XiaoMi-AI文件搜索系统
World File Search System前额
Tyks神经病学门诊诊所2010-2017
该研究旨在确定在Tyks神经病学门诊诊所的记忆诊断中的使用。在研究中，研究了研究中检查的患者的特征和最终诊断，该研究与标记确定结果有关。注册表调查的数据由患者组成，其中Tyks在2010 - 2017年检查了阿尔茨海默氏症（AT）记忆痕迹（n = 384）。医疗报告系统收集了有关记忆障碍风险因素和记忆障碍诊断结果的信息。比较了最终诊断的组。中有50.8％是女性，在研究时的平均年龄为64岁。在接受调查的143/384（37％）接受诊断；在这些患者中，脊髓液调查中几乎总是有异常（p <0.01）。脊髓液的标记与患有其他神经退行性患者患者的AT患者分离（P <0.01）。在一线研究中，额头的额头被证明是AT分离诊断的挑战，但是脊柱流体标记将它们区分开来（P <0.01）。根据脑磁共振成像进行评估的海马萎缩，将阿尔茨海默氏病与尚未被诊断为神经变性发现性疾病的患者分开（p <0.01）。研究结果支持先前关于使用背部 - 返回存储器标记的观点。这项研究的最重要好处是AT和其他神经退行性疾病，例如前额对数痴呆症。
了解用户沉浸在线短视频互动
简短的视频（SV）在线流媒体流是近年来最受欢迎的互联网应用程序之一。浏览SV时，用户会逐渐沉浸于自己并获得放松或知识。虽然长时间的浏览将导致积极的感觉下降，但由于惯性而继续下降，导致满意度下降。沉浸式被证明是用户积极体验的重要因素，并且与用户在电影，游戏和虚拟现实中的互动高度相关。但是，浸入SV相互作用仍未开发，这与先前研究的方案不同，因为SV的交付是分散的，离散的，并且每个视频的时间有限。在本文中，我们旨在对在线简短视频互动中的用户沉浸式深入了解，包括相关因素，检测可能性和满意度表示。我们对真实SV浏览的三步用户研究，包括在线调查，现场研究和具有EEG信号的实验室研究。用户研究表明，沉浸式是SV互动中的一种常见感觉，它与视频功能，推荐的个性化，用户情绪和互动行为有关。具体而言，延长的浏览会导致浸入量显着减少。此外，对脑电图信号的分析表明，伽马频带的前额叶叶和顶叶与浸入有关。此外，沉浸预测实验取得了令人鼓舞的结果，表明用户沉浸状态是可以预测的，并且脑电图确实有助于提高预测性能。据我们所知，这是第一个构建分析表明，与用户行为相比，预测的沉浸率更代表用户满意度，这揭示了沉浸式的潜力是推荐系统中满意度的指标。
研究论文 连接认知和行动：执行功能介导白质纤维密度与复杂运动能力之间的关系
衰老可能与运动功能衰退有关，这种衰退可归因于胼胝体 (CC) 白质微结构退化以及其他与大脑相关的因素。与运动功能类似，执行功能 (EF) 通常会随着衰老而衰退，与年龄相关的 EF 变化同样与 CC 白质连接改变有关。鉴于运动功能和执行功能都依赖于通过 CC 的白质连接，并且双手控制被认为依赖于 EF，因此出现了一个问题：EF 是否至少可以部分解释 CC 连接与老年人运动控制之间的关联。为了解决这个问题，我们从 84 名老年人那里获取了扩散磁共振成像数据。使用纤维特异性方法获取八个经胼胝体白质束中的纤维密度 (FD)、纤维横截面积 (FC) 以及两种指标的组合。使用双手协调任务评估运动控制。EF 由基于综合测试电池从多个 EF 任务中提取的领域通用潜在 EF 因子确定。跨胼胝体前额叶纤维的 FD 与认知和运动表现相关。EF 部分解释了前额跨胼胝体通路的 FD 与运动控制之间的关系。我们的研究结果强调了老年人群中胼胝体白质连接（尤其是前额叶脑区）、跨多个领域的 EF 和运动控制之间的多维相互关系。它们还强调了在研究老年人的脑运动行为关联时考虑 EF 的重要性。
风险和模糊性下的利他决策
