XiaoMi-AI文件搜索系统
World File Search Systemphysiological
Felix Putze、Christian Mühl、Fabien Lotte、Stephen Fairclough、Christian Herff。社论：基于神经生理测量检测和评估工作记忆状态和认知功能。《人类神经科学前沿》，2018 年，第 12 期，�10.3389/fnhum.2018.00440�。�hal-01908759�
工作记忆等执行认知功能决定了各种不同认知任务的成败，如解决问题、导航或规划。通过从神经生理或心理生理信号估计工作记忆负荷或记忆容量等结构，自适应系统可以对操作员经历的认知状态作出反应，并触发旨在支持任务执行的响应（例如，在受试者超负荷时简化辅导系统的练习 Gerjets et al., 2014 ，或关闭来自手机的干扰）。确定工作记忆负荷等认知状态对于自动测试/评估或可用性评估也很有用。虽然目前有大量关于工作记忆活动等认知功能的神经和生理相关性的研究，但很少有出版物涉及这类研究在复杂、现实场景中的单次试验检测和实时估计认知功能方面的应用。基于脑活动测量的单次试验分类器，例如脑电图 (EEG, Kothe and Makeig, 2011; Lotte 等人, 2018)、功能性近红外光谱 (fNIRS, Putze 等人, 2014; Herffiet al., 2015)、生理信号 (Fairclough 等人, 2005; Fairclough, 2008) 或眼动追踪 (Putze 等人, 2013)，有可能根据短段数据对情感 (Koelstra 等人, 2010; Heger 等人, 2014; Mühl 等人, 2014) 或认知状态进行分类。为此，需要开发信号处理和机器学习技术并将其转移到现实世界的用户界面。这个前沿研究主题的目标是推动基于信号的认知过程建模的最新进展。我们对更复杂、更现实的研究设计特别感兴趣，例如在野外收集数据或调查相互作用
神经生理机构在莱索感官中 -
通过研究感觉感知和整合的神经生理机制，我们获得了对多感官大脑复杂性的宝贵见解。了解大脑如何处理和整合感官信息可以增强我们对人类感知的理解，并为开发有关感官相关疾病的干预措施打开门。继续在该领域的研究将揭开神经生理机制的进一步奥秘，并导致令人兴奋的发现，对我们对人脑的理解产生了深远的影响。
利用成像方法研究斑马鱼脑部疾病的病理生理机制
1 欧洲非线性光谱实验室，Via Nello Carrara 1, 50019 Sesto Fiorentino，意大利； turrini@lens.unifi.it (LT)； roschi@lens.unifi.it (LR); devito@lens.unifi.it (GdV)； francesco.pavone@unifi.it (FSP) 2 佛罗伦萨大学神经科学、心理学、药物研究和儿童健康系，Viale Gaetano Pieraccini 6, 50139 佛罗伦萨，意大利 3 佛罗伦萨大学复杂动力学研究中心，Via Giovanni Sansone 1, 50019 Sesto Fiorentino，意大利 4 佛罗伦萨大学物理和天文学系，Via Giovanni Sansone 1, 50019 Sesto Fiorentino，意大利 5 国家研究委员会国家光学研究所，Via Nello Carrara 1, 50019 Sesto Fiorentino，意大利 6 佛罗伦萨大学生物系，Via Madonna del Piano 6, 50019 Sesto Fiorentino，意大利 * 通讯地址：francesco.vanzi@unifi.it
使用生成模型合成情感神经生理信号：一篇评论论文
