深度神经网络 (DNN) 特征与皮质反应之间的一致性目前为更高级的视觉区域提供了最准确的定量解释 [1、2、3、4]。与此同时,这些模型特征也被批评为无法解释的解释,将一个黑匣子(人脑)换成了另一个黑匣子(神经网络)。在本文中,我们从头开始训练网络,让其直接从大量自然场景数据集中预测大脑对图像的反应 [5]。然后,我们采用“网络解剖” [6],这种方法通过识别和定位图像中已训练网络各个单元的最显著特征来增强神经网络的可解释性,并已用于研究人脑的类别选择性 [7]。我们采用这种方法创建了一个假设中性模型,然后使用该模型探索类别选择性之外的特定视觉区域的调节特性,我们称之为“大脑解剖”。我们使用大脑解剖来检查一系列生态上重要的中间特性,包括深度、表面法线、曲率和物体关系,并发现顶叶、侧部和腹侧视觉流子区域之间存在一致的特征选择性差异。例如,在三个场景选择网络中,我们发现 RSC 更喜欢远深度和平面水平表面法线,而 OPA 和 PPA 更喜欢近深度和中深度以及垂直表面法线,这表明在 RSC 和 OPA/PPA 中用于场景表示的空间坐标系发生了变化。这些发现有助于更深入、更细致地了解人类视觉皮层在观看自然场景时的功能特征。项目网站:https://brain-dissection.github.io/ 。
深度学习模型在分析高维功能MRI(fMRI)数据的分析方面已使性能飞跃。然而,许多以前的方法对各种时间尺度的上下文表示次优敏感。在这里,我们提出了螺栓,这是一种血氧级依赖性变压器模型,用于分析多变量fMRI时间序列。螺栓利用一系列具有新型融合窗户注意机制的变压器编码器。编码是在时间序列中的时间段窗口上执行的,以捕获本地表示。为了暂时整合信息,在每个窗口中的基本令牌和来自相邻窗口的边缘令牌之间计算跨窗口的注意力。逐渐从局部到全球表示,窗口重叠的程度以及在整个级联反应中的数量逐渐增加。最后,一种新型的跨窗口正规化用于整个时间序列的高级分类特征。大规模公共数据集的全面实验证明了螺栓对最新方法的出色性能。此外,解释性分析是为了确定有助于建模决策最大程度贡献的具有里程碑意义的时间点和区域,证实了文献中突出的神经科学发现。
研究发现,受过音乐训练的个体在各种执行功能任务中的表现优于未受过训练的同龄人。在这里,我们展示了受过音乐训练和未受过音乐训练的儿童和青少年执行功能成熟的纵向行为结果和横向、事件相关电位 (ERP) 和 fMRI 结果。结果表明,在学龄期,受过音乐训练的儿童在集合转换测试中表现更快,但到了青春期后期,这些群体差异几乎消失了。然而,在 fMRI 实验中,受过音乐训练的青少年在集合转换任务中,背侧注意力网络的额叶、顶叶和枕叶区域以及小脑的活动比未受过训练的同龄人要少。此外,受过音乐训练的参与者在集合转换任务中对不一致目标刺激的 P3b 反应比对照组参与者的反应更向后分布在头皮上。总之,这些结果表明,音乐家在执行功能方面的优势在早期比在青春期后期更为明显。但它仍然体现在定势转换任务中神经资源的更有效的募集,以及童年以后与更新和工作记忆相关的 ERP 的不同头皮拓扑结构。
