XiaoMi-AI文件搜索系统
World File Search System工作记忆
意识丧失（而非病因）可预测脑震荡数年后工作记忆表现会更好
背景：无并发症的脑震荡患者被认为会在症状消退后数月内完全康复。然而，在群体层面，报告有脑震荡病史（平均：受伤后 4.14 年）的大学生表现出视觉工作记忆表现的持久缺陷。为了阐明在群体成员表现各异的情况下，什么可以预测长期视觉工作记忆结果，我们调查了与损伤相关的因素，包括性别、轻度创伤性脑损伤次数、轻度创伤性脑损伤 (mTBI) 发生时间、意识丧失 (LOC)（是、否）和 mTBI 病因（非运动、团队运动、高强度运动和个人运动）。我们还收集了低密度静息态脑电图，以测试频谱功率是否与表现相关。目的：本研究旨在确定有脑震荡病史的当前大学生视觉工作记忆结果不佳的预测因素。方法：参与者简要介绍了他们的损伤和症状。参与者还完成了一项实验性视觉工作记忆任务。最后，收集低密度静息态脑电图。结果：关键的观察结果是受伤时的 LOC 预示着数年后更好的视觉工作记忆。相比之下，其他因素无法预测视觉工作记忆表现，包括病因、高强度运动或脑电图频谱功率。结论：在有脑震荡史的当前大学生中，视觉工作记忆缺陷在群体层面上是明显的。脑震荡时的 LOC 预示着视觉工作记忆表现受损较少，而与其他因素没有显著联系。一种解释是，LOC 后，患者比没有 LOC 时更有可能寻求医疗建议。与患者的相关性：脑震荡是一种与某些人的未来认知变化有关的头部损伤。应该认真对待脑震荡，无论何时发生头部损伤都应寻求医疗救治。
患有注意力缺陷多动症的大学生在空间工作记忆任务中大脑网络的动态特性
本研究使用事件相关电位 (ERP) 和空间 2-back 任务研究了患有注意力缺陷多动障碍 (ADHD) 特征的大学生的空间工作记忆缺陷。我们还使用 EEG 数据计算了感觉水平活动，并研究了 θ 和 alpha 神经振荡、锁相值 (PLV) 和大脑网络。根据成人 ADHD 自我报告量表 (ASRS) 和 Conners 成人 ADHD 评定量表 (CAARS) 的分数，选出一个 ADHD 特征组 (n = 40) 和一个正常对照组 (n = 41)。参与者需要回答呈现的刺激是否与两次试验之前呈现的刺激位于同一位置。在空间 2-back 任务中，ADHD 特征组的反应时间明显慢于对照组。在频谱方面，ADHD 特征组的 θ 功率明显低于对照组。相反，在刺激开始后的 250-1000 毫秒间隔内，ADHD 特征组与对照组相比表现出更高的 alpha 功率。在 PLV 方面，ADHD 特征组表现出的 θ 相位同步性明显弱于对照组，额枕叶区域的连接数也更少。在 θ 脑网络方面，ADHD 特征组的 θ 波段聚类系数明显低于对照组，特征路径长度明显长于对照组。本研究结果表明，具有 ADHD 特征的大学生存在空间工作记忆缺陷，而神经振荡、功能连接和网络中的这些异常活动可能导致空间工作记忆缺陷。
结构可控性预测功能模式和大脑刺激益处与工作记忆
大脑是一个固有的动态系统，许多工作都集中在通过局部扰动和全局网络集合功能变化来修饰神经活动的能力上。网络可控性是网络神经科学中的最新概念，该概念旨在预测单个皮质位点对全球网络状态和状态变化的影响，从而对局部对全球脑动力学的影响产生统一的说明。尽管该概念在工程科学中被接受，但在神经科学中的持续辩论中，将网络可控性与大脑活动和人类行为联系起来的经验证据仍然很少。在这里，我们提出了一组源自fMRI，扩散张量成像和在线重复的经颅磁刺激（RTMS）的多模式的大脑 - 行为关系 - 在由两个男女个人执行的单独校准的工作记忆任务中应用的。描述结构网络系统动力学的模式显示了与任务难度相关的大脑活动的直接关系，并且在硬任务条件下有助于功能性脑状态的难度到范围的模式。模态可控性（量化难以到达模式的贡献的措施）在受刺激的站点上预测了与任务难度增加和RTMS对任务绩效的益处相关的fMRI激活。此外，fMRI解释了模态可控性和与5 Hz在线RTMS相关的工作记忆益处之间64％的差异。因此，这些结果为网络控制理论的功能有效性提供了证明，并概述了整合结构网络拓扑和功能活动的清晰技术，以预测刺激对后续行为的影响。
