XiaoMi-AI文件搜索系统
World File Search Systemmagnetoencephalography
解码想象中的言语揭示言语规划和产生机制
摘要 言语意象（产生内部准感知言语体验的能力）是一种与认知功能相关的基本能力，例如内在言语、语音工作记忆和预测处理。言语意象也被认为是检验外在言语理论的理想工具。言语意象的研究具有挑战性，主要是因为缺乏外在的行为输出，以及难以在试验和个体之间在时间上对齐意象事件。我们使用脑磁图 (MEG) 结合基于时间泛化的神经解码和简单的行为协议来确定言语意象背后的处理阶段。我们使用肌电图监测参与者在音节产生心理意象期间嘴唇和下巴的微运动。解码参与者想象的音节揭示了一系列任务引发的表征。重要的是，参与者的微运动并没有区分音节。解码后的神经元模式序列很好地映射到当前显性语音运动控制计算模型的预测上，并为语音规划和生成的假设内部和外部反馈回路提供了证据。此外，结果揭示了规划过程中表征的压缩性质，这与内部生成的自然速率形成对比。我们推测，相同的序列是基于运动的感官预测生成的基础，这些预测调节语音感知以及假设的语音工作记忆的发音回路。这些结果强调了基于新实验方法和分析方法的语音意象的潜力，并为成功的非侵入性脑机接口铺平了道路。
EEG-IMAGENET
探索大脑活动如何转化为视觉感知，为生物视觉系统的世界代表提供了宝贵的视觉感。最近使用功能性磁共振成像（fMRI）或磁脑摄影（MEG）获得的大脑信号实现了有效的图像分类和高质量的重构。但是，这些技术的成本和批量妨碍了它们的实际应用。相比之下，电子摄影（EEG）提出了诸如易用性，可负担性，高时间分辨率和非侵入性操作等优点，但由于缺乏全面的数据集，在相关研究中仍未充分利用。为了填补这一空白，我们介绍了EEG-IMAGENET，这是一个新颖的EEG数据集，其中包含来自16名参与者的录音，这些录音是暴露于Imagenet数据集中的4000张图像。与现有基准相比，此数据集提供的五倍对脑电图对数的数量是五倍。eeg-imagenet包括带有不同水平的粒度标记的图像刺激，包含40张带有粗标签的图像和40个带有精美标签的图像。我们基于此数据集建立了对象分类和图像重建的基准。使用几种常用模型的实验表明，表现最佳的模型可以通过约60％的准确性实现对象分类，并具有三向识别的图像重建约为64％。这些发现突出了数据集增强基于EEG的Vi-Sual Brain-Computer界面的潜力，加深了我们对生物系统中视觉感知的理解，并提出了有望改善机器视觉模型的有希望的应用。
SMA 中的高 β 爆发介导双手运动任务中的预期肌肉抑制
在运动网络中，运动抑制可由感觉运动 mu 节律 (8-12Hz) 或 beta 爆发 (13-30Hz) 驱动。在本研究中，我们旨在调查 mu 或 beta 活动是否支持有效的预期抑制，这反映在肌电图 (EMG) 活动的减少中。为了测试这一点，我们在 16 名执行双手负重举重任务 (BLLT) 的成年人中记录了脑磁图 (MEG)，参与者用一只手支撑另一只手举起重物。在预期卸载时，支撑臂的肘屈肌受到抑制以防止肘部偏转。我们观察到，当屈肌抑制发生在卸载开始前约 30 毫秒时，会发生最佳姿势稳定。在此时间间隔内较强的 EMG 抑制与高伽马功率 (90-130Hz) 呈负相关，反映神经兴奋性降低，与内侧辅助运动区 (SMA) 的高 beta 功率呈正相关。相反，在 mu 范围（8-12 Hz）内未观察到显著相关性。同时，高 beta 和高 gamma 功率呈负相关。中介分析证实，gamma 功率显著介导 beta 功率与 EMG 抑制之间的关系。使用相位斜率指数的 beta 爆发概率和定向连接分析表明，高 beta 爆发从中部前额皮质 (mPFC) 和肘部相关的初级运动皮质 (M1) 传输到 SMA。我们的研究结果表明，在自愿卸载任务中，最佳时间的预期肌肉抑制是由 SMA 内兴奋性降低驱动的，这可能是由源自 mPFC-M1-SMA 网络的高 beta 爆发促进的。
电动机到感官转换介导了想象的唱歌