当一个人成为利他决策的对象时，尤其是当这一决策会给主体带来成本时，就会产生感激之情。在这里，我们研究了个体在有风险（已知概率的不确定性）和有模糊（未知概率的不确定性）成本的情况下如何评价他人的利他决策，并以感激和互惠做出反应。参与者在 fMRI 扫描仪中玩一个互动游戏，在游戏中他们会受到痛苦的电击。一位匿名的同伴有意（人类条件）或无意（计算机条件）决定是否通过承担一定程度的痛苦（即成本）来帮助参与者减轻一半的痛苦（确定、有风险、模糊）。然后，参与者可以将金钱积分转移给同伴，并且知道同伴不知道这次转移。从行为上看，在人类条件下，随着成本不确定性水平的增加，金钱分配和感激评级会增加；在计算机条件下，这些影响会降低。成本不确定性对感激的影响是由帮助背后感知到的善意所介导的。FMRI 揭示了在风险和模糊性条件下评估施恩者利他决策的共同和不同的神经认知基础：两者都与恐惧和焦虑相关的过程有关，涉及右侧眶额皮质和前脑岛；模糊性还引发了心理化和冲突监控相关的过程，涉及背内侧前额皮质和背前扣带皮层。这些发现强调了社会不确定性感知在感激之情产生中的关键作用。
自闭症患者的相关社会奖励处理
社会动机假说认为，自闭症谱系障碍 (ASD) 患者发现社交刺激的回报较少，因此与神经发育正常 (TD) 的人相比，他们对社交互动的积极性较低。然而，自闭症患者在社交互动过程中回报较少的社交刺激特征在很大程度上是未知的。与自我行动相关的他人的偶然积极反应激励了社交互动的早期发展，从而代表了一种社会奖励。由于自闭症患者在早年生活中经常对自我相关刺激表现出非典型反应，我们假设他人的自我相关反应对自闭症患者来说回报较少。为了检验这一假设，我们使用社交偶然任务进行了一项功能性磁共振成像研究。在任务期间，参与者试图通过讲有趣的笑话逗观众笑，从而激活 TD 个体的前额叶内侧前额皮质 (arMPFC) (Sumiya 等人，2017)。我们明确预测，arMPFC 的非典型激活与自闭症患者对他人的自我相关反应的奖励价值降低有关。31 名自闭症成年人和 24 名年龄和智商匹配的 TD 成年人参与了这项研究。自闭症患者报告称，在观众对他们自己的行为做出反应后，他们的愉悦感明显低于 TD 组。相应地，与 TD 组相比，ASD 组的 arMPFC 的自我相关激活（由我们之前的研究结果定义）有所减弱。目前的发现表明，自闭症患者的 arMPFC 介导的弱自我相关结果处理会削弱社交互动的奖励性质。
2024 年 2 月 12 日 052-COM-1361 伪装自己和......
绩效衡量标准 允许 不允许 N/A 1. 在整个伪装行动中应用伪装原则。 a. 采用逼真的伪装。 b. 应用伪装运动技术。 c. 打破常规形状。 d. 通过遮盖或移除可能反射光线的物品来减少可能的反光。 e. 与周围环境混合颜色，或至少确保颜色与背景不形成对比。 f. 采用噪音控制。 2. 伪装您暴露的皮肤。 a. 使用油漆棒遮盖皮肤油脂，即使您的皮肤很黑。 b. 在脸上涂漆时使用表格 052-COM-1361-1 中的颜色图表。 c. 用深色涂高、有光泽的区域（前额、颧骨、鼻子、耳朵、下巴）。 d. 用浅色涂低、阴影区域（眼睛周围、鼻子下方和下巴下方）。在颈后、手臂和手部裸露的皮肤上涂上不规则的图案。 3. 伪装您的制服和头盔。 a. 卷起您的袖子并扣上所有纽扣。 b. 将树叶、草、小树枝或 LCSS 碎片贴在您的制服和头盔上。 c. 穿着未上浆的 ACU。 d. 更换过度褪色和磨损的 ACU，因为伪装效果已丧失。 4. 伪装您的个人装备。 a. 遮盖或移除闪亮的物品。 b. 固定移动或佩戴时会发出嘎嘎声或噪音的物品。 c. 使用天然物品和/或 LCSS 破坏大型和笨重装备的形状。 5. 维护伪装。 a. 当天然伪装失效并失去效力时更换它。 b. 当伪装褪色时更换它。 c. 更换伪装以适应不断变化的环境。
社论：大脑计算机界面及其应用
