XiaoMi-AI文件搜索系统
World File Search System枕叶
基于SSVEP的脑损伤中的疲劳因素及疲劳指标...
根据频率范围，EEG 信号可以区分出六种不同的大脑节律：delta（0.5 至 4 Hz）、theta（4 至 8 Hz）、alpha（8 至 13 Hz）、mu（8 至 13 Hz）、beta（13 至 30 Hz）和 gamma（25 至 100 Hz）。delta 节律发生在幼儿或成人深睡或脑部异常的人身上，由低于 3.5 Hz 的频率成分组成。theta 节律发生在人疲劳且无法集中注意力时，主要出现在颞叶和顶叶区域。枕叶用于记录 alpha 节律。当人们睡着时，这种节律会完全消失，但当他们平静而清醒、困倦但清醒且疲劳时，它就会出现。此外，如果人们试图保持清醒，alpha 将占主导地位。beta 节律主要在顶叶和额叶区域产生。当一个人注意力集中、兴奋或激动时，就会出现 Beta 节律（Brismar，2007；Miller，2007；Foong 等人，2019）。mu 节律和 gamma 节律可以分别从感觉运动区域和躯体感觉皮层记录下来。gamma 节律在学习、记忆和处理数据方面至关重要。此外，它还出现在高级认知任务中（Herrmann 和 Demiralp，2005；Fazel-Rezai 等人，2013）。
青少年大脑的结构差异可以预测酒精滥用
青少年时期酗酒 (AAM) 与大脑结构发育破坏和酒精使用障碍有关。使用机器学习 (ML)，我们分析了 IMAGEN 数据集 (n ∼ 1182) 中 14、19 和 22 岁时 AAM 表型与青少年大脑结构 (T1 加权成像和 DTI) 之间的联系。ML 根据大脑结构预测了 22 岁时的 AAM，在独立测试数据的平衡准确度为 78%。因此，青少年大脑的结构差异可以显著地预测 AAM。使用 14 岁和 19 岁时的大脑结构，ML 预测了 22 岁时的 AAM，平衡准确度分别为 73% 和 75%。这些结果表明，在数据集中，结构差异先于酒精滥用行为。 10 最具信息量的特征位于胼胝体和 11 内囊、脑干和脑室脑脊液的白质束中。在皮质中，它们分布在 12 枕叶、额叶和颞叶以及扣带皮层中。我们的研究还表明 13 在分析 AAM 等效应大小较弱的精神疾病的探索性 ML 研究中，AAM 表型的选择、ML 方法和混杂校正技术 14 都是至关重要的决定。16
通过隐性调节内在大脑连接......
尽管神经反馈越来越受欢迎，但其作用机制仍不太清楚。本研究旨在描述隐性脑电图神经反馈背后的过程。52 名健康志愿者被随机分配到一次超低频神经反馈或假神经反馈，电极位于右侧颞中回和右侧顶下小叶。他们观察到一个移动的火箭，其速度由带限超低频滤波器产生的波形调制。在会议前后，参与者接受了静息态 fMRI 检查。应用了基于网络的统计分析，比较了会议前后和真实与假神经反馈条件。结果观察到了两种现象。首先，我们描述了与隐性神经反馈过程本身相关的脑回路，该脑回路由侧枕叶皮层、右背外侧前额叶皮层、左眶额叶皮层、右腹侧纹状体和双侧背侧纹状体组成。其次，我们发现显着性、语言和视觉网络的关键区域之间的连接性增强，这表明感觉处理中存在整合。因此，一次隐性超低频脑电图神经反馈似乎会导致内在大脑连接性发生显著变化。
脑磁图视觉映射
自 20 世纪 90 年代末以来，视觉诱发场 (VEF) 已在临床实践中得到可靠应用。这是定制枕叶皮质手术切除术的标准临床工具。1 2011 年，美国临床脑磁图学会 (ACMEGS) 发布了临床实践指南 (CPG)，详细介绍了自发性脑活动分析、使用诱发场进行术前功能性脑映射、脑磁图 (MEG) 报告以及 MEG 人员的资质。 2 – 5 最近，ACMEGS 发表了第二份立场声明，详细说明了 MEG 作为一种非侵入性诊断工具在术前映射功能皮质中的价值，并支持“在对准备手术的可手术病变患者进行术前评估时，MEG 可常规临床用于获取有关功能皮质（体感、运动、视觉、听觉和语言）的非侵入性定位或侧向信息。” 6 尽管映射功能皮质的“黄金标准”是通过直接皮质刺激，但 MEG 作为一种非侵入性诊断工具已证实其在识别这些区域方面的有效性。1 – 3,6 本文将重点介绍 MEG 在定位功能视觉皮层中的实用性。本文将首先概述 VEF 在临床实践中的当前临床作用。然后，将回顾 2011 年 ACMEGS CPG 发布后的最新研究和临床发展。最后，
利用共享神经模式解码自然视频的动态情感反应
