XiaoMi-AI文件搜索系统
World File Search System下脑
空间微重力环境下脑内神经化学物质响应的研究进展
[1] 陈善广 , 陈金盾 , 姜国华 , 等 .我国载人航天成就与空间 站建设 .航天医学与医学工程 , 2012, 25: 391-6 [2] 唐琳 .中国空间站完成在轨建造并取得一系列重大进 展 .科学新闻 , 2023, 25: 11 [3] 肖毅 , 陈晓萍 , 许潇丹 , 等 .空间脑科学研究的回顾与展 望 .中国科学 : 生命科学 , 2024, 54: 325-37 [4] 王跃 , 陈善广 , 吴斌 , 等 .长期空间飞行任务中航天员出 现的心理问题 .心理技术与应用 , 2013, 1: 40-5 [5] 陈善广 , 王春慧 , 陈晓萍 , 等 .长期空间飞行中人的作业 能力变化特性研究 .航天医学与医学工程 , 2015, 28: 1-10 [6] 凌树宽 , 李玉恒 , 钟国徽 , 等 .机体对重力的感应及机制 .生命科学 , 2015, 27: 316-21 [7] 范媛媛 , 厉建伟 , 邢文娟 , 等 .航天脑科学研究进展 .生 命科学 , 2022, 34: 719-31 [8] 梁小弟 , 刘志臻 , 陈现云 , 等 .生命中不能承受之轻 —— 微重力条件下生物昼夜节律的变化研究 .生命科学 , 2015, 27: 1433-40 [9] 邓子宣 , Papukashvili D, Rcheulishvili N, 等 .失重 / 模拟 失重对中枢神经系统影响的研究进展 .航天医学与医 学工程 , 2019, 32: 89-94 [10] Tays GD, Hupfeld KE, McGregor HR, et al.The effects of long duration spaceflight on sensorimotor control and cognition.Front Neural Circuits, 2021, 15: 723504-18 [11] Mhatre SD, Iyer J, Puukila S, et al.Neuro-consequences of the spaceflight environment.Neurosci Biobehav Rev, 2022, 132: 908-35 [12] 陈善广 , 邓一兵 , 李莹辉 .航天医学工程学主要研究进 展与未来展望 .航天医学与医学工程 , 2018, 31: 79-89 [13] Moyer EL, Dumars PM, Sun GS, et al.Evaluation of rodent spaceflight in the NASA animal enclosure module for an extended operational period (up to 35 days).NPJ Microgravity, 2016, 2: 16002-9 [14] Mains R, Reynolds S, Associates M, et al.A researcher's guide to: rodent research [M].Rat maintenance in the research animal holding facility during the flight of space lab 3.Washington D.C.: National Aeronautics and Space Administration, 2015 [15] Fast T, Grindeland R, Kraft L, et al.Physiologist, 1985, 28: S187-8 [16] Ronca AE, Moyer EL, Talyansky Y, et al.Behavior of mice aboard the international space station.Sci Rep, 2019, 9: 4717 [17] Morey-Holton ER, Hill EL, Souza KA.Animals and spaceflight: from survival to understanding.J Musculoskelet Neuronal Interact, 2007, 7: 17-25 [18] 陈天 , 胡秦 , 石哲 , 等 .美国太空动物实验研究发展历程 .中国实验动物学报 , 2022, 30: 582-8 [19] 董李晋川 , 黄红 , 刘斌 , 等 .苏俄太空动物实验研究发展 历程 .中国实验动物学报 , 2022, 30: 557-67 [20] Beheshti A, Shirazi-Fard Y, Choi S, et al.Exploring the effects of spaceflight on mouse physiology using the open access NASA GeneLab platform.J Vis Exp, 2019, 143: e58447- 58 [21] 姜宁 , 刘斌 , 张亦文 , 等 .欧日太空动物实验研究概况 .中国实验动物学报 , 2022, 30: 568-73 [22] Mao XW, Byrum S, Nishiyama NC, et al.Impact of
