XiaoMi-AI文件搜索系统
World File Search Systemphysiological
量表，新颖壁ches的高分辨率微生物分析
（2）都柏林三一学院心理学学院（3）都柏林三一学院三一学院神经科学研究所（4）加利福尼亚大学伯克利分校的心理学系伯克利分校的抽象焦虑与额叶执行功能的缺陷有着牢固的联系。然而，尽管焦虑在学习任务方面的表现受损也与焦虑有关，但焦虑症中强化学习（RL）障碍的计算研究却产生了不同的结果。WM过程会导致与RL过程并行的学习行为，并调节有效的学习率随负载的函数。但是，WM过程通常没有在焦虑和RL的研究中进行建模。在当前的研究中，我们利用了一个实验范式（RLWM），该范式使用多个刺激集尺寸来操纵WM和RL过程在增强学习和保留任务中的相对贡献。使用交互式RL和WM过程的计算模型，我们研究了通过RL或WM中的缺陷来影响生理或认知焦虑症的个体差异。升高的生理学，但没有认知，焦虑评分与所有设置大小的学习和保留测试过程中的表现差异很强。在计算上，较高的生理焦虑评分与降低的学习率和WM衰减率提高显着相关。为了强调对WM对学习的贡献的重要性，我们考虑了在没有WM模块的情况下拟合RL模型的效果。在这里，我们发现，在考虑的10个仅RL模型中的9个中的9个中，至少将较高生理焦虑的学习绩效降低至至少部分错误地归因于随机决策噪声。这些发现揭示了在焦虑中学习的双重过程障碍，这与比认知焦虑表型更生理有关。更广泛地说，这项工作还表明，在研究与心理病理学相关的学习缺陷时，会计WM对RL的贡献的重要性。引言我们从世界经验中学习的能力是成功决策和最终生存的关键要素。以及精神病理学的其他方面，焦虑与学习障碍有关，包括学习较慢和表现降低（1）。增强学习模型（RL;（2）已成功地用于研究跨动物和人类学习的认知机制。将这项工作扩展到临床领域，RL模型已用于研究心理病理学对学习的影响（3）。在这里，关于确切的精确
根据脑电图和生理信号估计情感、认知和意动状态的工具
近几十年来，基于脑电图 (EEG) 的脑机接口 (BCI) 研究已变得更加民主化 (Nam 2018)。该技术能够通过 EEG 将信息从人脑传输到机器，尤其能够帮助严重运动障碍患者向轮椅等辅助技术发送命令，例如通过想象左手或右手运动来使轮椅左转或右转。此类 BCI 被称为主动 BCI，因为用户通过执行心理意象主动向系统发送命令 (Zander 2011)。然而，BCI 缺乏稳健性限制了该技术在研究实验室之外的发展，目前 10% 到 30% 的用户无法控制主动 BCI。然而，另一种类型的 BCI 被证明特别有前景：被动 BCI (Zander 2011)。此类 BCI 不用于直接控制应用程序，而是用于实时监控用户的心理状态，以便相应地调整应用程序。请注意，被动 BCI 可以与生理信号相结合：它们被称为“混合 BCI”（Pfurtscheller 等人，2010 年）。
评估神经生理模式的相关性以预测基于运动想象的 BCI 用户的表现
摘要 —基于运动想象的脑机接口 (MI-BCI) 允许用户仅使用大脑活动来控制计算机以执行各种应用，而大脑活动通常由脑电图 (EEG) 记录。尽管 BCI 应用众多，但由于其准确性较差，它们在实验室外的使用仍然很少。一些用户无法使用 BCI，这种现象有时被称为“BCI 文盲”，影响了大约 10% 到 30% 的 BCI 用户，他们无法产生可辨别的 EEG 模式。通过进行神经生理学分析，尤其是通过识别 BCI 性能的神经生理学预测因子，我们可以更好地理解这种现象及其原因。反过来，这也可能帮助我们更好地理解并从而可能改进 BCI 用户培训。因此，本文提出了专用于预测 MI-BCI 用户表现的统计模型，该模型基于从“睁眼放松”条件下的两分钟 EEG 记录中提取的神经生理学用户特征。我们考虑了 56 名受试者在进行 MI-BCI 实验之前在“睁眼放松”条件下记录的数据。