目前，脑部计算机界面（BCI）是神经科学领域的研究重点和热点。相关技术被广泛用于各种情况，例如临床使用，康复，工程和日常生活。BCI使用不同的大脑信号，记录方法和信号处理算法来在大脑与外部软件/硬件平台之间构建链接。随着硬件（例如BCI芯片，可穿戴设备）和算法（例如机器学习，深度学习）的开发，BCI变得越来越实用和稳定。我们发布了此研究主题，以收集BCI的全球最新研究。来自世界各地的研究人员积极参与并贡献了许多手稿。经过仔细和专业审查所有提交的内容后，接受了14项高质量手稿。在此主题中，一些贡献着重于在BCI中使用深度学习，其中卷积神经网络（CNN）是最广泛使用的。Zhang等。 为基于脑电图的身份身份验证提出了一种多尺度的3D-CNN方法。 实验结果表明，所提出的框架的分类性能非常出色，并且多尺度卷积方法有效地提取跨特征域的高质量身份特征。 Qiu等。 使用脑电图（EEG）和在红外光谱（FNIRS）附近的功能性跟踪中性和首选音乐引起的大脑活动。 作者得出的结论是，音乐可以促进大脑活动，尤其是在带有首选音乐的前额叶叶中。Zhang等。为基于脑电图的身份身份验证提出了一种多尺度的3D-CNN方法。实验结果表明，所提出的框架的分类性能非常出色，并且多尺度卷积方法有效地提取跨特征域的高质量身份特征。Qiu等。 使用脑电图（EEG）和在红外光谱（FNIRS）附近的功能性跟踪中性和首选音乐引起的大脑活动。 作者得出的结论是，音乐可以促进大脑活动，尤其是在带有首选音乐的前额叶叶中。Qiu等。使用脑电图（EEG）和在红外光谱（FNIRS）附近的功能性跟踪中性和首选音乐引起的大脑活动。作者得出的结论是，音乐可以促进大脑活动，尤其是在带有首选音乐的前额叶叶中。Deng等。 提出了Sparnet，这是一个由五个平行卷积过滤器组成的CNN和挤压和激发网络（SENET），以学习EEG空间频率域特征，并区分抑郁和正常控制。 计算结果表明，SPARNET的灵敏度为95.07％，而特定的敏感性为93.66％。 Wang和CERF结合了常见的空间模式（CSP）特征和径向基函数神经网络（RBFNN），以对运动成像进行分类。 该算法在基于脑电图的动作解码中提供了高可变性和跨主题。 在两个数据集（即BCI竞争IV -2A和-2B）上，计算精度更高或接近90％。 Chen L.等。 将EEG信号转换为对称正定定义（SPD）矩阵，并使用CNN捕获SPD矩阵的特征。 元转移学习（MTL）用于避免耗时的校准。 Chen G.等。 探讨了音频辅助的视觉BCI拼写器和基于深度学习的单次事件相关电位（ERP）解码策略的可行性。 提出了基于空间的注意CNN（STA-CNN）来识别单验ERP成分。 在10个受试者中记录的EEG数据集中，Sta-CNN的平均分类准确性为77.7％。Deng等。提出了Sparnet，这是一个由五个平行卷积过滤器组成的CNN和挤压和激发网络（SENET），以学习EEG空间频率域特征，并区分抑郁和正常控制。计算结果表明，SPARNET的灵敏度为95.07％，而特定的敏感性为93.66％。Wang和CERF结合了常见的空间模式（CSP）特征和径向基函数神经网络（RBFNN），以对运动成像进行分类。该算法在基于脑电图的动作解码中提供了高可变性和跨主题。在两个数据集（即BCI竞争IV -2A和-2B）上，计算精度更高或接近90％。Chen L.等。 将EEG信号转换为对称正定定义（SPD）矩阵，并使用CNN捕获SPD矩阵的特征。 元转移学习（MTL）用于避免耗时的校准。 Chen G.等。 探讨了音频辅助的视觉BCI拼写器和基于深度学习的单次事件相关电位（ERP）解码策略的可行性。 提出了基于空间的注意CNN（STA-CNN）来识别单验ERP成分。 在10个受试者中记录的EEG数据集中，Sta-CNN的平均分类准确性为77.7％。Chen L.等。将EEG信号转换为对称正定定义（SPD）矩阵，并使用CNN捕获SPD矩阵的特征。元转移学习（MTL）用于避免耗时的校准。Chen G.等。 探讨了音频辅助的视觉BCI拼写器和基于深度学习的单次事件相关电位（ERP）解码策略的可行性。 提出了基于空间的注意CNN（STA-CNN）来识别单验ERP成分。 在10个受试者中记录的EEG数据集中，Sta-CNN的平均分类准确性为77.7％。Chen G.等。探讨了音频辅助的视觉BCI拼写器和基于深度学习的单次事件相关电位（ERP）解码策略的可行性。提出了基于空间的注意CNN（STA-CNN）来识别单验ERP成分。在10个受试者中记录的EEG数据集中，Sta-CNN的平均分类准确性为77.7％。
慢性饮酒后脑网络稳态的特征是功能去分化和缩小
