XiaoMi-AI文件搜索系统
World File Search System中枢性
光遗传学激活果蝇幼虫中巨型 GABA 能中枢脑中间神经元的奖励能力
1 莱布尼茨神经生物学研究所，学习和记忆遗传学系，马格德堡，39118，德国，2 莱比锡大学生物研究所动物生理学系，莱比锡，04103，德国，3 莱比锡大学生物研究所遗传学系，莱比锡，04103，德国，4 魏茨曼科学研究所分子细胞生物学系，雷霍沃特，7610001，以色列，5 亚琛工业大学成像和计算机视觉研究所，亚琛，52074，德国，6 波多黎各大学医学科学园区神经生物学研究所，旧圣胡安，波多黎各，00901，7 剑桥大学生理学、发育和神经科学系，剑桥，CB2 3EL，英国，8 珍妮莉亚研究园区，霍华德休斯医学研究所，阿什本， 20147，弗吉尼亚州，9 莱布尼茨神经生物学研究所，组合神经影像核心设施，马格德堡，39118，德国，10 加利福尼亚大学，分子，细胞和发育生物学系，加利福尼亚州洛杉矶 90095-1606，11 巴黎萨克雷大学，国立科学研究中心，巴黎萨克雷神经科学研究所，萨克雷，91400，法国，12 行为脑科学中心，马格德堡，39106，德国，13 奥托冯格里克大学生物学研究所，马格德堡，39120，德国
自我效能和负面影响对于脊髓损伤后中枢神经性疼痛神经反馈治疗成功的重要性
基于 EEG 的神经反馈使用心理行为 (MB) 来实现大脑活动的自愿自我调节，并有可能缓解脊髓损伤 (SCI) 后的中枢神经性疼痛 (CNP)。本研究旨在了解神经反馈学习以及 MB 与神经反馈成功之间的关系。25 名非 CNP 参与者和 10 名 CNP 参与者在四次访问中接受了神经反馈训练（强化 9-12 Hz；抑制 4-8 Hz 和 20-30 Hz）。每次访问后，都会采访参与者关于他们使用的 MB。问卷调查了以下因素：自我效能、控制点、动机和神经反馈的工作量。MB 分为心理策略（目标导向的心理活动）和情感（神经反馈期间的情感体验）。与成功的 CNP 参与者相比，成功的非 CNP 参与者明显使用了更多与想象相关的 MS，并报告了更多负面情感。然而，没有任何心理策略与神经反馈成功明确相关。缺乏成功与消极情绪之间存在一定的联系。自我效能与神经反馈成功率呈中等相关（r = < 0.587，p = < 0.020），而控制点、动机和工作量具有低相关性，不显著（r < 0.300，p > 0.05）。对于成功的神经反馈表现而言，情绪可能比心理策略更重要。自我效能与神经反馈成功率相关，这表明，增加对自己神经反馈能力的信心可能会提高神经反馈表现。
ich s2（r1）：人体用药基因毒性测试与数据判读指引（...
试验结果的再现性，是试验研究包含有新颖方法或获得非预期结果的基本，采用标准化和广泛使用的基因毒性测试进行药品的常规检测，通，通，通，测试结果应当能，但有时因试验结果达不到预先设定的阳性或阴性结
使用纳米碳和新开发项目的功能复合材料
图12在（a）和（a）之前和（b）4分弯曲测试期间（a）之前和（b）裂纹进行载荷转移的示意图。顶部：4分弯曲测试下的复合样品。中间：拉伸应力下的局部微观结构（红线表示BLG血小板，大胆的血小板是重叠的血小板）。底部：（a）三连接处FLG血小板的皱纹结构，诱发了效率低下的载荷转移和复合材料中的低刚度； （b）由于有效的载荷转移，两端的FLG血小板的拉伸填充桥桥嵌入了断裂表面[30]。
利用大脑数据构建神经网络模型揭示与适应性行为相关的表征转换
人们认为，人类自适应地执行各种任务的能力源于认知信息的动态转换。我们假设这些转换是通过“连接中枢”的连接激活实现的。连接中枢是选择性整合感觉、认知和运动激活的大脑区域。我们利用最新进展，利用功能连接映射大脑区域之间的活动流，从认知控制任务期间的 fMRI 数据构建任务执行神经网络模型。我们通过模拟这个经验估计的功能连接模型上的神经活动流，验证了连接中枢在认知计算中的重要性。这些经验指定的模拟通过在连接中枢整合感觉和任务规则激活产生了高于偶然的任务表现（运动反应）。这些发现揭示了连接中心在支持灵活的认知计算中的作用，同时证明了使用经验估计的神经网络模型深入了解人类大脑认知计算的可行性。
脊髓损伤患者脑电图信号的 Higuchi 分形分析中的中枢神经性疼痛标志物
中枢神经性疼痛 (CNP) 对大部分脊髓损伤 (SCI) 患者的生活质量产生负面影响。由于目前尚无治愈方法，因此提高我们对 CNP 表现方式的理解、开发用于药物开发的诊断生物标记物以及探索用于个性化治疗的预后生物标记物至关重要。先前的研究发现了分析脑电图 (EEG) 振荡特征的诊断和预后标记物的早期证据。在本文中，我们探讨了非线性非振荡 EEG 特征（特别是 Higuchi 分形维数 (HFD)）是否可以用作预后生物标记物，以增加对亚急性 SCI 患者 EEG 的可用分析范围，其中同时具有用于分类疼痛的线性和非线性特征最终可能会提高分类准确性和本质上可转移的分类器。我们专注于想象运动期间记录的 EEG，因为已知运动皮层过度活动与 CNP 之间存在关系。对两个现有数据集进行了分析。第一个数据集包括健全参与者 (N = 10)、慢性 SCI 和慢性 CNP 参与者 (N = 10) 以及慢性 SCI 且无 CNP 的参与者 (N = 10) 的 EEG 记录。我们使用引导程序测试了所有组对中 HFD 的统计学显著差异，发现所有组对在多个电极位置存在显著差异。第二个数据集包括亚急性 SCI 且无 CNP 的参与者 (N = 20) 的 EEG 记录。记录后 6 个月对他们进行随访以测试 CNP，此时 (N = 10) 参与者已患上 CNP，而 (N = 10) 参与者尚未患上 CNP。我们使用引导程序测试了这两组之间的 HFD 统计学显著差异，令人鼓舞的是，还发现多个电极位置存在显著差异。可迁移机器学习分类器仅基于单个 EEG 通道作为输入，就能实现超过 80% 的准确率，区分患有慢性 SCI 的参与者组。最重要的发现是未来和慢性 CNP 具有共同的特征，因此，可以使用相同的分类器来区分两者。这为疼痛慢性化提供了新的见解，表明额叶区域与疼痛的情感方面有关，并且被认为受长期疼痛的影响，在疼痛发展的早期阶段就受到影响。
使用AI（人工智能）评估创造力并将其应用于应届毕业生招聘的挑战
神户大学教育学部毕业后，加入株式会社Intec，任职期间，取得神户大学MBA、经营学博士学位，2016年起担任环太平洋大学经营学部现代经营学系副教授，专业为组织理论、组织行为学。经营学博士、MBA、工程师（信息工程）、信息处理工程师（AU、AN、PM、AE等）