我们使用机器学习回归算法和留一交叉验证来构建我们的预测模型。我们还计算了这些特征（神经生理预测因子）与用户的 MI-BCI 表现之间的不同相关性。我们的结果表明，此类模型可以比偶然性（p ≤ 0.01）更好地预测用户表现，但平均绝对误差相对较高，为 12.43%。我们还发现我们的一些特征与性能之间存在显着的相关性，包括之前探索的 µµµ 波段预测因子，以及这里提出的新预测因子：µµµ 峰值位置变异性。因此，这些结果有助于更好地理解和预测 BCI 文盲。但是，它们还需要进一步改进才能获得更可靠的预测。索引词 — 脑机接口 (BCI)、脑电图 (EEG)、神经生理预测指标
脂多糖对机体生理反应的影响
脂多糖（LPS）是一种具有致病特性的重要化合物。LPS被认为是一种细菌内毒素，人体通过血细胞刺激免疫系统并合成促炎细胞因子，从而诱发广泛的炎症反应。进入血液循环后，这些促炎细胞因子会影响不同的身体器官并诱发全身炎症。促炎细胞因子还通过脑室周围下丘脑（PeVH）进入大脑，并通过影响小胶质细胞和粒细胞进入大脑；它们刺激大脑的免疫反应。在诱发全身和中枢炎症后，动物出现病态行为。在这篇综述中，我们将研究LPS诱导的炎症对不同动物物种的外周和中枢影响。
用于电生理 DMI 的交互式模块化系统
不同的音乐家和研究人员创建了各种音乐系统，目的是简化基于电生理信号和身体姿势的数字乐器的开发过程 [1,8]。然而，他们的努力往往与主流科学或音乐界隔绝，限制了知识和实践的相互交流。在脑电图领域，使用命令行界面的脑机音乐接口 (BCMI [9]) 软件 [11,12]、复杂的架构 [1,5,14,15] 或程序编程 [12,17] 使得一小部分潜在感兴趣的用户（即具有必要技术技能的用户）可以进行实时脑电图处理。此外，选择和实施脑电图分析需要一定程度的神经科学培训或至少是理解。虽然市场已经做出了反应，推出了越来越用户友好的系统（例如 [10] 最近的一篇评论），但它们通常没有提供足够开放和灵活的软件架构来满足艺术实践的需求。商业软件的价格也可能过高，而且通常专门用于特定的治疗或医疗用途。简而言之，目前缺乏将电生理信号处理纳入灵活音乐环境的标准化系统的需求。肌肉群识别、电极放置和任务设计方面的最佳实践需要传达给非专业用户。我们将要讨论的软件开发是对这种情况的回应，也是名为 Body Brain Digital Musical Instrument (BBDMI) 的大型项目的一部分。该项目的目的是为没有神经科学和信号分析领域专业知识的音乐家和艺术家开发一种数字乐器 [16]。换句话说，BBDMI 的主要目标是通过提供用户友好的界面来处理从采集到特征选择和声音映射的信号处理，从而创建一个灵活而富有创意的平台来试验电生理信号。本文的结构如下。我们首先介绍当前研究的相关工作。接下来，我们将详细描述我们的系统架构、遇到的技术挑战以及与音乐界的潜在相关性。然后，我们将展示我们的修补工作流程、信号处理模块以及在用户研究和音乐会期间开发的映射策略。最后，我们将总结如何改进系统的想法、可能的未来方向以及我们公共存储库的链接。在文中，我们使用术语 ExG 来指代肌电图 (EMG) 和脑电图 (EEG)。
来自聆听情感音乐的参与者的神经和生理数据
音乐提供了一种传达情感意义的手段。然而，音乐诱发情感的神经机制尚未完全了解。我们的项目试图通过一系列实验来研究这一点，这些实验研究人类如何对情感音乐刺激作出反应，以及从这些参与者那里记录下来的生理和神经信号如何根据自我报告的情感变化而变化。本文介绍了在该项目过程中记录的数据集，包括音乐刺激的细节、参与者在听音乐时感受到的情感状态变化的报告，以及随之而来的生理和神经活动记录。我们还包括了参与者群体的非识别元数据，以便进一步进行探索性分析。这些数据为研究情感、音乐以及它们如何影响我们的神经和生理活动的研究人员提供了大量宝贵的新资源。
