XiaoMi-AI文件搜索系统
World File Search System影像学
神经影像学
功能梯度（其中反应特性在大脑的某个区域内逐渐变化）被认为是大脑的一个关键组织原则。最近使用静息态和自然观察范式的研究表明，这些梯度可以通过“连接眼映射”分析从功能连接模式重建。然而，局部连接模式可能会因数据分析过程中人为引入的空间自相关而混淆，例如空间平滑或坐标空间之间的插值。在这里，我们研究这种混淆是否会产生虚假的连接眼梯度。我们在受试者的功能体积空间中生成了包含随机白噪声的数据集，然后可选地应用空间平滑和/或将数据插值到不同的体积或表面空间。平滑和插值都会引起空间自相关，足以使连接眼映射在许多大脑区域中产生基于体积和表面的局部梯度。此外，这些梯度看起来与从真实自然观看数据中获得的梯度非常相似，尽管在某些情况下，从真实数据和随机数据生成的梯度在统计上存在差异。我们还重建了整个大脑的全局梯度——虽然这些梯度似乎不太容易受到人工空间自相关的影响，但重现先前报告的梯度的能力与分析流程的特定特征密切相关。这些结果表明，通过连接图像映射技术识别的先前报告的梯度可能会受到分析过程中引入的人工空间自相关的干扰，在某些情况下，可能在不同的分析流程中重现效果不佳。这些发现意味着需要谨慎解读连接图像梯度。
神经影像学
神经影像学中的可重复性危机，尤其是在研究动力不足的情况下，引发了人们对我们重现、复制和推广研究结果的能力的怀疑。作为回应，我们看到了为神经科学家提供的建议指南和原则的出现，这些建议被称为“良好科学实践”，用于开展更可靠的研究。尽管如此，每项研究在分析和统计方法的结合上仍然几乎是独一无二的。虽然考虑到设计和脑数据记录的多样性，这是可以理解的，但它也代表了可重复性的一个显著点。在这里，我们提出了一个非参数置换统计框架，主要用于神经生理数据，以便对非负信息测量进行组级推断，包括信息论、机器学习或距离测量的指标。该框架支持固定和随机效应模型，以适应个体间和会话间的变化。使用数值模拟，我们比较了两个组模型的地面实况检索的准确性，例如用于多重比较的测试和聚类校正。然后，我们使用空间均匀的 MEG 和非均匀的颅内神经生理数据重现并扩展了现有结果。我们展示了如何使用该框架来提取整个人群中刻板的任务和行为相关影响，涵盖从大脑区域的局部水平、区域间功能连接到总结网络属性的测量等各个方面。我们还介绍了一个名为 Frites 1 的开源 Python 工具箱，其中包括使用信息论指标（例如用于提取认知大脑网络的单次试验功能连接估计）的拟议统计管道。总之，我们认为这个框架值得认真关注，因为它的稳健性和灵活性可以成为统计方法统一化的起点。
神经影像学
呼吸和心跳在生物体的许多不同层面上不断相互作用，代表着身体的两种主要振荡节律，并向大脑提供内感受信息的主要来源。尽管最近已证实呼吸对人类的外感受和认知有调节作用，但它在塑造内感受方面的作用迄今为止还很少得到研究。在两项独立研究中，我们通过评估健康人类的心跳诱发电位 (HEP) 研究了自主呼吸对心脏内感受的影响。在研究 1 中，我们比较了 40 名志愿者在静息状态下吸气和呼气时心跳的 HEP 活动。我们发现呼气期间的 HEP 幅度高于吸气期间的幅度，覆盖额叶-中叶-顶叶区域。这表明呼气期间大脑与心脏的相互作用增加，皮质对心跳的处理改善。进一步的分析表明，这种影响受到心率变化的缓和。在研究 2 中，我们在心跳检测 (HBD) 任务的外部感受和内部感受条件下测试了 20 名志愿者的呼吸相位依赖性 HEP 活动调节。在这些条件下，要求参与者在每次心跳时轻拍，分别听或感觉。结果显示，仅在内部感受条件下，呼气时的 HEP 活动和检测准确度高于吸气时。直接比较内部感受和外部感受条件证实，当注意力集中在内部感受刺激上时，呼吸相位依赖性 HEP 和准确度的调节更强。此外，内部感受条件下的 HEP 变化与心脏生理无关，但与呼气时的检测准确度高于吸气时呈正相关。这表明，皮层对心脏信号的处理优化与整个呼吸周期的心跳检测之间存在联系。总体而言，我们提供的数据表明，呼吸在神经生理和行为层面上塑造了心脏的内感受。具体来说，呼气可能会使注意力转移到内部身体状态。