尽管存在使用神经反馈的几项情绪调节研究,但仍评估了少数区域之间的相互作用,因此,需要进一步研究以了解与情绪调节有关的大脑区域的相互作用。我们通过自传记忆通过自传记忆来上调积极的情绪,通过同时实现了功能性磁共振成像(fMRI)来实现脑电图(EEG)神经反馈。然后,对整个大脑区域进行了探索性分析,以了解神经反馈对大脑活动的影响以及与情绪调节有关的整个大脑区域的相互作用。对照组的参与者和实验组的参与者分别观看自传记忆的正面图像,并分别获得假或真实的(基于α不对称)的eeg神经反馈。提出的多模式方法量化了EEG神经反馈在变化EEGα功率,fMRI血液氧合水平依赖水平(BOLD)活性(枕骨,顶叶和边缘区域的活性(BOLD)活性(BOLD)活性(高达1.9%)以及实验中/额叶中的/limbic ins ins inter-preetal ins inter-pretiels组之间的影响。通过比较实验条件(上调和视图块)之间的大脑功能连通性,并通过比较实验组和对照组的大脑连通性来确定新的连通性联系。心理测量评估确定了神经反馈实验组中正情绪状态和负面情绪状态的显着变化。基于对情绪区域所有大脑区域之间活动和连通性的探索性分析,我们发现
摘要 背景 线索反应性,即对条件线索的敏感性增强,与习惯性和强迫性饮酒有关。然而,之前大多数关于酒精使用障碍 (AUD) 的研究都比较了酒精和中性条件下的大脑活动,仅仅是将大脑活动视为线索触发的神经反应。 目的 本研究旨在发现 AUD 个体在处理视觉酒精线索过程中的神经子过程,以及这些神经模式如何预测复发。 方法 使用线索反应性和评级任务,我们分别用表征相似性分析建模了解码酒精线索的视觉对象识别和奖励评估过程的模式,并比较了 AUD 和健康个体的解码参与度(即神经反应与假设的解码模型之间的距离)。我们进一步探索了已确定的神经系统与整个大脑之间的连接,并利用神经模式的解码参与度预测 6 个月内的复发。 研究结果 与健康个体相比,AUD 个体在解码视觉特征时表现出与运动相关的大脑区域更高的参与度,并且他们的奖励、习惯和执行网络更多地参与评估奖励价值。连接分析表明,在酒精成瘾患者中,所涉及的神经系统与高级认知网络在酒精线索处理过程中广泛相连,额叶眼区和背外侧前额叶皮层的解码参与可能有助于预测复发。结论这些发现从视觉对象识别和奖励评估的组成过程,深入了解了酒精成瘾患者与健康参与者在酒精线索解码方面的差异。临床意义所确定的模式被认为是酒精成瘾患者的生物标志物和潜在治疗靶点。
认知重新评估是一种情绪调节的一种形式,涉及重新诠释刺激的含义,通常是为了下调一个人的负面影响。重新评估通常招募前额叶和顶叶皮层分布的区域,以产生新的评估并下调杏仁核中的情绪反应。在当前的研究中,我们将fMRI任务中的重新评估能力与儿童和青少年样本中的情感灵活性进行了比较(6至17岁,n = 76)。情感灵活性被定义为第二个行为任务中含糊不清(惊讶)面部表情的价值解释的可变性。的结果表明,年龄和AF的灵活性预测了重新评估能力,并且相互作用表明儿童(但不是青少年)的灵活性支持重新评估的成功。利用对参与者大胆时间课程的基于兴趣的区域分析,我们还发现了可解散的重新评估相关的大脑机制,这些机制支持重新评估成功和情感灵活性。具体而言,前额叶皮层活性的迟到支持重新评估成功,杏仁核活性的迟到支持灵活性。在一起,这些结果表明,我们对情感灵活性的新型度量 - 观察模棱两可的情感提示的多种解释的能力 - 可能代表了认知重新评估能力的发展构件的一部分。
(1)神经科学学院umr umr Inserm 1106,Aix-MarseilleUniversité,法国Marseille,法国马赛,(2),(2)德克萨斯州达拉斯,德克萨斯州达拉斯大学的行为和脑科学学院(3)加拿大西蒙·弗雷泽大学的生物医学生理学和运动机能学。
