behrmann，M.，Avidan，G.，Marotta，J.J。，＆Kimchi，R。（2005）。先天性疾病中与面部相关处理的详细探索：1。行为发现。J Cogn Neurosci，17（7），1130–1149。https://doi.org/ 10.1162/0898929054475154 Behrmann，M。，＆Plaut，D.C。（2014）。双边半球处理单词和面部的处理：纯纯Alexia中的Prosopagnosia单词障碍和面部障碍的证据。Cereb Cortex，24（4），1102–1118。https：//doi.org/10.1093/cercor/bhs390 Behrmann，M。，＆Plaut，D.C。（2020）。半球视觉对象识别组织：理论上说明和经验证据。感知，49（4），373–404。https://doi.org/10.1177/0301006619899049 Ben-Yehudah，G.，Hirshorn，E.A.，Simcox，T.，T.，Perfetti，C.A。，＆Fiez，J.A。（2019）。中文英语双语者将L1词汇阅读程序和整体拼写编码转移到L2英语。J Neurolainist，50，136–148。https://doi.org/10.1016/j.jneuroling.2018.01.002
BrainForge：用于综合神经影像采集、分析和共享的在线数据分析平台
1. Morita T、Asada M、Naito E。神经影像学研究对理解人类认知大脑功能发展的贡献。Front Hum Neurosci。2016；10：464。doi：10.3389/fnhum.2016.00464 2. Bandettini PA。神经影像学方法有什么新进展？Ann NY Acad Sci。2009；1156：260-293。doi：10.1111/j.1749-6632.2009.04420.x 3. Verner E、Baker BT、Bockholt J 等人。使用 BrainForge 加速神经影像学研究。Gateways 2020，会议改善生物医学研究的数据使用； 2020 年 10 月 21 日。4. Poldrack RA、Baker CI、Durnez J 等人。扫描地平线：迈向透明和可重复的神经影像学研究。Nat Rev Neurosci。2017；18(2):115-126。doi: 10.1038/nrn.2016.167 5. Gorgolewski K、Poldrack R。提高神经影像学研究透明度和可重复性的实用指南。PLOS Biol。2016；14:e1002506。doi: 10.1371/journal.pbio.1002506 6. Baker M。1,500 名科学家揭开可重复性的面纱。Nature。2016；533(7604):452-454。 doi: 10.1038/533452a 7. Scott A、Courtney W、Wood D 等人。COINS：为大型异构数据集构建的创新信息学和神经成像工具套件。Front Neuroinform。2011；5：33。doi: 10.3389/fninf.2011.00033 8. Yoo AB、Jette MA、Grondona M。SLURM：用于资源管理的简单 Linux 实用程序。引自：Feitelson D、Rudolph L、Schwiegelshohn U 编。并行处理的作业调度策略。JSSPP 2003。计算机科学讲义。Springer；2003：44-60。9. Avesani P、McPherson B、Hayashi S 等人。开放扩散数据衍生物、通过衍生物的集成发布和可复制的开放云服务进行脑数据升级。 Sci Data 。2019；6(1)：69。doi：10.1038/s41597-019-0073-y 10. Flywheel。为医疗和研究领域的数字化转型提供动力。2021 年 5 月 14 日访问。flywheel.io 11. Kurtzer GM、Sochat V、Bauer MW。Singularity：用于移动计算的科学容器。PLoS One。2017；12(5)：e0177459。doi：10.1371/journal.pone。0177459 12. Merkel D。Docker：用于一致开发和部署的轻量级 Linux 容器。Linux J 。2014；239：2。13. Ashburner J、Barnes G、Chen CC 等人。SPM12 手册。第 2464 卷。威康信托神经影像中心；2014 年。14. Smith SM、Jenkinson M、Woolrich MW 等人。功能性和结构性 MR 图像分析进展以及作为 FSL 的实现。神经影像。2004 年；23 (Suppl 1)：S208-S219。doi: 10.1016/j.neuroimage.2004.07.051 15. Cox RW。AFNI：用于分析和可视化功能性磁共振神经影像的软件。Comput Biomed Res。1996 年；29(3)：162-173。doi: 10. 1006/cbmr.1996.0014 16. Cox RW、Hyde JS。