神经影像学
典型相关分析 (CCA) 及其正则化版本已在神经影像学界广泛用于揭示两种数据模式（例如，脑成像和行为）之间的多变量关联。然而，这些方法具有固有的局限性：（1）关于关联的统计推断通常不够稳健；（2）未对每种数据模式内的关联进行建模；（3）需要估算或删除缺失值。组因子分析 (GFA) 是一种分层模型，通过提供贝叶斯推断和建模特定于模式的关联来解决前两个限制。在这里，我们提出了一种处理缺失数据的 GFA 扩展，并强调 GFA 可用作预测模型。我们将 GFA 应用于由人类连接组计划 (HCP) 的大脑连接和非成像测量组成的合成和真实数据。在合成数据中，GFA 揭示了潜在的共享和特定因素，并正确预测了完整和不完整数据集中未观察到的数据模式。在 HCP 数据中，我们确定了四个相关的共同因素，捕捉情绪、酒精和药物使用、认知、人口统计和精神病理学测量与默认模式、额顶叶控制、背部和腹侧网络和岛叶之间的关联，以及两个描述大脑连接内关联的因素。此外，GFA 预测了一组来自大脑连接的非成像测量。这些发现在完整和不完整的数据集中都是一致的，并且复制了文献中以前的发现。GFA 是一种很有前途的工具，可用于揭示基准数据集（例如 HCP）中多种数据模式之间的关联，并且可以轻松扩展到更复杂的模型以解决更具挑战性的任务。
神经影像学
a 瑞士洛桑沃州大学中心医院和洛桑大学放射科 b 瑞士洛桑生物医学成像中心 c 瑞士洛桑联邦理工学院信号处理实验室（LTS5） d 意大利罗马意大利理工学院神经科学与行为实验室 e 意大利罗马 SAPIENZA 大学生理学和药理学系 f 加拿大舍布鲁克大学理学院计算机科学系舍布鲁克连接成像实验室 g 丹麦技术大学应用数学与计算机科学系 h 丹麦磁共振研究中心、功能与诊断成像与研究中心、哥本哈根维德夫大学医院、丹麦维德夫 i 奥胡斯大学临床医学系功能整合神经科学中心丹麦奥胡斯 j 牛津大学生理学、解剖学和遗传学系，英国牛津 k 马格德堡大学生物研究所，德国马格德堡 l 德国马格德堡莱布尼茨神经生物学研究所 m 卡罗琳斯卡医学院神经科学系，瑞典斯德哥尔摩 n 洛桑联邦理工学院大脑与思维研究所，瑞士洛桑
神经影像学
沿着上行听觉通路的神经处理通常与特征处理速率的逐渐降低有关。例如，用脑电图 (EEG) 测量的听觉中脑的众所周知的频率跟随反应 (FFR) 主要由从 ~100 Hz 到几百 Hz 的频率组成，相位锁定在这些频率的声学刺激上。相比之下，无论是通过 EEG 还是脑磁图 (MEG) 测量，皮质反应通常以几 Hz 到几十 Hz 的频率为特征，时间锁定在声学包络特征上。在本研究中，我们调查了一个交叉案例，皮质产生的反应时间锁定在 FFR 类速率的连续语音特征上。使用 MEG，我们使用神经源定位反向相关和相应的时间响应函数 (TRF) 分析了 70-200 Hz 高伽马范围内对连续语音的响应。向 40 名临床上听力正常的受试者（17 名年轻人、23 名老年人）呈现连续语音刺激，并在 70–200 Hz 频段分析他们的 MEG 反应。与 MEG 对许多皮层下结构的相对不敏感性一致，这些反应成分的时空曲线表明其来源于皮层，峰值延迟约为 40 ms，且偏向右半球。使用语音刺激的两个独立方面进行 TRF 分析：a）语音的 70–200 Hz 载波，以及 b）语音刺激频谱包络中的 70–200 Hz 时间调制。响应主要由包络调制驱动，载波的贡献要弱得多。还分析了与年龄相关的差异，以研究先前沿上升听觉通路看到的逆转，即老年听众的中脑 FFR 反应比年轻听众弱，但矛盾的是，他们的皮层低频反应更强。与之前的研究结果相反，本研究未发现高伽马皮层对连续语音的反应存在明显的年龄相关差异。FFR 类频率下的皮层反应与中脑在相同频率下的反应以及在低得多的频率下的皮层反应具有一些共同的特性。