左心肌病：病理生理见解，评估方法和临床意义
心房心肌病被定义为影响心房的结构，建筑，收缩或电生理变化的任何复合物，具有产生临床相关表现的潜力。我们对心房心肌病的机械方面的大多数了解源自研究心房颤动的动物模型和从具有房颤病史的个体获得的房颤动物模型。据报道，几种非侵入性工具是表征患者心房心肌病的表征，这可能与预测出现房颤的风险及其相关结果（例如中风）有关。在这里，我们提供了与心房心肌病有关的病理生理机制的概述，并讨论了这些机制的复杂相互作用，包括衰老，剩下的心房压力超负荷，代谢性疾病和遗传因素。我们讨论目前可用于表征心肌病的临床工具，包括心电图，心脏成像和血清生物标志物。最后，我们讨论了心房心理病的临床影响，及其预测心房颤动，中风，心力衰竭和痴呆症的潜在作用。总体而言，这篇综述旨在强调对心房心肌病的临床相关定义的关键需求，以改善治疗策略。
缩小技术应用于高维，低样本量神经生理数据集
抽象背景：神经生理信号处理中的一个常见问题是从高维，低样本量数据（HDLSS）中提取有意义的信息。我们提出了Roldsis（低维跨度输入空间的回归），这是一种基于降低性降低的回归技术，将解决方案限制在可用观测值所跨越的子空间中。这避免了收缩回归方法中需要的回归过程中的正则参数。结果：我们将Roldsis应用于语音识别实验中收集的EEG数据。在实验中，连续/da/–/ta/中的变形音节作为声学刺激显示给参与者，并记录与事件相关的电位（ERP），然后通过离散小波转换在时间频率结构域中作为一组特征表示。从参与者执行的初步识别任务中选择每组刺激。身体和心理物理属性与每个刺激有关。roldsis推断与每个属性相关的特征空间中的神经生理轴。我们表明，这些轴可以可靠地估计，并且它们的分离与语音分类的个体强度相关。Roldsis提供的结果在时频域中可以解释，可用于推断语音分类的神经物理学相关性。通过交叉验证进行了与常用的正则回归技术的比较。结论：Roldsis获得的预测误差与脊回归获得的预测误差相当，并且比用Lasso和SPLS获得的预测误差较小。然而，Roldsis无需交叉验证就可以实现这一目标，该程序需要从数据中提取大量观测值，并且在平均试验时，降低了信噪比的降低。我们表明，即使Roldsis是一种简单的技术，它也适用于神经生理信号的处理和解释。关键字：脑电图，事件相关电位，线性回归，高尺寸低样本量问题，尺寸减小，音素分类，离散小波转换
在生理和病理条件下，肠神经系统中线粒体相关的ER膜的表征
Giada Delfino，Jean Baptiste Briand，Thibauld Oullier，LéaNienkemper，Jenny Greig等。AJP-胃肠道和肝生理学，2024年，在线印刷。10.1152/ajpgi.00224.2023。INSERM-04446267
婴儿中的心脏互动：各种情感和自我相关的环境中的行为和神经生理学措施
抽象的感知是内部身体信号的感知，是我们自我意识的基础。尽管理论上的说明表明了相互作用在自我发展中的重要作用，但经验研究受到限制，尤其是在婴儿期。以前的研究使用优先的范例来评估婴儿期感觉运动和多感官意外事件的脱位，通常与本体感受和触摸有关。到目前为止，只有一项最近的一项研究报告说，婴儿与心跳同步或异步呈现的视听刺激有区别。这种歧视与婴儿心跳诱发潜力（HEP）的振幅有关，这是互认为的神经相关性。在当前的研究中，我们测量了同步和异步视觉心动（Bimodal）和audiovisuocardiac（三膜）刺激以及在不同情绪环境的条件以及在类似镜像设置中的自我相关性的不同情况下的外观偏好。虽然婴儿更喜欢三峰刺激，但我们没有观察到同步刺激和异步刺激之间的预测差异。此外，HEP不受情感背景或自我相关性的调节。这些发现不支持先前发表的结果，并强调需要进一步研究与自我发展相关的际观察的早期发展。