XiaoMi-AI文件搜索系统
World File Search System息息
高级偏好是多息顺序推荐的对比学习的积极示例
基于多功能框架的顺序推荐任务旨在模拟从不同方面的用户的多个兴趣，以预测其未来相互作用。但是，研究人员很少考虑模型产生的利益之间的差异。在极端情况下，所有兴趣胶囊都具有相同的含义，从而导致对具有多种兴趣的用户进行建模。为了解决这个问题，我们提出了高级偏好，作为对对比度学习的积极示例，用于多息序列推荐框架（HPCL4SR），该框架使用对比度学习来区分基于用户项目交互信息的利益差异。为了找到高质量的比较示例，本文介绍了构建全局图的类别信息，学习了用户高级偏好兴趣的类别之间的关联。然后，多层感知器用于适应用户项目的低级偏好兴趣功能和类别的高级偏好兴趣功能。最后，通过项目序列信息和相应的类别获得了用户多兴趣对比样本，这些样本被馈入对比度学习中，以优化模型参数并生成更符合用户序列的多功能表示。此外，在对用户的项目序列信息进行建模时，以增加项目表示之间的不同不同。
UNIGE 开放档案静息状态大脑活动...
多项神经影像学研究表明，CA 后 5 天内 DWI 的变化预示着不良预后。8-15 然而，DWI 分析的时机至关重要，因为弥散值在缺氧后不久就会发生变化。10 此外，虽然 DWI 是不良预后的有力预测指标，但它不够敏感，无法识别出预后良好的患者。大脑的自发活动不是随机的，而是在功能网络中组织的。16 静息状态 fMRI (rs-fMRI) 是绘制患者和健康志愿者大脑功能连接 (FC) 的有力工具。17 多项研究报告称，rs-fMRI 可以区分慢性脑损伤患者的意识状态，FC 下降与意识受损程度相关。18 最近有研究表明，fMRI 可以检测到脑创伤后昏迷患者对被动刺激反应的早期意识迹象 19 并且 FC 强度与昏迷后缺氧患者的良好长期预后相关。 20 然而，rs-fMRI 尚未系统地评估对昏迷后缺氧患者的早期预后。我们的研究旨在使用 rs-fMRI 和机器学习方法预测昏迷结果（即意识恢复与昏迷状态；即良好与不良结果）。我们专注于特别具有临床意义的病例，特别是昏迷的早期缺氧后患者和标准多模态测试后预后不确定的患者。
静息态 HRF 估计和反卷积工具箱
血流动力学反应函数 (HRF) 极大地影响了受试者内和受试者间大脑激活和连接的变异性，并且可能会混淆连接分析中时间优先性的估计，因此其估计对于正确解释神经影像学研究必不可少。此外，HRF 形状本身是一个有用的局部度量。然而，大多数用于 HRF 估计的算法都是针对任务相关 fMRI 数据的，只有少数算法可以直接应用于静息状态协议。在这里，我们介绍了 rsHRF，这是一个 Matlab 和 Python 工具箱，可实现从静息状态 BOLD 信号中进行 HRF 估计和反卷积。我们首先概述了主要算法和实际实现，然后通过使用公开的静息状态 fMRI 数据集进行验证实验来证明 rsHRF 的可行性和实用性。我们还提供了统计分析和可视化工具。我们相信这个工具箱可能对更好地分析和理解 BOLD 信号的成分和变异性做出重大贡献。
静息状态下创意大脑的社区结构 - CDN
最近的研究深入了解了个体间创造性思维的差异，重点关注分布式大规模大脑网络的特征，包括大脑区域的局部层面及其成对相互作用以及整个大脑的整体层面。然而，创造性思维与中观网络特征（如群落和枢纽组织）的关系仍不清楚。我们采用数据驱动的方法来检查来自大量参与者的静息态功能成像数据中的群落和枢纽结构，以及它们与创造性思维的个体差异之间的关系。首先，我们计算了每个参与者的大脑区域被分配到同一个群落的概率。我们发现，创造性思维能力的提高分别与内侧颞叶和皮层下区域被分配到同一个群落的增加和减少有关，这表明创造力能力可能反映在大脑网络中观组织的个体间差异中。然后，我们使用参与者特定的社区来识别网络枢纽（其连接形成跨越不同社区边界的桥梁的节点），并根据其参与系数进行量化。我们发现 DMN 和内侧颞叶区域的枢纽增加分别与创造能力呈正相关和负相关。这些发现表明，创造能力可能反映在 DMN 和内侧颞叶结构的社区互动中的个体间差异中。总的来说，这些结果证明了研究中尺度大脑网络特征与创造性思维的关系的成果。
尼古丁急剧改变大脑静息状态的时间特性
背景：尼古丁依赖者改变了神经认知网络的活动，例如默认模式 (DMN)、突显性 (SN) 和中央执行网络 (CEN)。一种理论认为，在长期吸烟者中，戒除尼古丁会推动更多与 DMN 相关的内部处理，而尼古丁替代会抑制 DMN 并增强 SN 和 CEN。然而，急性尼古丁是否会影响非吸烟者的网络动态尚不清楚。方法：在一项随机双盲交叉研究中，17 名健康非吸烟者（8 名女性）在收集静息状态功能性磁共振成像 (fMRI) 之前两天服用安慰剂和尼古丁（2 毫克片剂）。先前定义的 462 名个体的大脑状态与包括 DMN、SN 和 CEN 在内的特征明确的静息状态网络在空间上重叠，这些状态被用于计算静息状态下的特定状态动态：处于该状态的总时间、进入后在每个状态中的持久性以及状态转换的频率。我们检查了尼古丁是否会急剧改变这些静息状态动态。结果：出现了显著的药物与状态相互作用；事后分析表明，与安慰剂相比，尼古丁抑制了额岛-DMN 状态（后扣带皮层、内侧前额叶皮层、前岛叶、纹状体和眶额皮层）所花费的时间，并增加了 SN 状态（前扣带皮层和岛叶）所花费的时间。在持久性和频率方面没有观察到显著的发现。结论：在非吸烟者中，尼古丁会使静息状态下的大脑功能偏离额岛-DMN，而偏向 SN，这可能会降低内部聚焦认知并增强显着性处理。虽然过去的研究表明尼古丁会影响 DMN 活动，但当前的研究表明尼古丁对与沉思和抑郁相关的特定 DMN 类网络有影响。