是什么能够在我们的脑海中进行口头思考或嗡嗡作响的心理活动？我们假设运动系统与感觉系统之间的相互作用引起语音和旋律的心理表征，而这种运动性转化构成了神经基础，使我们的口头思维和秘密唱歌。与听觉刺激的神经夹带相似，参与者以节奏地想象着众所周知的歌曲的歌词，而使用磁脑摄影（MEG）记录了神经电磁信号。我们发现，当参与者想象在试验中类似的持续时间内唱同一首歌曲时，三角洲频带（1-3 Hz，类似于歌曲的节奏）在试验中显示出更加一致的相位相干性。This neural phase tracking of imagined singing was observed in a frontal-parietal-temporal network: the proposed motor-to-sensory transfor- mation pathway, including the inferior frontal gyrus (IFG), insula (INS), premotor area, intra- parietal sulcus (IPS), temporal-parietal junction (TPJ), primary auditory cortex (Heschl's gyrus [Hg]）和上颞回（STG）和沟（STS）。这些结果表明，神经反应可能夹带精神活动的节奏。此外，theta波段（4-8 Hz）相位相干性位于听觉皮层中。在右侧的感官系统中观察到MU（9-12 Hz）和β（17–20 Hz）频段，这些系统与唱片背景相关。伽马频带在观察到的网络中广泛体现。电动机到感官转移网络中的相干和频率特异性激活介导了感知表示的内部结构，并构成了精神操作的神经计算的基础。
eeg源本地化
自从发现脑电图（EEG）以来，当人们希望脑电图提供“通向大脑的窗口”时，研究人员和临床医生试图在大脑中定位神经元活性，从而产生与EEG无创测量的头皮电位的头皮电位。1950年代的早期探索使用电场理论来从头皮电位分布中推断出当前偶极子在大脑中的位置和取向，从而触发了巨大的努力，以定量推断这些来源。最初，偶极拟合或偶极性定位是选择的方法，许多研究在实验和临床研究中使用了这种方法，并取得了显着的成功。后来，提出了新方法，该方法试图克服必须先验来解决资源数量的问题；这些方法被称为分离源成像技术。引入和增加的磁共振成像的可用性，使大脑和头部的详细逼真的解剖结合在源定位方法中，已大大提高了这种方法的精度。今天，脑电图（以及磁脑摄影或MEG）的来源定位已达到一致性和精确度，使这些方法可以放置在脑成像技术家族中。他们比其他成像方法具有的特殊优势是它们的高时间分辨率，这使活动的起源可以与大规模脑网络中的传播和信息流进行研究。本章概述了这些方法，并以几个示例说明了这些方法，从而将其重点放在癫痫和术前计划中的脑电图源成像，作为具有明显成熟的临床应用。
耦合 CP 分解同步 MEG-EEG 信号用于区分光驱动过程中的振荡器
脑磁图 (MEG) 和脑电图 (EEG) 是研究大脑功能和组织的当代方法。同时获取的 MEG-EEG 数据本质上是多维的并表现出耦合。本研究使用耦合张量分解从间歇性光刺激 (IPS) 期间的 MEG-EEG 中提取信号源。我们采用耦合半代数框架通过同步矩阵对角化 (C-SECSI) 进行近似 CP 分解。在使用模拟基准数据将其性能与其他方法进行比较后，我们将其应用于 12 名参与者在 IPS 期间的 MEG-EEG 记录，其中个体 alpha 频率的分数在 0.4 到 1.3 之间。在基准测试中，C-SECSI 比 SECSI 和其他方法更准确，尤其是在病态场景中，例如涉及共线因子或具有不同方差的噪声源。分量场图使我们能够将视觉诱发的大脑活动的生理意义振荡与背景信号区分开来。分量的频率特征可识别出相应刺激频率或其第一谐波的同步，或单个 alpha 波段或 theta 波段的振荡。在对 MEG 和 EEG 数据的组分析中，我们观察到 alpha 和 theta 波段振荡之间存在相互关系。使用 C-SECSI 的耦合张量分解是一种强大的方法，可用于从多维生物医学数据中提取生理意义的源。无监督信号源提取是使先进的多模态信号采集技术可用于临床诊断、术前规划和脑机接口应用的重要解决方案。
音乐、数学和工作记忆
音乐转调对工作记忆的要求很高，因为它涉及在唱歌或乐器演奏时将音符从一个音调（即音高音阶）心理转换为另一个音调。由于音乐转调涉及在心理上将音符调高或调低特定量，因此它可能与加法和减法的算术运算共享认知元素。我们比较了受过古典训练的音乐家在音乐转调和数学计算的高和低工作记忆负荷条件下的大脑活动。脑磁图 (MEG) 对任务和工作记忆负荷的差异很敏感。额枕连接在转调过程中高度活跃，但在数学计算过程中不活跃。在更困难的转调任务条件下，右侧运动区和运动前区高度活跃。多个额叶区域在各项任务中都高度活跃，包括在转调和计算任务期间的左侧内侧额叶区域，但仅在计算期间的右侧内侧额叶区域。在更困难的计算条件下，右侧颞区高度活跃。在连贯性分析和神经同步分析中，计算任务之间存在一些相似之处；然而，由于 MEG 的时间分辨率很高，延迟分析对计算任务中任务复杂性的差异很敏感。MEG 可用于检查音乐认知和音乐训练的神经后果。需要进一步系统地研究音乐和其他认知任务的高记忆负荷和低记忆负荷条件下的大脑活动，以阐明音乐家与非音乐家相比工作记忆能力增强的神经基础。
