XiaoMi-AI文件搜索系统
World File Search System影像学
认知灵活性的发育神经影像学
认知灵活性，即根据不断变化的环境需求在任务之间进行心理切换的能力，支持最佳的生活结果，使其成为整个发展过程中需要研究的重要执行功能。在这里，我们回顾了研究认知灵活性发展的文献，重点是使用基于任务的功能性磁共振成像 (fMRI) 的研究。神经影像学文献表明，对认知灵活性很重要的关键大脑区域包括下额叶交界处和中扣带回岛叶网络内的区域，包括岛叶和背侧前扣带皮层。我们进一步讨论了研究神经发育过程中的认知灵活性的挑战，包括术语不一致、fMRI 任务范式的多样性、将认知灵活性与其他执行功能分离的困难以及解释认知策略的发展变化。未来的方向包括评估大脑网络动态的发展变化如何实现认知灵活性，并研究认知灵活性的潜在调节因素，包括身体活动和双语能力。
与恐慌症相关的神经影像学发现
摘要 恐慌症 (PD) 的特征是反复发作的意外恐慌发作和失去控制的焦虑，这会对患者的生活质量产生负面影响。各种神经影像学技术可以评估大脑结构或功能，因此是了解与 PD 病理相关的机制的重要工具。当前的研究使用 MRI、PET、SPECT 或 EEG 强调了 PD 患者和健康对照者之间的神经差异。然而，迫切需要同时讨论各种研究的结果，以便对 PD 病理有多维度的了解，这进一步允许确定更有效的治疗或预防策略的可能目标区域。因此，本研究简要回顾了 2012 年至 2021 年期间发表的 PD 相关神经影像学研究。使用与各种神经影像学技术（例如 MRI、MRS、PET、EEG、fNIRS）和 PD（例如恐慌、焦虑、恐慌症）相关的关键词组合搜索相关文章。排除了涉及除广场恐惧症之外的其他合并症患者和 18 岁以下参与者的研究。本综述共考虑了 20 项符合纳入标准的研究。大多数审查的研究都指出，所提出的恐惧网络区域的结构和功能神经变化主要包括海马、丘脑核、杏仁核、前扣带皮层、岛叶和其他额叶区域。帕金森病中的此类神经变化被认为会导致过度敏感的恐惧网络影响正常的情绪处理。最后，研究表明，不同的治疗方法可以部分逆转这些变化，从而显著改善帕金森病患者的生活质量。
开放且可重复的神经影像学：从研究开始到发表
3 美国新罕布什尔州汉诺威达特茅斯学院心理与脑科学系；4 德国柏林马克斯普朗克人类发展研究所适应性理性中心；5 美国德克萨斯州奥斯汀德克萨斯大学奥斯汀分校心理学系；6 瑞士洛桑洛桑大学医院和洛桑大学放射科；7 美国加利福尼亚州斯坦福大学心理学系，8 美国密苏里州圣路易斯华盛顿大学圣路易斯心理与脑科学系；9 波兰托伦尼古拉哥白尼大学现代跨学科技术中心；10 丹麦哥本哈根 Rigshospitalet 神经生物学研究部；11 哥本哈根大学计算机科学系
脑部疾病的先进神经影像学方法
人类大脑是一个庞大、互动且复杂的系统，支持着我们的日常行为和认知功能。几十年来，研究人员一直在研究人类大脑在健康和不同疾病状态下的机制。先进的神经成像技术，如脑磁图 (MEG)、事件相关电位 (ERP)、功能性近红外光谱 (fNIRS) 和磁共振成像 (MRI)，已被广泛应用于探索大脑结构和功能架构的基本原理，以及各种脑部疾病的病理改变。特别是，多模态神经成像技术在未来将比单模态技术更全面地了解脑部疾病的病理机制，这可用于早期诊断和评估治疗效果和预后。总的来说，强大的神经成像分析方法的发展将从根本上促进对大脑的科学理解，并促进大量的神经科学和临床研究。本研究主题重点关注神经成像方法的最新发展及其在各个领域的应用。总共收集了该领域国际知名研究人员的 19 篇投稿，其中包括 16 篇原创研究文章、2 篇研究方案和 1 篇更正。
GMS7795 神经影像学（1 学分）课程概述...
