XiaoMi-AI文件搜索系统
World File Search Systemsleep
睡眠质量对视觉工作记忆的影响随维护的持续时间而变化
Hitch，1974），这对于个人学习和发展至关重要（Dubuc等，2020； Verschooren等，2021）。先前的研究发现，个人的睡眠状态可以预测涉及视觉工作记忆作为核心认知功能的任务的表现（MacDonald等，2018； Xie等，2019； Almarzouki等，2022）。例如，MacDonald等。（2018）使用召回范例研究了小睡对视觉工作记忆的影响。实验结果表明，小睡可显着提高个人视觉工作记忆的数量和精度。Xie等。 （2019）还采用了视觉工作记忆回忆范式来研究个人日常睡眠质量对视觉工作记忆表示的影响。 他们利用匹兹堡睡眠质量指数（PSQI）评估每个参与者的每日睡眠质量，并管理患者健康问卷9（PHQ-9）来控制情绪变量对视觉工作记忆的影响。 他们的研究发现表明，即使控制了情绪变量的影响，睡眠质量也继续预测视觉工作记忆的数量。Xie等。（2019）还采用了视觉工作记忆回忆范式来研究个人日常睡眠质量对视觉工作记忆表示的影响。他们利用匹兹堡睡眠质量指数（PSQI）评估每个参与者的每日睡眠质量，并管理患者健康问卷9（PHQ-9）来控制情绪变量对视觉工作记忆的影响。他们的研究发现表明，即使控制了情绪变量的影响，睡眠质量也继续预测视觉工作记忆的数量。
在96小时的战斗运动中，特种部队士兵的咖啡因消耗，认知表现和睡眠
睡眠剥夺对认知表现和情绪的深刻影响对现役军事人员具有重要意义，他们经常在部分睡眠剥夺条件下运作（Lieberman等，2005； Eliyahu等，2007； Szivak和Kraemer，2015）。这些条件可能会显着损害认知，情感和身体能力，包括枪法，身体绩效，决策和风险行为的缺陷（McLellan等，2005; Kamimori等，2006; Grandou等，2019）。与普通士兵相比，特别是特种部队（SF）士兵面临更严格和持续的操作需求，从身体和认知上推动了人类耐力的边界（Banderet等，1981; Castellani等，2006; Lieberman et el。，Lieberman et al。，2006）。尽管如此，慢性睡眠不足的士兵通常会错误地认为，使用咖啡因可以最少的睡眠起作用（Bukhari et al。，2020）。
睡眠障碍和睡眠不安对大脑健康的影响
• 临床上明显的缺血性中风和脑出血 • “亚临床”无症状梗塞、白质高信号（白质疏松）、脑微出血、血管周围间隙扩大、脑萎缩 • 这些与长期后遗症有关，包括认知能力下降和痴呆、步态受损和中风风险增加 • 共病阿尔茨海默病 (AD) 和 AD 相关痴呆：AD 和血管对认知障碍和痴呆的贡献是常见的痴呆亚型
小鼠脑弹性图随睡眠/唤醒周期变化...
A光学研究所，罗切斯特大学，480 Intercampus Drive，Rochester，纽约州14627，美国B转化神经医学中心，罗切斯特大学医学中心，601 Elmwood Avenue，Rochester，NY 14642，美国纽约市Rochester，Rochester，Robert B.罗切斯特大学视觉科学，纽约州罗切斯特市361 Meliora Hall，美国E E 14627，美国E转化神经医学中心，哥本哈根大学，Blegdamsvej 3B，2200-N，丹麦F电气与计算机工程系，Rochester of Rochester of Rochester of Rochester，500计算机研究大楼，Rochester，Ny 14y ny ny ny ny oci of Rochester of Rochester罗切斯特医疗中心，美国纽约州罗切斯特市601 Elmwood Avenue，美国14642，美国
睡眠结构差异的评估……
脑电图（EEG）：用于诊断、监测和管理与癫痫和睡眠障碍相关的神经生理疾病。多导睡眠图中对睡眠和觉醒的定义也是利用EEG技术进行的。许多流行病学和临床研究已经检验了抑郁症和睡眠障碍之间的关系。临床观察和研究表明，抑郁症患者的睡眠结构变化很敏感，甚至具有特异性。本研究旨在利用Itakura距离测量法研究健康受试者和抑郁症患者在非快速眼动（NREM）、非快速眼动（N2）和快速眼动（REM）阶段睡眠脑电图的结构差异。在健康受试者的N2和REM时期之间进行比较时，距离较小。在抑郁症受试者彼此之间以及与健康受试者的N2和REM时期之间的比较中，发现距离较大。研究表明，患者的睡眠脑电图在N2阶段与在REM阶段的差异很大。
慢波睡眠期间的长期记忆形成
摘要 我们在慢波睡眠期间没有反应，但会继续监测外部事件以求生存。当危险迫在眉睫时，我们的大脑会唤醒我们。如果事件没有威胁性，我们的大脑可能会将它们存储起来，以便以后考虑，从而改善决策。为了检验这一假设，我们检查了由同时播放的伪词和翻译词组成的新词汇是否会在睡眠期间编码/存储，以及哪些神经电事件有助于编码/存储。一种大脑状态依赖性刺激算法选择性地将词对定位到慢波峰值或波谷。检索测试分别在 12 小时和 36 小时后进行。这些测试需要对之前睡眠中播放的伪词的语义类别做出决定。如果定位到波谷，睡眠中播放的词汇会在 36 小时后影响清醒时的决策。这些单词的语言处理提高了神经复杂性。在随后的峰值期间，单词的语义联想编码得到了增加的 θ 功率的支持。快速主轴功率在第二个峰值期间增加，可能有助于巩固。因此，慢波睡眠期间所学的新词汇会被储存起来，并影响几天后的决策。