将情商融入机器是推进人机交互的重要一步。这要求开发可靠的端到端情绪识别系统。然而，公共有效数据集的稀缺带来了挑战。在这篇文献综述中，我们强调使用生成模型来解决神经生理信号中的这一问题，特别是脑电图 (EEG) 和功能性近红外光谱 (fNIRS)。我们对该领域使用的不同生成模型进行了全面的分析，研究了它们的输入公式、部署策略和评估合成数据质量的方法。这篇综述是一个全面的概述，提供了对生成模型在情绪识别系统中的应用优势、挑战和有希望的未来方向的见解。通过这篇综述，我们旨在促进神经生理数据增强的进展，从而支持开发更高效、更可靠的情绪识别系统。
生菜对虫害坏死病毒的遗传和生理决定因素
结果：14个领域实验中的平均DI范围为2.1％至70.4％。在经过测试的加入中观察到了DI的高度差异，在红色品种中，DI最低的DI在红色品种中检测到了最低的DI，Reed of the良好的选择，红色飞溅COS，步兵，甜蜜的情人节，Annapolis和Velvet。多个线性回归模型揭示了在DI上的四个分析决定因素中的小但显着的影响（P <0.005）。DI值较低的加入的植物发育较慢（PD，r = 0.352），ACI含量较高（r = - 0.284），TFD较低（r = 0.198）和较低的SPAD含量（r = 0.125）。一项全基因组关联研究显示，在九个生菜染色体中，位于八个di的13个QTL（例外是Chr。8）。最常见的QTL（QINSV2.1）位于Chr上。2。DI的DI QTL与PD，ACI和SPAD的QTL相同的基因组区域。chr上的di的另外三个QTL。5和8。
卷积神经网络基于电生理信号识别神经状态的潜力：对合成和真实患者数据的实验
自适应深部脑刺激 (aDBS) 和其他脑机接口 (BCI) 应用通常需要实时处理传入的神经振荡信号并从中解码相关的行为或病理状态。大多数当前方法依赖于首先提取一组预定义特征，例如标准频带中的功率或各种时域特征，然后训练机器学习系统，这些系统使用这些预定义特征作为输入并推断每个给定时间点的底层大脑状态。然而，这种算法方法是否最适合提取神经波形中包含的所有可用信息仍是一个悬而未决的问题。在这里，我们旨在探索不同的算法方法，看看它们是否有可能根据神经活动（例如通过局部场电位 (LFP) 记录或脑电图 (EEG) 测量）提高解码性能。具体来说，我们旨在探索端到端卷积神经网络的潜力，并将这种方法与基于提取预定义特征集的其他机器学习方法进行比较。为此，我们实施并训练了许多机器学习模型，这些模型要么基于手动构建的特征，要么在基于深度学习的模型的情况下，基于直接从数据中学习的特征。我们使用模拟数据识别神经状态的任务对这些模型进行了基准测试，该数据结合了先前与生理和病理功能相关的波形特征。然后，我们根据从特发性震颤患者运动丘脑记录的局部场电位评估这些模型在解码运动方面的表现。我们的研究结果来自模拟和真实患者数据，表明端到端基于深度学习的方法可能超越基于特征的方法，特别是当波形数据中的相关模式未知、难以量化或从预定义特征提取的角度来看可能存在时
人际同步过程中人际调谐的血流动力学和电生理生物标志物
摘要：本研究探讨了内感受和社会框架对运动同步任务中脑间电生理 (EEG) 和血流动力学 (通过功能性近红外光谱 (fNIRS) 收集) 功能连接一致性的影响。14 个二元组在有和无内感受焦点的情况下执行运动同步任务。此外，通过增强共享意向性，运动任务具有社交或非社交框架。在实验期间，通过 EEG-fNIRS 超扫描范例收集 delta、theta、alpha 和 beta 频带以及氧合和脱氧血红蛋白 (O2Hb 和 HHb)。计算两个神经生理信号的脑间一致性指数，然后将它们关联起来，以探索二元组中功能连接 EEG-fNIRS 的相互一致性。研究结果表明，与无专注条件和右半球相比，专注状态下左半球的 delta 和 O2Hb、theta 和 O2Hb 以及 alpha 和 O2Hb 之间的相关值显著更高（专注和无专注条件下均如此）。此外，当任务以社交方式与非社交方式进行比较时，在专注状态下左半球的 delta 和 O2Hb 以及 theta 和 O2Hb 之间的相关值更高。这项研究表明，专注于呼吸和共同的意向性会连贯地激活执行联合运动任务的二元组中相同的左额叶区域。
超柔性电极阵列可对啮齿动物体内数千个神经元进行长达数月的高密度电生理映射