结构可控性预测功能模式和大脑刺激益处与工作记忆
大脑是一个固有的动态系统，许多工作都集中在通过局部扰动和全局网络集合功能变化来修饰神经活动的能力上。网络可控性是网络神经科学中的最新概念，该概念旨在预测单个皮质位点对全球网络状态和状态变化的影响，从而对局部对全球脑动力学的影响产生统一的说明。尽管该概念在工程科学中被接受，但在神经科学中的持续辩论中，将网络可控性与大脑活动和人类行为联系起来的经验证据仍然很少。在这里，我们提出了一组源自fMRI，扩散张量成像和在线重复的经颅磁刺激（RTMS）的多模式的大脑 - 行为关系 - 在由两个男女个人执行的单独校准的工作记忆任务中应用的。描述结构网络系统动力学的模式显示了与任务难度相关的大脑活动的直接关系，并且在硬任务条件下有助于功能性脑状态的难度到范围的模式。模态可控性（量化难以到达模式的贡献的措施）在受刺激的站点上预测了与任务难度增加和RTMS对任务绩效的益处相关的fMRI激活。此外，fMRI解释了模态可控性和与5 Hz在线RTMS相关的工作记忆益处之间64％的差异。因此，这些结果为网络控制理论的功能有效性提供了证明，并概述了整合结构网络拓扑和功能活动的清晰技术，以预测刺激对后续行为的影响。
老年人在工作记忆过程中受益于更广泛的大脑网络整合
神经影像学证据表明，衰老的大脑比年轻人更依赖一组分布更分散的皮质区域，以便在执行要求高的认知任务时保持成功的表现水平。然而，任务需求如何导致皮质网络与年龄相关的扩张仍不清楚。为了研究这个问题，功能性磁共振成像被用来测量年轻人和老年人在工作记忆 (WM) 任务中的单变量活动、网络连接和认知表现。在这里，个体执行一项 WM 任务，其中他们将字母保持在线状态，同时按字母顺序重新排序。对 WM 负荷进行滴定以获得具有不同集合大小的四个个性化难度级别。网络整合（定义为网络内与网络间连接的比例）与 WM 容量的个体差异有关。这项研究得出了三个主要发现。首先，随着任务难度的增加，年轻人的网络整合度降低，而老年人的网络整合度增加。其次，与年龄相关的网络整合度增加是由右半球与左、右皮质区域的连接度增加所驱动的，这一发现有助于调和现有的衰老补偿性募集理论。最后，WM 容量较高的老年人在最困难的任务条件下表现出更高的网络整合水平。这些结果揭示了与年龄相关的网络重组机制，表明网络连接的变化可能是一种自适应补偿形式，随着任务需求的增加，老年人会募集更分散的皮质网络。
结构可控性可预测与工作记忆相关的功能模式和大脑刺激益处
这篇早期发布的文章已经过同行评审并被接受，但尚未经过撰写和编辑过程。最终版本在风格或格式上可能略有不同，并将包含指向任何扩展数据的链接。
儿童时期工作记忆的行为和神经特征