探索睡眠心率变异性：线性、非线性和昼夜节律视角
结果：在线性分析的频率分析中，睡眠期间的副交感神经指数 nHF 明显高于平均 24 小时周期（平均睡眠 HRV [标准差] vs. 平均 24 小时 [标准差]，95% 置信区间，p 值，r 系列：0.24 [0.057] vs. 0.23 [0.045]，0.006–0.031，p = 0.005，r = 0.49）。关于时间域分析，副交感神经指数 SDNN 和 RMSSD 在睡眠期间也明显较高（SDNN：179.7 [66.9] vs. 156.6 [53.2]，14.5–31.7，p < 0.001，r = 0.71 RMSSD：187.0 [74.0] vs. 165.4 [62.2]，13.2–30.0，p < 0.001，r = 0.70）。在非线性分析的几何方法中，副交感神经指数 SD1 和 SD2 在睡眠期间显示出明显更高的值（SD1：132.4 [52.4] vs. 117.1 [44.0]，9.3–21.1，p < 0.001，r = 0.70 SD2：215.0 [80.5] vs. 185.9 [62.0]，17.6–40.6，p < 0.001，r = 0.69）。此外，副交感神经指数 SDNN、RMSSD、SD1 和 SD2 的昼夜节律项目在睡眠期间呈现正峰值。
期望什么 - 婴儿睡眠
参考文献Dias，C.C。，Figueiredo，B。（2020）在生命的前12个月和相关因素中的睡眠效果行为：系统评价。早期的孩子开发。Care，190，2333–2365。Drozd，F.，Leksbø，T。S.，Størksen，H。T.，Wilhelmen，C。E. W.，＆Slinning，K。（2022）。概述了预防和治疗婴儿睡眠问题的评论。Acta paediatrica（挪威奥斯陆：1992），111（11），2071– 2076年。 https://www.basisonline.org.uk/normal-sleep-development/ Galland，B.C.，Taylor，B.J.，Elder，D.E。，＆Herbison，P。（2012年）。 婴儿和儿童的正常睡眠模式：对观察性研究的系统评价。 睡眠医学评论，16（3），213–222。 https://learn.brazeltontouchpoints.org/ allen，S.L.，Howlett，M。D.，Coulombe，J. A.和Corkum，P。V.（2016）。 睡眠的ABC：对小儿睡眠实践建议背后的证据的审查。 睡眠医学评论，29，1-14。Acta paediatrica（挪威奥斯陆：1992），111（11），2071– 2076年。https://www.basisonline.org.uk/normal-sleep-development/ Galland，B.C.，Taylor，B.J.，Elder，D.E。，＆Herbison，P。（2012年）。 婴儿和儿童的正常睡眠模式：对观察性研究的系统评价。 睡眠医学评论，16（3），213–222。 https://learn.brazeltontouchpoints.org/ allen，S.L.，Howlett，M。D.，Coulombe，J. A.和Corkum，P。V.（2016）。 睡眠的ABC：对小儿睡眠实践建议背后的证据的审查。 睡眠医学评论，29，1-14。https://www.basisonline.org.uk/normal-sleep-development/ Galland，B.C.，Taylor，B.J.，Elder，D.E。，＆Herbison，P。（2012年）。婴儿和儿童的正常睡眠模式：对观察性研究的系统评价。睡眠医学评论，16（3），213–222。https://learn.brazeltontouchpoints.org/ allen，S.L.，Howlett，M。D.，Coulombe，J.A.和Corkum，P。V.（2016）。睡眠的ABC：对小儿睡眠实践建议背后的证据的审查。睡眠医学评论，29，1-14。
多模态 fMRI 研究中清醒和非快速眼动睡眠期间大脑和外周的心血管和血管运动脉动
。CC-BY-NC-ND 4.0 国际许可，根据 提供（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2024 年 4 月 2 日发布。；https://doi.org/10.1101/2024.04.02.587690 doi：bioRxiv 预印本
微填料预测LSTM和ANN ...
微度是一种无意的，瞬态的意识丧失，与睡眠相关，持续到15秒。脑电图（EEG），记录已广泛用于诊断和研究各种神经系统疾病。这项研究分析了时间序列EEG信号，以使用两个深度学习模型来预测微渗：长期术语记忆（LSTM）和人工神经网络（ANN）。调查结果表明，ANN模型在微填料预测中实现了出色的指标，在关键性能指标中的表现优于LSTM。该模型表现出了出色的性能，如散点图，R2分数，平均绝对误差（MAE），均方误差（MSE）和根平方误差（RMSE）的结果所证明的。与LSTM模型相比，在两个模型之间，ANN模型在两个模型之间达到了最重要的R2，MAE，MSE和RMSE值（0.84、1.10、1.90和1.38）。这项研究的关键贡献在于其开发全面有效的方法，以准确预测来自EEG信号的微度事件。