静息催眠和催眠易感性的脑功能相关性：综述
摘要：本篇综合综述通过研究采用功能性磁共振成像 (fMRI)、正电子发射断层扫描 (PET) 和脑电图 (EEG) 方法的研究，深入探讨了催眠的认知神经科学和催眠易感性的变化。重点关注领域包括催眠中的功能性脑成像相关性、作为催眠状态指标的脑电图波段振荡、催眠和清醒期间脑电图功能连接的改变，得出关键结论并提出未来的研究方向。所审查的功能连接发现支持以下观点：根据分离和冷控制催眠理论，催眠期间执行控制网络不同组成部分之间可用整合的中断可能与催眠反应期间对主体的改变评估相对应。一个有希望的探索途径是研究额叶的神经化学成分和非周期性脑电图活动在清醒和休息时如何与个体催眠能力的差异相关。未来研究催眠对大脑功能的影响应该优先研究不同神经网络中独特的激活模式。
静息睡眠时间的受试者间和分区间变异性......
a 德国于利希研究中心神经科学与医学研究所（INM-7） b 德国杜塞尔多夫大学海因里希-海涅医学院系统神经科学研究所 c 法国塞尔吉巴黎大学理论与建模实验室，CNRS，UMR 8089，塞尔吉-蓬图瓦兹 cedex 95302 d 德国于利希研究中心于利希超级计算中心（JSC）高级模拟研究所 e 德国于利希研究中心神经科学与医学研究所（INM-1） f 新加坡国立大学睡眠与认知中心、转化磁共振研究中心和 N.1 健康研究所 g 新加坡国立大学电气与计算机工程系 h 美国马萨诸塞州查尔斯顿麻省总医院 Martinos 生物医学成像中心 i 新加坡综合科学与工程项目（ISEP）
儿童脑震荡静息态脑功能活动的性别差异
此预印本的版权所有者此版本于 2021 年 7 月 18 日发布。；https://doi.org/10.1101/2021.07.14.21260531 doi: medRxiv preprint
绝对音调脑电图静息态脑网络的异质性
绝对音高 (AP) 是指无需外界参考即可轻松识别乐音的能力，其神经基础尚不清楚。关键问题之一是这一现象背后是感知过程还是认知过程，因为感觉和高级大脑区域都与 AP 有关。为了整合对 AP 的感知和认知观点，我们在此研究了感觉和高级大脑区域对 AP 静息态网络的共同贡献。我们对大量 AP 音乐家 (n = 54) 和非 AP 音乐家 (n = 51) 的源级 EEG 进行了全面的功能网络分析，采用两种分析方法：首先，我们应用基于 ROI 的分析来检查听觉皮层和背外侧前额叶皮层 (DLPFC) 之间的连接，使用几种已建立的功能连接测量方法。这项分析重复了之前的一项研究，该研究报告了 AP 音乐家这两个区域之间的连接增强。其次，我们对相同的功能连接测量进行了基于全脑网络的分析，以更全面地了解可能涉及支持 AP 能力的大规模网络的大脑区域。在我们的样本中，基于 ROI 的分析没有提供听觉皮层和 DLPFC 之间 AP 特定连接增加的证据。全脑分析显示，AP 音乐家的三个网络连接增加，包括额叶、颞叶、皮层下和枕叶区域的节点。在感觉和大脑周边区域的高级区域都发现了网络的共同点。需要进一步研究来证实这些探索性结果。
根据 EEG 和 FNIRS 信号进行静息状态脑连接分析
摘要。当代神经科学高度关注机器学习和网络分析的协同使用。事实上，网络神经科学分析大量利用了聚类指标和统计工具。在这种情况下，功能性近红外光谱 (fNIRS) 和脑电图 (EEG) 的综合分析提供了有关大脑电和血流动力学活动的互补信息。证据支持神经血管耦合介导大脑处理的机制。然而，人们对这些技术如何表示特定的神经活动模式还不太了解。在这里，我们使用源空间分析和图论方法，研究了同步 EEG 和 fNIRS 连接组之间、跨频带的静息状态大脑功能网络的拓扑特性。我们观察到，在全局级别分析中，两种模态的小世界拓扑网络特征。边缘分析指出，与 EEG 相比，氧合血红蛋白的半球间连接性增强，且各个频带没有差异。我们的结果表明，从 fNIRS 中提取的图形特征可以反映神经活动的短程和长程组织，并且能够表征静息状态下的大规模网络。需要进一步开发两种模态的综合分析，以充分利用每种模态的附加值。然而，本研究强调，可以采用多模态源空间分析方法来研究健康静息状态下的大脑功能，从而为未来在任务和病理学中的工作奠定基础，并有可能获得神经系统疾病的新型综合生物标志物。