酒精使用障碍 (AUD) 会导致大脑中复杂的改变，而这些改变目前尚不明确。饮酒模式的异质性和合并症的高发性影响了对 AUD 患者的机制研究。在这里，我们使用雄性马尔齐吉亚撒丁岛嗜酒 (msP) 大鼠（一种成熟的慢性饮酒动物模型）以及纵向静息态 fMRI 和锰增强 MRI 的组合，分别提供大脑连接和活动的客观测量。我们发现 1 个月的慢性饮酒改变了静息态网络之间的相关性。这种变化并不均匀，导致成对相互作用的重组和功能连接平衡的转变。我们确定了两种根本不同的网络重组形式。第一种是功能去分化，其定义为神经元活动和整体相关性的区域性增加，同时特定网络之间的优先连接性降低。通过这种机制，枕叶皮质区域失去了与感觉岛叶皮质、纹状体和感觉运动网络的特定相互作用。第二种是功能性狭窄，其定义为神经元活动增加和特定大脑网络之间的优先连接。功能性狭窄加强了纹状体和前额皮质网络之间的相互作用，涉及前岛叶、扣带回、眶额、前边缘和下边缘皮质。重要的是，这两种类型的改变在戒酒后仍然存在，这表明去分化和功能性狭窄导致持续的网络状态。我们的研究结果支持以下观点：长期饮酒，尽管是中度醉酒水平，也会引起大脑功能连接的稳态变化，并延续到戒酒初期。
前交叉韧带重建患者和对照组对膝关节本体感觉任务的大脑反应
前交叉韧带 (ACL) 损伤后，膝关节本体感觉缺陷和神经可塑性已被证实。然而，关于大脑对膝关节本体感觉任务的反应以及 ACL 损伤的影响的证据很少。这项研究旨在确定与膝关节本体感觉相关的大脑区域，以及 ACL 重建患者的相关大脑反应是否与无症状对照组不同。21 名右膝 (n = 10) 或左膝 (n = 11) 接受单侧 ACL 重建（平均术后 23 个月）的患者，以及 19 名性别、年龄、身高、体重和当前活动水平匹配的对照组 (CTRL)，在同时进行功能性磁共振成像 (fMRI) 的同时进行了膝关节位置感 (JPS) 测试。集成运动捕捉提供实时膝关节运动学以激活测试指令，并提供准确的膝关节角度以获得 JPS 结果。膝关节角度重现过程中招募的大脑区域包括体感皮质、前额皮质和岛叶。各组之间的大脑反应和 JPS 误差均无差异，但各组之间的显著相关性表明，误差越大，同侧前扣带回 ( r = 0.476, P = 0.009)、缘上回 ( r = 0.395, P = 0.034) 和岛叶 ( r = 0.474, P = 0.008) 的反应就越大。这是第一项使用 fMRI 捕捉与可量化膝关节 JPS 相关的大脑反应的研究。激活的大脑区域以前与感觉运动过程、身体图式和内感受有关。我们的创新范例有助于指导未来研究大脑对下肢本体感觉的反应。
SMA 中的高 β 爆发介导双手运动任务中的预期肌肉抑制
在运动网络中，运动抑制可由感觉运动 mu 节律 (8-12Hz) 或 beta 爆发 (13-30Hz) 驱动。在本研究中，我们旨在调查 mu 或 beta 活动是否支持有效的预期抑制，这反映在肌电图 (EMG) 活动的减少中。为了测试这一点，我们在 16 名执行双手负重举重任务 (BLLT) 的成年人中记录了脑磁图 (MEG)，参与者用一只手支撑另一只手举起重物。在预期卸载时，支撑臂的肘屈肌受到抑制以防止肘部偏转。我们观察到，当屈肌抑制发生在卸载开始前约 30 毫秒时，会发生最佳姿势稳定。在此时间间隔内较强的 EMG 抑制与高伽马功率 (90-130Hz) 呈负相关，反映神经兴奋性降低，与内侧辅助运动区 (SMA) 的高 beta 功率呈正相关。相反，在 mu 范围（8-12 Hz）内未观察到显著相关性。同时，高 beta 和高 gamma 功率呈负相关。中介分析证实，gamma 功率显著介导 beta 功率与 EMG 抑制之间的关系。使用相位斜率指数的 beta 爆发概率和定向连接分析表明，高 beta 爆发从中部前额皮质 (mPFC) 和肘部相关的初级运动皮质 (M1) 传输到 SMA。我们的研究结果表明，在自愿卸载任务中，最佳时间的预期肌肉抑制是由 SMA 内兴奋性降低驱动的，这可能是由源自 mPFC-M1-SMA 网络的高 beta 爆发促进的。