神经影像学
a 北京师范大学认知神经科学与学习国家重点实验室，北京 100875 b 北京师范大学脑成像与连接组学北京市重点实验室，北京 100875 c 北京师范大学 IDG/麦戈文脑研究所，北京 100875 d 北京师范大学系统科学学院，北京 100875 e 之江实验室健康大数据科学研究中心，杭州 311121 f 大连理工大学生物医学工程学院，大连 116024 g 浙江大学生物医学工程与仪器学院、生物医学工程教育部重点实验室脑成像科学与技术中心，杭州 310027 h 北京大学前沿交叉学科研究院磁共振成像研究中心，北京 100871 i 北京大学物理学院重离子物理研究所、北京市医学物理与工程重点实验室北京 100871 j 北京大学 IDG/麦戈文脑研究中心，北京 100871 k 中国科学院脑科学研究中心，北京 102206
神经影像学
我们对人类大脑在人群层面的组织结构的了解尚未转化为预测个体层面功能差异的能力，这限制了临床应用，并使推断机制的普遍性受到质疑。目前尚不清楚这种困难是源于大脑中缺乏个体生物模式，还是源于我们利用模型和计算访问这些模式的能力有限。在这里，我们全面研究了此类模式与数据和计算的可解析性，规模空前。在英国生物库的 23,810 名独特参与者中，我们系统地评估了 25 种个体生物特征的可预测性，这些特征来自所有可用的结构和功能神经成像数据组合。我们耗时超过 4526 GPU*小时，训练、优化和评估了样本外的 700 个个体预测模型，包括人口统计学、心理学、血清学、慢性病和功能连接特征的全连接前馈神经网络，以及宏观和微观结构脑成像的单模和多模态 3D 卷积神经网络模型。我们发现性别（平衡准确度 99.7%）、年龄（平均绝对误差 2.048 岁，R 2 0.859）和体重（平均绝对误差 2.609 公斤，R 2 0.625）的可预测性较高，为此我们创造了新的最优性能，而其他特征的可预测性却出奇的低。结构成像和功能成像都不能比常见慢性病的巧合更好地预测一个人的心理（p < 0.05）。血清学可预测慢性病（p < 0.05），并且其预测效果最好（p < 0.001），其次是结构神经影像学（p < 0.05）。我们的研究结果表明，需要更具信息量的影像学或更强大的模型来解读人类大脑的个体水平特征。我们公开提供我们的模型和代码。
神经影像学
a 瑞士洛桑沃州大学中心医院和洛桑大学放射科 b 瑞士洛桑生物医学成像中心 c 瑞士洛桑联邦理工学院信号处理实验室（LTS5） d 意大利罗马意大利理工学院神经科学与行为实验室 e 意大利罗马 SAPIENZA 大学生理学和药理学系 f 加拿大舍布鲁克大学理学院计算机科学系舍布鲁克连接成像实验室 g 丹麦技术大学应用数学与计算机科学系 h 丹麦磁共振研究中心、功能与诊断成像与研究中心、哥本哈根维德夫大学医院、丹麦维德夫 i 奥胡斯大学临床医学系功能整合神经科学中心丹麦奥胡斯 j 牛津大学生理学、解剖学和遗传学系，英国牛津 k 马格德堡大学生物研究所，德国马格德堡 l 德国马格德堡莱布尼茨神经生物学研究所 m 卡罗琳斯卡医学院神经科学系，瑞典斯德哥尔摩 n 洛桑联邦理工学院大脑与思维研究所，瑞士洛桑