课程概述 图像是一种强大的工具，能够以其他形式的信息媒体无法比拟的速度传达复杂且通常微妙的想法或概念。它们对我们理解微生物学和病理学的历史贡献以及它们在现代临床诊断中的当代作用怎么强调都不为过。在线硕士课程的神经影像学课程 (GMS7795) 旨在从历史角度介绍那些对神经科学和神经病学领域最基础的研究型和临床成像技术的发展。本课程的作业旨在帮助学生了解发现和开发众多基于应用的成像方法的条件和背景。此外，他们将更好地理解与这些成像方法相关的特性和局限性，从而更好地了解何时适合或不适合使用这些成像协议。 与课程成果的关系 本课程是在线生物医学神经科学研究生理学硕士课程的选修课。我们也鼓励有兴趣了解神经成像方法的发现和发展的本科生、硕士和博士研究生以及在职专业人士报读本课程。课程目标和目标
深度学习与人工智能
不受位置变化的影响。生物控制论，36（4），193-202。 https://doi.org/10.1007/BF 00344251 Goodfellow, I.、Bengio, Y. 和 Courville, A. (2016)。深度学习。麻省理工学院出版社。 （Schmidt、I. Schiffman、Y. Schaefer、A. 化学工程师和仪器仪表（2018）Graves、A.、Wayne、G. 和 Danihelka、I.（2014）。神经图灵机。 arXiv。 Ha, D. 和 Schmidhuber, J. (2018)。世界模特。 arXiv。 https://arxiv.org/abs/1803.10122 Han, K., Wang, Y., Chen, H., Chen, X., Guo, J., Liu, Z., Tang, Y., Xiao, A., Xu, C., Xu, Y., Yang, Z., Zhang, Y., & Tao, D. (2020 年)。关于视觉变压器的调查。 arXiv。 https://arxiv.org/abs/2012.12556 Higgins, I., Amos, D., Pfau, D., Racaniere, S., Matthey, L., Rezende, D., 和 Lerchner, A. (2018)。迈向解开表征的定义。 arXiv。 https://archiv. org/abs/1812.02230 美国国立卫生研究院（AI）（2020 年）。 2020 年人工智能市场：5 年历史的人工智能创新和 5 年历史的临床试验 LeCun, Y., Bengio, Y., & Hinton, G. (2015 年)。深度学习。自然，521，436-444。 http://dx.doi.org/10.1038/nature 14539 Mansimov, E., Parisotto, E., Ba, JL 和 Salakhutdinov, R. (2015)。利用注意力机制根据标题生成图像。 arXiv。 https://archiv.org/abs/1511.02793 纽约（2015 年）。 我的一位朋友是角川家族的成员（2016年）（2016年）。 http://dx.doi.org/10.1037/0033-295X.101.1.13 McCulloch, WS 和 Pitts, W. (1943)。神经活动中蕴含的观念的逻辑演算。数学生物物理公报，5（4），115-133。 https://doi.org/10.1007/BF02478259 Nakkiran, P.、Kaplun, G.、Bansal, Y.、Yang, T.、Barak, B. 和 Sutskever, I. (2019)。深度双重下降：更大的模型和更多的数据会带来危害。 arXiv。 https://arxiv.org/abs/ 1912.02292 Perez, J.、Marinkovic, J. 和 Barcelo, P.（2019 年 5 月 6-9 日）。论现代神经网络架构的图灵完备性。 ICLR 2019：第七届学习表征国际会议。路易斯安那州新奥尔良。美国。 Radford , A.