✉ 通信和材料索取请发送至 Lan Luan 或 Chong Xie。lan.luan@rice.edu；chongxie@rice.edu。作者贡献 CX 构思并组织了整个研究；ZZ、HZ、XL、LL 和 CX 设计了实验，所有作者均参与其中；ZZ 和 XL 在 CX 的监督下设计和制作了 NET 设备；DFL、JEC 和 LF 与 SpikeGadgets LLC 合作设计了堆叠头戴式记录系统；ZZ 和 XL 在 JEC 和 DFL 的帮助以及 CX 和 LF 的监督下设计了 NET 探头与头戴式记录系统的集成；ZZ 和 XL 在 CX 的监督下开发并执行了手术程序；ZZ、XL 和 HZ 在 LS 和 FH 的帮助以及 CX 和 LL 的监督下进行了动物神经记录实验； HZ 和 ZZ 开发并实施了数据预处理，由 CX 监督，并得到了 JEC 和 LF 的意见；ZZ 和 HZ 执行了数据后分析，由 LL 和 CX 监督，并得到了 LF 的意见；ZZ 执行了组织学研究，由 CX 监督；ZZ、LL 和 CX 撰写并修改了手稿，得到了所有作者的意见。
更年期荷尔蒙治疗显着改变了阿尔茨海默氏病的病理生物标志物
图3根据治疗组和APOEε4等位基因载体状态（正或负），Aβ1-42/p-TAU 231比率的纵向变化。注意：表示的值是指根据线性模型计算的估计边缘均值，以说明年龄的效果。HOC后成对组比较：对照APOEε4阴性-MHTAPOEε4阴性：P = 0.76，对照APOEε4阴性 - 对照APOE APOEε4阳性：P = 0.02，P = 0.02，对照APOEε4-阴性ε4-阴性-MHT APOE-MHT APOEε4型APOEεεεε4-aP = 0.95，MHT APOEε4-- MHT APOEε4-- MHT APOEε4-- MHT APOE，MHT，MHT，MHT，MHT apoEε三，MHT，MHT 4阳性：P = 0.008，MHTAPOEε4阴性-MHTAPOEε4阳性：P = 0.71，对照APOEε4阳性-MHT APOEε4阳性：P = 0.007。aβ，淀粉样β; apoe，载脂蛋白E； MHT，更年期激素疗法； p-tau 231，tau蛋白在现场苏氨酸231
虚拟与现实：配偶石棺的神经生理学初步研究
1 罗马大学 SAIMLAL 系组织学和医学胚胎学组，00185 罗马，意大利；andrea.giorgi@uniroma1.it（AG）；alessia.vozzi@uniroma1.it（AV）2 BrainSigns 有限公司，00185 罗马，意大利；stefano.menicocci@brainsigns.com（SM）；biancams.inguscio@uniroma1.it（BMSI）；silvia.ferrara@brainsigns.com（SF）；fabio.babiloni@uniroma1.it（FB）；vincenzo.ronca@uniroma1.it（VR）3 罗马大学分子医学系，00161 罗马，意大利 4 杜克大学古典研究系，达勒姆，北卡罗来纳州 27708，美国； maurizio.forte@duke.edu 5 罗马第一大学艺术与医学人文实验室，00185 罗马，意大利；vincenza.ferrara@uniroma1.it 6 罗马第三大学政治科学系，00145 罗马，意大利；marco.mingione@uniroma3.it 7 玛丽亚 SS. Assunta 自由大学 (LUMSA) 法学、经济学、政治学和现代语言系，00192 罗马，意大利； p.alaimodiloro@lumsa.it 8 罗马大学人类神经科学系，00185 罗马，意大利 9 杭州电子科技大学计算机科学系，杭州 310018，中国 10 罗马大学“Antonio Ruberti”计算机、控制与管理工程系，00185 罗马，意大利 * 通信地址：giulia.cartocci@uniroma1.it † 这些作者对这项工作做出了同等贡献。