XiaoMi-AI文件搜索系统
World File Search System动作准备
在线动作准备的神经相关性
研究文章|系统/电路在线动作准备的神经相关性https://doi.org/10.1523/jneurosci.1880-23.2024收到：2023年10月4日修订：2024年4月9日接受：2024年4月12日，2024年4月12日
标题：人类动作准备需要皮质脊髓神经计算
图 1：在目标导向动作准备过程中对人类 CS 输入输出的评估。a、皮质脊髓 (CS) 输入输出 104 可以表现出从基线静息到准备状态的加法和/或乘法调节。b、目标导向动作准备 105 通过需要左 (L) 或右 (R) 反应的指示延迟双选反应时间任务进行评估。大多数试验都是 go 试验 106，在此期间命令性刺激出现直到记录反应时间 (RT) 或 0.8 秒过去。包括一组 catch 试验 (~8%) 107，以防止参与者预测命令性刺激的开始。 c ，实验分为手间任务和 108 手内任务，当目标运动表征处于基线状态以及被选中、未被选中或与动作准备无关时，可使用单脉冲经颅磁刺激 109 (TMS) 评估左手食指的 CS 输出。此处，输入是相对于参与者的静息运动阈值 (%RMT) 的 TMS 强度，输出是随后的运动诱发电位 (MEP) 的幅度 111。d ，CS 输入输出曲线来自任务前的静息状态 MEP 数据 (n = 39)，并使用三参数玻尔兹曼函数与基于人群的非线性混合效应模型进行拟合 112。绿点和误差线表示 113 每个 TMS 强度下的平均 MEP 幅度 ± 标准差。虚线灰色线表示参数估计值。114
情感评估过程的算法价值
Schiller等。（2024）将算法定义为“用于特定目标或解决特定计算问题的单词，方程式或代码中的步骤序列”（第8页）。在许多认知过程中，诸如感知，注意力，学习，记忆和动作准备的许多认知过程中，对这种gorithm的搜索对认知科学至关重要。根据David Marr的分析水平，可以将计算分析定义为逻辑练习，旨在确定在特定输入给定特定输入的情况下，需要哪些处理子系统来产生特定的输出。尽管情绪的计算分析是相对较新的（参见Sander和Koenig，2002年），但情感科学的有希望的计算进步正在增加，以至于某些情感的功能结构是通过计算，
神经计算与应用
摘要：脑电图 (EEG) 记录有助于解码张开/闭合手部的动作准备。为此，通过波束形成解决逆问题，提取运动皮层中的皮层源信号（相对于运动开始提前 1 秒）。EEG 源时期用作源时间图输入到自定义深度卷积神经网络 (CNN)，该神经网络经过训练可执行双向分类任务：手闭合前 (HC) 与静息状态 (RE) 以及手张开前 (HO) 与 RE。虽然深度 CNN 效果很好（HC 与 RE 的准确率高达 89.65+-5.29%，HO 与 RE 的准确率高达 90.50+-5.35%），但在本研究中，我们探索了深度 CNN 的可解释性，以进一步了解手部亚运动准备过程中皮层源的隐藏激活机制。具体来说，进行遮挡敏感性分析以调查哪个皮质区域最好参与分类过程。实验结果显示，受试者的皮质激活具有反复出现的空间模式；特别是靠近纵向裂隙的中央区域以及运动前区和初级运动皮质的右颞区似乎参与程度很高。这些发现鼓励深入研究似乎在手的张开/闭合准备中发挥关键作用的皮质区域。
多模态共变大脑模式介导遗传和心理因素对疼痛敏感性个体差异的影响
摘要 个体对疼痛的敏感性存在很大差异，这要归功于大脑、基因和心理因素。然而，由于这些因素之间存在复杂的相互作用，因此缺乏一个整合这些因素的多维模型。为了解决这个问题，我们使用冷加压测试测量了疼痛敏感性（即疼痛阈值和疼痛耐受性），收集了磁共振成像 (MRI) 数据和遗传数据，并评估了心理因素（即疼痛灾难化、疼痛相关恐惧和疼痛相关焦虑），这些研究对象包括 450 名健康男女参与者（160 名男性，290 名女性）。使用多模态 MRI 融合方法，我们分别确定了与疼痛阈值和耐受性相关的 2 对共变结构和功能大脑模式。这些模式主要涉及与自我意识、感觉辨别、认知评价、动作准备和执行以及疼痛的情感方面相关的区域。值得注意的是，疼痛灾难化与疼痛耐受性呈负相关，并且这种关系仅由男性参与者的多模态共变大脑模式介导。此外，我们还发现了脂肪酸酰胺水解酶基因中的单核苷酸多态性 rs4141964 与疼痛阈值之间的关联，这种关联由所有参与者中发现的多模态共变大脑模式介导。总之，我们提出了一个整合大脑、基因和心理因素的模型，以阐明它们在塑造个体间疼痛敏感性差异方面的作用，强调了多模态共变大脑模式作为基因/心理因素与疼痛敏感性之间关联的重要生物介质的重要贡献。