、Kim , JW、Hallacy , C.、Ramesh , A.、Goh , G.、Agarwal , S.、Sastry , G.、Askell , A.、Mishkin , P.、Clark , J.、Krueger , G. 和 Sutskever , I. (2021)。从自然语言监督中学习可转移的视觉模型。 arXiv。 https://arxiv.org/abs/2103.00020 Ramachandran, P., Zoph, B., 和 Le, QV (2017)。寻找激活函数。 arXiv。 https://arxiv.org/abs/ 1710.05941 Razavi, A., van the Word, A. 和 Vinyals, O. (2019)。使用 VQ-VAE-2 生成各种高保真图像arXiv。 https://arxiv.org/abs/1906.00446 Reed, S.、Akata, Z.、Yan, X.、Logeswaran, L.、Schiele, B. 和。
学术论文（同行评审）
Orita，A。Mukai，H。Tomita，S。Tomita，K。Bamagishi，H。Ebi，Y。Tamada，K。Kamada，H。Woo，F。Ishida，E。Takada，H。 /div;Orita，A。Mukai，H。Tomita，S。Tomita，K。Bamagishi，H。Ebi，Y。Tamada，K。Kamada，H。Woo，F。Ishida，E。Takada，H。 /div;
影像学和人工智能在 COVID-19 感染评估中的作用
2019 冠状病毒病 (COVID-19) 是一种呼吸道疾病，它开始并迅速成为本世纪大流行，全球感染人数超过 2.534 亿。自 COVID-19 大流行开始以来，已经过去了两年多。在这个艰难的时期，科学界应对了多项挑战，以了解这种新型疾病、对其进行评估并治疗受影响的患者。所有这些努力都是为了阻止病毒的传播。本文提供了全面的综述，以了解 COVID-19 病毒及其入侵机制、其对身体许多器官和组织的主要影响、识别其短期和长期症状，以及认识诊断成像在 COVID-19 中的作用。主要是，活性疫苗的快速发展发挥了非凡的作用，从而降低了全球死亡率。然而，仍有一些障碍需要克服。许多证据表明，感染 CoV-19 会导致相当一部分受影响患者的神经功能障碍，这些症状在感染期间表现严重，人们对大脑的潜在长期后果知之甚少，其中嗅觉丧失是 COVID-19 的神经系统体征和基本症状。因此，我们回顾了与 COVID-19 相关的嗅球功能障碍和嗅觉丧失的原因、COVID-19 治疗的最新适当治疗策略（例如 ACE2 策略和 Ang II 受体）以及后续阶段的测试。此外，我们还讨论了病毒的长期并发症，从而讨论了改进治疗策略的可能性。此外，介绍了用于预测和早期诊断 COVID-19 的人工智能的主要步骤，其中人工智能，尤其是机器学习，正在成为一种有效的诊断图像分析方法，其在 COVID-19 对多个器官损伤的鉴别诊断方面的表现可与人类从业者相媲美。准备当前调查所遵循的方法是从 Springer、Wiley 和 Elsevier 等不同期刊中搜索与上述主题相关的工作。此外，还比较了不同的研究，收集了结果并报告如下。文章是根据年份（即最近三年）选择的。此外，还检查了不同的关键词（例如 COVID-19、COVID-19 治疗、COVID-19 症状以及 COVID-19 和嗅觉丧失）。
用于理解胃肠病学影像、文本和数据的人工智能
人工智能 (AI) 已经到来，触及娱乐、教育、制造和医学等各个行业。人工智能是指机器能够独立收集信息，然后在先前知识的背景下进行测量、判断和预测。人工智能由机器学习驱动，机器学习是一组计算方法，用于从训练数据中的模式和关系中学习以预测结果或事件。对人工智能的希望和炒作都包含着准确性、速度、降低成本和超越人类感知的洞察力等概念。人工智能的这些潜在方面使其成为一种有吸引力的工具，有助于通过技术创新实现医疗保健领域的精确性、价值和创新承诺。支持人工智能在医学领域的出现是 3 大支柱的成熟。首先，