XiaoMi-AI文件搜索系统
World File Search Systemtheta
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。
mGlu3 受体的依赖性细胞表面表达
代谢型谷氨酸受体 3 型 (mGlu3) 控制睡眠/觉醒结构，这在精神分裂症的谷氨酸能病理生理学中发挥作用。有趣的是，精神分裂症患者大脑中的 mGlu3 受体表达减少。然而，人们对调节细胞膜上 mGlu3 受体的分子机制知之甚少。亚细胞受体定位强烈依赖于蛋白质 - 蛋白质相互作用。在这里，我们表明 mGlu3 与 PICK1 相互作用，并且这种支架蛋白对于海马原代培养物中 mGlu3 表面表达和功能很重要。通过 mGlu3 C 端模拟肽或 PICK1 的 PDZ 结构域抑制剂破坏它们的相互作用会改变神经元中 mGlu3 受体的功能性表达。接下来，我们研究了破坏 mGlu3-PICK1 相互作用对 WT 雄性小鼠体外和体内海马 θ 振荡的影响。我们发现器官型海马切片中 θ 振荡频率降低，与之前在 mGlu3 KO 小鼠中观察到的情况相似。此外，在脑室内注射 mGlu3 C 末端模拟肽后，快速眼动睡眠、非快速眼动 (NREM) 睡眠和清醒状态下的海马 θ 功率降低。因此，针对 mGlu3-PICK1 复合物可能与精神分裂症的病理生理学有关。
脑工程全球人才发展中心通讯 - 高丽大学脑工程系
生长抑素和小清蛋白中间神经元的分离 体内淀粉样蛋白寡聚体损害海马 Theta 和 Gamma 振荡的回路功能障碍 脑结构和功能 解剖学和形态学 21 项建议 1 项
UVC-AI-Theta QIG
2022 年 8 月 13 日 — ©2022 Ubiquiti Inc. 保留所有权利。版权所有。 Ubiquiti Ubiquiti 网络，Ubiquiti U 标志。 UniFi UniFi Protect，以及。 Theta 是以下公司的商标或注册商标
使用红宝石玩游戏时观察脑波
三角波的频率小于3.5 Hz，并且在深度睡眠中发生。当物理世界的意识降低时，其幅度会增加。theta波的频率为3.5 Hz至7.5 Hz，被归类为“缓慢”活性。theta波很强。alpha波的频率在7.5 Hz和12Hz之间。当Alpha占主导地位时，大多数人会感到轻松而镇定。alpha似乎将意识桥接到潜意识上。β波的宽频率范围在12 Hz至30 Hz之间。它们分为低β（12 Hz〜17 Hz）和高β（17Hz〜30 Hz）。beta波是那些机敏或焦虑的人中的主要节奏。是，当我们在分析问题解决，判断，决策，处理有关世界的信息中倾听和思考时，大脑中的大部分大脑都在
Biron -Birkbeck机构研究在线
婴儿指导的言语和直接目光是重要的社会线索，这些暗示促进了婴儿对父母的关注。传统方法探测其对婴儿注意力的影响涉及少数预选的基于屏幕的刺激，这些刺激不会捕获现实世界相互作用的复杂性。在这里，我们使用神经适应性的贝叶斯优化（NBO）来搜索不同自然主义社会体验的大型“空间”，这些体验的视觉范围（直接避免到避免）和听觉性能（婴儿向非vocal声音的言语定向）都在变化。，我们在57种通常患有6至12个月大的婴儿的自然主义社会经历中测量了振荡性的大脑反应（相对theta功率）。相对theta功率被用作NBO算法的输入，以确定自然主义的社会环境，最大程度地引起了每个婴儿的关注。结果表明，在刺激中，个别婴儿是异质的，引起了最大theta，而总体上对直接凝视或婴儿指导的语音没有更大的关注。然而，在避免凝视的关注方面的个体差异与人际交往能力有关，并且在父母表现出更积极影响的婴儿中观察到了更喜欢语音和直接凝视的可能性。我们的工作表明NBO可能是探讨不同社会线索在个人层面上引起人们关注的作用的富有成果的方法。
非交换图的 Haemers 界