1 芝加哥大学心理学系，伊利诺伊州芝加哥 60637，2 耶鲁大学心理学系，康涅狄格州纽黑文 06511，3 纽约大学心理学与神经科学系，纽约州纽约 10003，4 加利福尼亚大学圣地亚哥分校放射学系，加利福尼亚州圣地亚哥 92122，5 智利天主教大学物理研究所，智利圣地亚哥 8331150，6 科罗拉多大学博尔德分校心理学与神经科学系，科罗拉多州博尔德 80302，7 达特茅斯学院心理与脑科学系，新罕布什尔州汉诺威 03755，8 俄勒冈健康与科学大学行为神经科学系，俄勒冈州波特兰 97239，9 俄勒冈健康与科学大学医学信息学与临床流行病学系，俄勒冈州波特兰97239, 10 俄勒冈健康与科学大学精神病学系，俄勒冈州波特兰 97239, 11 俄勒冈健康与科学大学高级成像研究中心，俄勒冈州波特兰 97239, 12 圣路易斯华盛顿大学心理与脑科学系，密苏里州圣路易斯 63130, 13 华盛顿大学医学院精神病学系，密苏里州圣路易斯 63110, 14 华盛顿大学医学院放射学系，密苏里州圣路易斯 63110
儿童工作记忆的行为和神经特征
1 芝加哥大学心理学系 2 耶鲁大学心理学系 3 纽约大学心理学与神经科学系 4 加利福尼亚大学圣地亚哥分校放射学系 5 智利天主教大学物理研究所 6 科罗拉多大学博尔德分校心理学与神经科学系 7 达特茅斯学院心理与脑科学系 8 俄勒冈健康与科学大学行为神经科学系 9 俄勒冈健康与科学大学医学信息学与临床流行病学系 10 俄勒冈健康与科学大学精神病学系 11 俄勒冈健康与科学大学高级成像研究中心
使用功能性近红外光谱技术展示驾驶过程中视觉空间注意力需求与工作记忆负荷之间的大脑层面相互作用
驾驶是一项复杂的任务，需要同时调动多种认知资源。然而，目前还缺乏研究在双任务处理中不同驾驶子任务在大脑层面的相互作用。本研究调查了与驾驶难度增加相关的视觉空间注意力需求如何与大脑层面的不同工作记忆负荷 (WML) 水平相互作用。使用多通道全头高密度功能近红外光谱 (fNIRS) 大脑激活测量，我们旨在预测驾驶难度水平，既针对每个 WML 水平进行单独预测，也使用组合模型进行预测。参与者在虚拟现实驾驶模拟器中在有并发交通的高速公路上驾驶了大约 60 分钟。在一半的时间里，路线穿过一个车道宽度较窄的建筑工地，增加了视觉空间注意力需求。同时，参与者执行了 n-back 任务的修改版本，其中有五个不同的 WML 级别（从 0-back 到 4-back），迫使他们不断更新、记忆和回忆前几个“n”速度符号的序列，并相应地调整速度。使用多元逻辑岭回归，我们能够在 15 名参与者的 75.0% 信号样本（1.955 Hz 采样率）中正确预测驾驶难度，在对每个 WML 级别分别在 fNIRS 数据上训练的分类器的样本外交叉验证中。WML 级别对驾驶难度预测有显著影响
强化学习中有多少是工作记忆，而不是强化学习？行为、计算和神经遗传学分析
工具性学习涉及皮质纹状体回路和多巴胺能系统。该系统通常在强化学习 (RL) 框架中通过逐步积累状态和动作的奖励值来建模。然而，人类学习也涉及参与高级认知功能的前额叶皮质机制。这些系统的相互作用仍然不太清楚，人类行为模型经常忽略工作记忆 (WM)，因此错误地将行为差异分配给 RL 系统。在这里，我们设计了一个任务，突出了这两个过程的深刻纠缠，即使在简单的学习问题中也是如此。通过系统地改变学习问题的大小和刺激重复之间的延迟，我们分别提取了负载和延迟对学习的 WM 特定影响。我们提出了一种新的计算模型，该模型解释了在受试者行为中观察到的 RL 和 WM 过程的动态整合。将容量有限的 WM 纳入模型使我们能够捕获在纯 RL 框架中无法捕获的行为差异，即使我们（难以置信地）允许每个集合大小的 RL 系统分开。 WM 成分还允许对单个 RL 过程进行更合理的估计。最后，我们报告了两种基因多态性对前额叶和基底神经节功能具有相对特异性的影响。编码儿茶酚-O-甲基转移酶的 COMT 基因选择性地影响了 WM 容量的模型估计，而编码 G 蛋白偶联受体 6 的 GPR6 基因则影响了 RL 学习率。因此，这项研究使我们能够指定高级和低级认知功能对工具学习的不同影响，超出了简单 RL 模型提供的可能性。