婴儿大脑对社交互动的反应可预测未来语言发展
在与婴儿面对面的互动中，人类成年人会表现出一种物种特有的交流信号。成年人会表现出独特的“社交整体”：他们使用婴儿导向语言（父母语），持续回应婴儿的动作和发声，并通过相互注视和微笑做出积极反应。研究表明，这种社交整体对于最初的语言学习至关重要。我们的假设是，社交整体会吸引注意力系统对言语做出反应，感觉运动系统会为婴儿做好口头回应的准备，这两者都有助于语言学习。使用婴儿脑磁图 (MEG)，我们测量了 5 个月大的婴儿在与成人进行面对面 (F2F) 实时口头互动（社交条件）期间以及在成人转身与另一个人交谈（非社交条件）期间的神经反应。使用纵向设计，我们测试了婴儿在 5 个月大时对这些条件的大脑反应是否可以预测他们未来五个时间点的语言发展。与注意力有关的大脑区域（右半球额叶下部、右半球颞上部和右半球顶叶下部）在社交条件下表现出比非社交条件下更高的 θ 活动。与理论不同的是，我们发现婴儿在注意力和感觉运动区域对 F2F 互动的反应神经活动显著预测了未来 3 年的语言发展，这比初次测量晚了 2 年多。我们提出了一种早期语言习得的观点，强调了社交整体的核心地位，并对将婴儿的语言学习与社交互动过程中的早期大脑功能联系起来的神经生物学成分提供了新的见解。
氯胺酮辅助心理治疗普遍焦虑症：一份全面的病例报告，使用磁脑电图进行整合的神经生理成像
此详细案例报告探讨了氯胺酮辅助心理治疗（KAP）在30年代后期的男性患者治疗焦虑症（GAD）（GAD）和抑郁症状中的应用。N-甲基-D-天冬氨酸（NMDA）受体拮抗剂氯胺酮由于其快速且稳健的抗抑郁作用而在情绪和焦虑症的治疗中取得了显着突破。临床前研究表明，氯胺酮促进了大脑的生物学改变，包括增强神经可塑性。然而，迄今为止，还没有使用磁脑摄影（MEG）（一种强大的功能性神经影像学方式）检查了KAP的纵向效应。静止状态MEG（RSMEG）扫描允许探索与KAP相关的情绪和焦虑症状变化的神经相关性，包括参与认知和情绪调节的大脑网络之间的功能连通性。在本案例研究中，一个中等重度GAD的成年男性参与者在基线时进行了两次RSMEG扫描和认知测试，在6个标准氯胺酮给药和2个整合会议中的6次会议中有4个，其中一部分是一项协议的一部分，该协议总共包括6次KAP会话和四次集成。我们在5个功能网络中测量了功能连接性 - 默认模式，注意力，中央执行，运动和视觉以及神经振荡活动。我们看到5个网络中的4个中的功能连接增加。这与皮质β活性的显着增加相吻合，抑制作用的标志，theta振荡的降低，GAD7和PHQ9分数的降低以及提高了注意力。总而言之，这些发现强调了RSMEG检测KAP诱导的大脑网络变化的能力，提供了一种有希望的工具，用于识别临床相关的神经相关性，可以通过电生理学变化来预测和监测治疗结果。
从结构MRI和MEG数据估算大脑年龄
大脑年龄预测研究旨在可靠地估计个体年龄年龄与基于神经成像数据的预测年龄之间的差异，这已被认为是对疾病和认知下降的信息衡量。由于大多数先前的研究仅依赖于磁共振成像（MRI）数据，因此我们在此研究是否使用大量的健康受试者（N = 613岁，年龄18-88岁，年龄18-88岁）将结构MRI与功能性磁脑表生矩（MEG）信息相结合，以改善年龄预测。为此，我们研究了降低维度降低和多元关联技术的性能，即主成分分析（PCA）和规范相关性分析（CCA），以应对神经影像数据的高维度。与使用MRI功能（MAE为5.33岁）相比，使用MEG功能（9.60岁的平均绝对误差（MAE）为9.60年）的性能较差，但是将这两种功能集结合在一起的堆叠模型改善了年龄预测的性能（MAE 4。88年）。此外，我们发现PCA导致了劣质性能，而CCA与高斯工艺回归模型结合使用，产生了最佳的预测性能。值得注意的是，CCA使我们能够可视化有助于大脑时代预测的显着贡献的特征。我们发现，皮层结构的MRI特征比皮质特征更可靠，并且光谱MEG测量比Connectiv-Ity指标更可靠。我们的结果提供了对脑衰老反射的基本过程的见解，对鉴定可靠的神经退行性疾病的可靠生物标志物产生了希望，这些疾病在寿命后期出现。