同时进行 EEG-fMRI 是一种强大的大脑成像多模态技术,但其在神经反馈实验中的应用受到 MRI 环境引起的 EEG 噪声的限制。神经反馈研究通常需要实时分析 EEG,但扫描仪内获取的 EEG 受到心冲击图 (BCG) 伪影的严重污染,这是一种锁定在心动周期的高振幅伪影。虽然确实存在用于去除 BCG 伪影的技术,但它们要么不适合实时、低延迟应用(例如神经反馈),要么功效有限。我们提出并验证了一种名为 EEG-LLAMAS(低延迟伪影缓解获取软件)的新型开源 BCG 去除软件,该软件调整并改进了现有的伪影去除技术,以用于低延迟实验。我们首先使用模拟在已知基本事实的数据中验证了 LLAMAS。我们发现,在恢复 EEG 波形、功率谱和慢波相位方面,LLAMAS 的表现优于目前最好的公开可用的实时 BCG 去除技术——最佳基组 (OBS)。为了确定 LLAMAS 在实践中是否有效,我们随后使用它对健康成年人进行实时 EEG-fMRI 记录,使用稳态视觉诱发电位 (SSVEP) 任务。我们发现 LLAMAS 能够实时恢复 SSVEP,并且比 OBS 更好地恢复扫描仪外收集的功率谱。我们还在实时记录期间测量了 LLAMAS 的延迟,发现它引入的延迟平均不到 50 毫秒。LLAMAS 的低延迟加上其改进的伪影减少,因此可以有效地用于 EEG-fMRI 神经反馈。该平台实现了以前难以实现的闭环实验,例如针对短时间 EEG 事件的实验,并与神经科学界公开共享。
记忆是人类认知的标志之一,当人类使用神经反馈自愿调节神经群体活动时,记忆就会被改变。然而,目前尚不清楚神经反馈是否会影响记忆的整合,以及在这种神经扰动之后记忆是会得到促进还是受损。在这项研究中,参与者记住了物体,同时我们根据他们在腹侧视觉流中的大脑活动模式为他们提供了抽象的神经反馈。这种神经反馈在记忆物体的同时在大脑中创建了一个隐含的面部或房屋背景。结果表明,参与者完全由于神经反馈操纵而在每个记忆的物体与其隐含背景之间建立了关联。我们的研究结果揭示了记忆形成如何受到神经反馈合成记忆标签的影响,并加深了我们对助记符处理的理解。
摘要:实时功能性磁共振成像神经反馈 (rt-fMRI-nf) 训练是一种新兴的神经康复干预措施。然而,其在临床抑郁症患者中的临床应用转化尚不清楚,随机对照试验的效果估计值和对效果估计的支持证据的确定性尚不清楚。随着神经反馈研究的数量每年都在增加,并且可以获得更高质量的证据,我们评估了所有关于 rt-fMRI-nf 训练对临床抑郁症患者的临床应用的随机对照试验的证据。我们在 Pubmed、Embase、CENTRAL、rtFIN 数据库、Epistemonikos、试验注册、参考文献列表、其他系统评价、会议摘要和 Google Scholar 中的交叉引用中进行了电子搜索。审稿人独立选择研究、提取数据并评估偏倚风险。使用 GRADE 框架判断证据的确定性。本综述符合 PRISMA 指南并提交给 PROSPERO 注册。我们找到了 435 个结果。经过筛选,我们纳入了 11 份报告,对应 4 项 RCT。rt-fMRI-nf 对改善临床抑郁症严重程度评分的影响显示出有利于干预的趋势;然而,总体影响并不显著。治疗结束时,SMD(标准化均值差):- 0.32(95% CI - 0.73 至 0.10)。随访时,SMD:- 0.33(95% CI - 0.91,1.25)。所有研究都表明训练后 BOLD fMRI 激活发生了变化;然而,只有一项研究证实了转移过程中的调节成功。全脑分析表明,rt-fMRI nf 可能会改变大脑网络中的活动模式。需要更多研究来评估生活质量、可接受性、不良反应、认知任务和生理指标。我们得出结论,目前关于 rt-fMRI-nf 训练对临床抑郁症患者决策结果的影响的证据仍然基于低确定性证据。