不同疾病的皮层下脑容量、区域皮层厚度和皮层表面积：ENIGMA ADHD、ASD 和 OCD 工作研究的发现
Boedhoe，PSW，Van Rooij，D.，Hoogman，M.，Twisk，JWR，Schmaal，L.，Abe，Y.，Alonso，P.，Ameis，SH，Anikin，A. S.，Baur-streubel，R.，Behrmann，M.，Bellgrove，MA，Benedetti，F.，Beucke，J.C.，Biederman，J.，Bollettini，I.，Bose，A.，Bralten，J.，Bralten，J.，Bramati，Bramati ，FX，Cercignani，M.，Chaim-Avancini，T.M.，Chantiluke，K.C。，Cheng，Y. D.，Deruelle，C.，Di Martino，A.，Dinstein，I.，Doyle，A.E.，Durston，S.，Earl，E.A. 。
微创手术植入皮下脑电图植入物
背景：一种新型的皮下脑电图技术可以对癫痫患者进行超长期监测。本文旨在描述外科医生在早期一系列植入手术中的经历以及参与者所经历的不适或并发症。方法：我们纳入了两项针对癫痫患者和健康成人的试验中的 38 例植入手术。分析了评估外科医生和参与者经验的问卷以及术后 21 天内发生的所有记录不良事件。结果：经过培训，植入可以在大约 15 分钟内完成。总体而言，植入手术被认为很容易执行，只有 2 次植入物固定在引入针中而必须使用新植入物的情况。取出手术被认为毫不费力。在 2 例病例中，取出过程中覆盖导线的硅胶套受损，但可以取出整个植入物而不在皮下留下任何异物。特别是在对健康参与者进行的试验中，一部分参与者在术后长达 21 天内出现了头痛或植入物疼痛形式的不良事件。在 6 例中，不良事件导致决定取出植入物并停止研究：其中四例涉及植入物疼痛或头痛；一例涉及术后局部感染；有一例因放置浅表导线导致植入后几周皮肤穿孔。结论：神经外科医生和耳鼻喉外科医生都认为植入和取出手术快捷且易于操作。大多数参与者对植入物的耐受性良好。但是，与任何此类手术一样，术后长达 21 天内都可能出现头痛或植入物周围疼痛。植入物的预期好处应该始终超过潜在的坏处。
头皮下脑电图
头皮下脑电图 (ssEEG) 正在成为超长期脑电图 (EEG) 记录中一项有前途的技术。鉴于这一新兴领域可用的设备种类繁多，其在癫痫评估中的实用性仍存在不确定性。本综述批判性地分析了 ssEEG 设备的许多拟议实用性，包括 (1) 癫痫发作量化、(2) 癫痫发作特征化、(3) 癫痫发作侧化、(4) 癫痫发作定位、(5) 癫痫发作警报、(6) 癫痫发作预测、(7) 生物标志物发现、(8) 睡眠医学和 (9) 反应性刺激。正在开发的不同 ssEEG 设备具有各自的设计理念，具有独特的优势和局限性。有些设备主要提供单侧记录（24/7 EEG TM SubQ、Neuroview TM、Soenia UltimateEEG TM），双侧记录（Minder TM、Epios TM），甚至还有具有响应刺激能力的设备（EASEE）。我们综合了目前对这些 ssEEG 系统的知识。我们回顾了（1）ssEEG 设备、（2）使用案例场景、（3）挑战并（4）提出了理想 ssEEG 设计的路线图。由 Elsevier BV 代表国际临床神经生理学联合会出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
不同情绪状态下脑电信号对大脑功能连通性的评估
科学文献中已经通过多种技术广泛分析了与效价/唤醒空间的四个象限相对应的情绪状态的识别。然而，这些方法中的大多数都是基于对每个大脑区域的单独评估，而没有考虑不同区域之间可能存在的相互作用。为了研究这些相互联系，本研究首次计算了称为跨样本熵的功能连接指标，用于分析来自脑电信号的四组情绪的大脑同步。结果报告了中央、顶叶和枕叶区域之间的互连具有很强的同步性，而左额叶和颞叶结构与其他大脑区域之间的相互作用表现出最低的协调性。这些差异对于四组情绪具有统计学意义。所有情绪同时被分类，准确率为 95.43%，超过了以前研究报告的结果。此外，考虑到对应维度的状态，效价和唤醒的高低水平之间的差异也提供了关于不同情绪条件下大脑同步程度的显著发现，以及可能的
清醒状态下脑血管振荡与脑脊液流量波动之间的耦合：一项 fMRI 研究