其中 α(G) 表示 G 的独立数，⊠ 表示强图积 [Sha56]。Θ(G) 的对数表示在零误差下通过经典通信信道传输的信息量，其中我们允许任意次数使用该信道，并测量每次使用该信道传输的平均信息量。（图 G 是与信道相关的所谓混淆图，参见第 2.1 节。）香农容量是不可计算的：尽管计算独立数是 NP 完全的 [Kar72]，但存在一些图，其香农容量不是通过有限次将强图与自身相乘来实现的 [GW90]。为了确定香农容量的上限，Lovász 引入了著名的 theta 函数 [Lov79]，它可以转换为半正定程序，并可用于计算例如 Θ(C5)。Lovász 提出了香农容量是否等于一般的 theta 函数的问题，这一问题遭到 Haemers 的反驳：他引入了香农容量的另一个上限，现称为 Haemers 界限，在某些图上该界限可能严格小于 theta 函数 [Hae78, Hae79]。除了经典通信信道，我们还可以考虑量子通信信道。这样做会引出上述问题的量子信息类似物，其研究由 Duan、Severini 和 Winter [DSW13] 系统地发起。在第 2.1 节中，我们展示了量子设置如何推广经典设置，这也促使了下面的定义。对于 (Choi-Kraus 表示的) 量子信道 Φ( A ) = P mk =1 E k AE † k ( ∀ A ∈
Sarah D. Kowitt，博士，MPH
同伴进步UNC Gillings全球公共卫生教堂教堂山，北卡罗来纳州08/2014 - 05/2016研究助理UNC UNC参与性研究Chapel Hill，NC 01/2012 - 2014年5月5日 - 2014年5月5日研究助理UNC UNC健康促进与疾病预防促进与疾病预防Chapel Hill，NC 08/2011 - 2013年5/2013研究助理研究所研究员研究所（NC）约会06/2022-现任研究员，北卡罗来纳州Chapel Hill的UNC健康促进与疾病预防中心，北卡罗来纳州04/2022 - 现任成员UNC Lineberger综合癌症中心Chapel Chapel Chapel Hill，北卡罗来纳州2023年荣誉2023年高度影响呈现奖** **对Podium呈现MD。 2022引文奖*在领奖台演示中（“大麻包装特征对感知和使用意图的影响”）在行为医学学会，巴尔的摩，MD 2018 Impact奖：杰出的研究生研究：直接有助于北卡罗来纳州公民的福祉（500美元）； UNC研究生院，北卡罗来纳州教堂山，2016年，2016年运输奖（500美元）：UNC研究生院，北卡罗来纳州教堂山，2015年Gary Koch旅行奖（275美元）：UNC Gillings全球公共卫生学院，北卡罗来纳州Chapel Hill，Chapel 2013 Theta theta of Delta Omega的Theta Chapter of Delta Omega：荣誉公共卫生协会2012年荣誉公共卫生社会Interviens Interprient Award（2000美元）塔夫茨大学，梅德福，马萨诸塞州同伴进步UNC Gillings全球公共卫生教堂教堂山，北卡罗来纳州08/2014 - 05/2016研究助理UNC UNC参与性研究Chapel Hill，NC 01/2012 - 2014年5月5日 - 2014年5月5日研究助理UNC UNC健康促进与疾病预防促进与疾病预防Chapel Hill，NC 08/2011 - 2013年5/2013研究助理研究所研究员研究所（NC）约会06/2022-现任研究员，北卡罗来纳州Chapel Hill的UNC健康促进与疾病预防中心，北卡罗来纳州04/2022 - 现任成员UNC Lineberger综合癌症中心Chapel Chapel Chapel Hill，北卡罗来纳州2023年荣誉2023年高度影响呈现奖** **对Podium呈现MD。2022引文奖*在领奖台演示中（“大麻包装特征对感知和使用意图的影响”）在行为医学学会，巴尔的摩，MD 2018 Impact奖：杰出的研究生研究：直接有助于北卡罗来纳州公民的福祉（500美元）； UNC研究生院，北卡罗来纳州教堂山，2016年，2016年运输奖（500美元）：UNC研究生院，北卡罗来纳州教堂山，2015年Gary Koch旅行奖（275美元）：UNC Gillings全球公共卫生学院，北卡罗来纳州Chapel Hill，Chapel 2013 Theta theta of Delta Omega的Theta Chapter of Delta Omega：荣誉公共卫生协会2012年荣誉公共卫生社会Interviens Interprient Award（2000美元）塔夫茨大学，梅德福，马萨诸塞州