用于分析和可视化 fMRI 数据的软件工具。NMR Biomed。 1997；10(4–5)：171-178。doi：10.1002/(SICI)1099- 1492(199706/08)10:4/5<171::AID-NBM453>3.0.CO；2-L 17. fMRI 工具箱的 Group ICA (v4.0c)。神经影像和数据科学转化研究中心。2021 年 5 月 6 日访问。https://trendscenter. org/software/gift/ 18. TReNDS 中心。Docker, Inc.访问日期：2022 年 1 月 13 日。https://hub.docker.com/orgs/trendscenter/repositories 19. 神经影像和数据科学转化研究中心。GitHub, Inc. https://github.com/trendscenter/ 20. Gorgolewski K、Burns CD、Madison C 等人。Nipype：一个灵活、轻量且可扩展的 Python 神经影像数据处理框架。Front Neuroinform。2011；5：13。doi：10.3389/fninf.2011.00013 21. GorgolewskiKJ、AuerT、CalhounVD 等人。Thebrainimagingdatastructure，一种组织和描述神经影像实验输出的格式。Sci Data。2016；3(1)：160044。 doi: 10.1038/sdata.2016.44 22. FosterI.Globusonline：通过云服务加速和民主化科学。IEEEInternetComput。2011；15(3)：70-73。doi: 10.1109/MIC。2011.64 23. Allen B、Bresnahan J、Childers L 等人。面向数据科学家的软件即服务。Commun ACM。2012；55(2)：81-88。doi: 10.1145/2076450.2076468 24. Calhoun VD、Adali T、Pearlson GD、Pekar JJ。一种使用独立成分分析从功能性 MRI 数据进行组推断的方法。Hum Brain Mapp。2001；14(3)：140-151。 doi: 10.1002/hbm.1048 25. Allen E、Erhardt E、Damaraju E 等。静息状态网络多变量比较的基线。Front Syst Neurosci。2011；5：2。doi: 10.3389/ fnsys.2011.00002 26. Allen EA、Damaraju E、Plis SM、Erhardt EB、Eichele T、Calhoun VD。跟踪静息状态下的全脑连接动态。大脑皮层。2014；24(3)：663-676。doi: 10.1093/cercor/bhs352 27. Ashburner J、Friston KJ。基于体素的形态测量——方法。神经影像学。2000；11(6)：805-821。 doi: 10.1006/nimg.2000.0582 28. Fischl B. FreeSurfer。神经影像学。2012；62(2):774-781。doi: 10.1016/j.neuroimage.2012.01.021 29. Andersson JLR、Sotiropoulos SN。一种用于校正扩散 MR 成像中的偏共振效应和受试者运动的综合方法。神经影像学。2016；125:1063-1078。doi: 10.1016/j.neuroimage.2015.10.019 30. Andersson JL、Skare S、Ashburner J。如何校正自旋回波平面图像中的磁化率畸变：应用于扩散张量成像。神经影像学。 2003；20(2):870-888。doi: 10.1016/s1053-8119(03)00336-7 31. Andersson JLR、Graham MS、Drobnjak I、Zhang H、Filippini N、Bastiani M。面向扩散 MR 图像运动和失真校正的综合框架：体积运动内。神经影像学。2017；152:450-466。doi: 10.1016/j.neuroimage.2017.02.085 32. CalhounVinceD、MillerR、PearlsonG、Adal 𝚤 T。Thechronnectome：时变连接网络作为fMRIdatadiscovery 的下一个前沿。神经元。2014；84(2):262-274。 doi: 10.1016/j.neuron.2014.10.015 33. Du Y、Fu Z、Sui J 等人。NeuroMark：一种基于自动化和自适应 ICA 的管道，用于识别可重复的 fMRI 脑部疾病标记物。神经影像：临床。2020；28：102375。doi: 10.1016/j.nicl.2020.102375 34. Griffanti L、Zamboni G、Khan A 等人。BIANCA（脑强度异常分类算法）：一种用于自动分割白质高信号的新型工具。神经影像学。2016；141：191-205。doi：10.1016/j.neuroimage.2016.07.018