摘要 人们普遍认为，脑脊液 (CSF) 运动是由脑内血管壁运动 (即血流动力学振荡) 促进的。最近，通过功能磁共振成像 (fMRI) 发现了非快速眼动 (NREM) 睡眠期间低频血流动力学振荡和 CSF 运动的连贯模式。这一发现提出了其他基本问题：1）从 fMRI 信号解释血流动力学振荡和 CSF 运动之间的耦合；2）清醒状态下是否存在耦合；3）CSF 运动的方向。在这项静息态 fMRI 研究中，我们提出了一个力学模型，通过 fMRI 的视角来解释血流动力学和 CSF 运动之间的耦合。计算了 CSF 运动和整体血流动力学之间的时间延迟。观察到的血流动力学和 CSF 运动之间的延迟与模型预测的延迟相符。此外，通过对大脑和颈部进行单独的 fMRI 扫描，我们证实了第四脑室的低频 CSF 运动是双向的。我们的研究结果还表明，即使个体处于清醒状态，脑脊液运动也主要受到低频范围内脑血容量变化的促进。
机械循环支持下脑死亡供体的肝移植：文献的系统评价
摘要 机械循环支持 (MCS) 是指一系列用于治疗心力衰竭的辅助循环的救援设备，包括静脉动脉体外膜氧合 (VA-ECMO) 和心室辅助装置 (VAD)。本综述旨在评估从目前被认为具有扩大标准且接受 MCS 的脑死亡供体获取的肝脏的移植结果。我们确定了 22 份记录（17 份关于 VA-ECMO，5 份关于 VAD），其中大多数（68.2%）为病例报告。我们仅当各研究结果报告一致时才进行荟萃分析；否则，我们将通过叙述综合来说明结果。共报告了 156 例肝移植 (LT)，其中 VA-ECMO 在供体中启动，目的是复苏或作为捐献的桥梁。在大多数研究中，早期移植物存活率接近 100%。原发性无功能的总发生率为 1%（95% CI：0 – 3%）。据报道，只有三例 VAD 供体肝移植成功。应特别注意心脏病史、生化测试和影像学以及 MCS 参数，以确定移植物是否适合移植。尽管该领域还需要进一步分析，但本综述的结果主张更系统地考虑 MCS 上的脑死亡患者作为潜在的肝脏供体。
多感官环境下脑电图记录的置信度预测
Luca Citi、Riccardo Poli 脑机接口和神经工程实验室，埃塞克斯大学计算机科学与电子工程学院，科尔切斯特，英国 lciti@essex.ac.uk，rpoli@essex.ac.uk 摘要 本文探讨了在多感官决策任务中从人类受试者的脑电图 (EEG) 脑活动解码决策信心的可能性。最近的研究表明，我们可以在视觉或听觉任务期间从 EEG 记录中提取决策信心相关性。在这里，我们扩展了这些初步发现，(a) 仅根据 EEG 记录预测决策信心，以及 (b) 研究多感官线索对决策行为数据的影响。我们从两个不同地点记录的 12 名参与者中获得的结果显示，可以在单次试验的基础上从 EEG 记录预测决策信心，平均绝对误差为 0.226。此外，多感官提示的存在并没有提高参与者的表现，反而分散了他们对主要任务的注意力。总的来说，这些结果可能有助于开发认知系统，当用户对自己的决定没有信心时，该系统可以监控和提醒用户。
不同情绪状态下脑电信号的特征提取 1 ASHISH PANAT, 2 ANITA PATIL, 3 GAYATRI DESHMUKH 1 研究指导，Priyadarshini Co
摘要-本文旨在分析受试者在不同情绪状态下的真实生活（脑电图）EEG信号，并阐明情绪的影响如何反映在统计参数中。在适当的环境中捕获真实生活数据并进行处理。使用小波变换计算平均值、方差、标准差（STD）、偏度、功率、熵和均方根（RMS）值等统计特征。关键词-熵；功率；RMS值；小波变换。一、引言如今，由于人类生活方式的改变和忙碌的日程安排，会发生各种各样的后果，影响人类的整体健康以及心理健康和情绪稳定。各种情绪的发生反映在大脑各个点诱发的电位上。有多种技术可以观察大脑状态的变化，例如 CT 扫描 (计算机断层扫描)、脑磁图 (脑磁图)、磁共振成像 (磁共振成像)、功能磁共振成像 (功能磁共振成像) 和脑电图 (EEG)。每种技术都有自己的优点和局限性，因此也有各自的应用领域。脑电图是所有这些技术中最便宜的，但仍然可以提供更好的信息内容。脑电图是头皮上的电活动记录，可测量由大脑神经元内的离子电流流动引起的电压波动 [1]。对脑电图信号进行分类和降低数据维度对于降低时间复杂度和提高系统性能非常重要。有多种方法可以从脑电图信号中提取特征，但有效的特征选择是分析的关键因素。为了捕捉不同受试者的脑电图信号 (脑机接口)，脑机接口使用 3 个电极：双耳各 2 个电极，头皮上的“CZ”位置（即头部正中央）第 3 个电极。受试者处于合适的环境中，引发不同的情绪，如快乐、愤怒和悲伤，并在每种情绪状态下收集数据。这些数据被采样并用于提取各种特征。EEG 信号的分析可以了解各种情绪状态。因此，这种分析可用于分析不同的情绪问题。但是，当从 EEG 信号中提取的特征数量过多时，EEG 信号的分析会变得耗时且复杂。因此需要减少这些特征。