seizft：可解释的癫痫发作的机器学习
摘要：这项工作提出了Seizft - 一种新型的癫痫发作检测框架，该框架利用机器学习使用可穿戴的Sensordot EEG数据自动检测癫痫发作。受到可预处的睡眠阶段的启发，我们的新方法采用了数据增强，有意义的特征提取和决策树的独特组合，以提高对脑电图变化的弹性，并提高概括以概括为看不见数据的能力。傅立叶变换（FT）替代物被用来增加样本量并改善标记的非塞兹和癫痫发作时期之间的平衡。为了增强模型稳定性和准确性，Seizft通过Catboost Classifier利用决策树的集合来将EEG记录的每一秒分类为癫痫发作或非癫痫发作。SEIZIT1数据集用于培训，SEIZIT2数据集用于验证和测试。使用两个主要指标：使用AINY-ROVERLAP方法（OVLP）和错误的警报（FA）速率（使用基于Epoch的评分（Epoch））评估了用于癫痫发作检测的模型性能。值得注意的是，Seizft在2023年2023年国际声学，言语和信号处理国际会议上（ICASSP）的癫痫发作检测挑战（ICASSP）的一系列最先进的癫痫发作检测算法（ICASSP）。seizft在准确的癫痫发作检测中优于最先进的黑盒模型，并最小化错误警报，总分获得了40.15的总分，在两个任务中结合了OVLP和时期，并且比下一个最佳方法的改善约为30％。Seizft的解释性是一个关键优势，因为它促进了医疗保健专业人员的信任和问责制。从Seizft提取的最预测性的癫痫发作检测特征是：三角波，四分位数范围，标准偏差，总绝对功率，Theta波，三角洲与Theta的比率，BINNED熵，Hjorth Complextity，Delta + Theta + Theta和Higuchi Fractal Fractal Ristermension。总而言之，将Seizft成功应用于可穿戴的Sensordot数据表明，它可能进行实时，连续监测的潜力，以改善个性化医学癫痫。
通过脑电图
这项研究的目的是探索技术检测思维徘徊的潜力，尤其是在基于视频的远程学习期间，这是改善学习成果的最终好处。为了克服先前思维徘徊在生态有效性，样本平衡和数据集大小方面的挑战，本研究利用了实用的脑电图（EEG）记录硬件，并设计了一个范式，该范式包括在重点学习条件下观看短期视频讲道和未来的计划条件和未来的计划条件。参与者在每个视频结束时估计其注意状态的统计数据，我们将这种评级量表反馈与视频观看过程中的自我捕获的密钥响应相结合，以获取用于分类培训的二进制标签。使用8通道系统记录 EEG，并采用了由Riemannian几何形状处理的空间协方差特征。 结果表明，使用来自三角洲，theta，theta，alpha和beta频段的riemannian加工的协方差特征，可以检测出在接收特征（AUC）下的平均区域（a），用于0.876 for 0.876 for 306分类。 此外，我们的结果表明，训练数据的持续时间很短，可以训练分类器进行在线解码，因为当使用70％的训练集（约9分钟）时，跨讲座的平均AUC为0.689。EEG，并采用了由Riemannian几何形状处理的空间协方差特征。结果表明，使用来自三角洲，theta，theta，alpha和beta频段的riemannian加工的协方差特征，可以检测出在接收特征（AUC）下的平均区域（a），用于0.876 for 0.876 for 306分类。此外，我们的结果表明，训练数据的持续时间很短，可以训练分类器进行在线解码，因为当使用70％的训练集（约9分钟）时，跨讲座的平均AUC为0.689。该发现突出了实用脑电图硬件在以高精度徘徊的情况下实用的潜力，这在基于视频的距离学习过程中具有潜在的应用来改善学习成果。