本研究探索了使用短暂情感事件（观看情感图片）中的共享神经模式来解码自然体验（观看电影预告片）中的扩展动态情感序列的可行性。28 名参与者观看了国际情感图片系统 (IAPS) 中的图片，并在单独的环节中观看了各种电影预告片。我们首先通过 GLM 分析定位双侧枕叶皮层 (LOC) 对情感图片类别有反应的体素，然后根据他们在观看电影预告片时的反应对 LOC 体素进行受试者间超对齐。超对齐后，我们在情感图片上训练受试者间机器学习分类器，并使用这些分类器解码样本外参与者在图片观看和电影预告片观看期间的情感状态。在参与者中，神经分类器识别图片的效价和唤醒类别，并跟踪观看视频期间自我报告的效价和唤醒。总体而言，神经分类器生成效价和唤醒时间序列，跟踪从单独样本获得的电影预告片的动态评级。我们的发现进一步支持了使用预先训练的神经表征来解码自然体验期间的动态情感反应的可能性。
Facebook 用户体验的情感测试
摘要 本研究旨在了解用户在社交媒体平台（如 Facebook）或其他可能对用户产生情绪影响的软件产品上执行某些任务时情绪如何波动。具体来说，我们探讨了 Facebook 常用用户和新用户在可用性方面的差异。这项研究涉及对 18 名参与者的定性研究，其中 9 名是 Facebook 用户，9 名是非 Facebook 用户，他们在参与本研究之前从未使用过 Facebook。在测试过程中，要求用户完成 Facebook 上的几项任务，同时使用 EEG（脑电图）采集系统记录他们大脑的电生理活动。当然，这项研究可以应用于任何软件产品，在产品发布之前，通过了解新用户与常用用户相比的用户友好程度来改进其用户界面。此外，还研究了新用户和常用用户之间的用户友好度相关性。此外，这项研究将帮助我们辨别大脑的哪些部分在群体之间具有最显著的差异，并讨论个人情绪状态背后的动机，这与用户体验有关。基于对特征脑波功率谱的分析，这项研究确定了新用户和常客之间存在显著的统计差异。此外，研究还发现新用户和常客的中央叶、颞叶和枕叶之间存在显著差异。这些结果将有助于开发人员创建最佳且用户友好的软件产品。
视觉场景复杂性对空间注意神经特征的影响
空间选择性注意极大地影响了我们对复杂视觉场景的处理，但大脑选择相关物体而抑制不相关物体的方式仍不清楚。使用非侵入性脑电图 (EEG) 发现了这些过程的证据。然而，很少有研究描述在注意动态刺激期间这些测量值的特征，而且对于这些测量值如何随着场景复杂性的增加而变化知之甚少。在这里，我们比较了三个视觉选择性注意任务中 EEG N1 和 alpha 功率（8-14 Hz 之间的振荡）的注意力调节。这些任务在呈现的不相关刺激数量上有所不同，但都需要持续注意侧化刺激的方向轨迹。在几乎没有不相关刺激的场景中，自上而下的空间注意控制与顶叶-枕叶通道中 N1 和 alpha 功率的强烈调节有关。然而，在两个半视野中都有许多不相关刺激的场景中，自上而下的控制不再表现为对 alpha 功率的强烈调制，并且 N1 振幅总体上较弱。这些结果表明，随着场景变得更加复杂，需要在两个半视野中进行抑制，自上而下控制的神经特征会减弱，这可能反映了 EEG 在表示这种抑制方面存在一些局限性。
使用功能性大脑连接和机器学习进行基于 EEG/fNIRS 的工作量分类
摘要：为了提高生产率或预防事故，人们迫切需要一种技术来估计人类在某些活动期间的心理负荷。大多数研究都集中于单一的生理感知方式，并使用单变量方法来分析多通道脑电图 (EEG) 数据。本文提出了一个新框架，该框架依赖于混合脑电图 - 功能性近红外光谱 (EEG-fNIRS) 的特征，并由机器学习特征支持，以处理多级心理负荷分类。此外，我们建议在三个频段的时间和频域中使用双变量功能性大脑连接 (FBC) 特征，而不是常用的用于脑电图记录的单变量功率谱密度 (PSD)：delta (0.5-4 Hz)、theta (4-7 Hz) 和 alpha (8-15 Hz)。借助 fNIRS 氧合血红蛋白和脱氧血红蛋白 (HbO 和 HbR) 指标，FBC 技术显著提高了分类性能，使用公共数据集对 0-back 与 2-back 的准确率为 77%，对 0-back 与 3-back 的准确率为 83%。此外，地形和热图可视化表明，EEG 和 fNIRS 的区分区域在 0-back、2-back 和 3-back 测试结果之间存在差异。确定 EEG 和 fNIRS 区分心理工作量的最佳区域是不同的。具体而言，后区在 alpha 波段的后中线枕叶 (POz) EEG 中表现最佳，而 fNIRS 在右额叶区域 (AF8) 中具有优势。
基于听觉的神经生理反应，用于利用单声道节拍进行大脑调节
摘要 — 脑调节是通过外部刺激改变大脑活动的过程。然而，哪种情况可以诱导激活仍不清楚。因此，我们旨在使用 40 Hz 单耳节拍 (MB) 来识别大脑激活条件。在这种刺激下，由频率和功率范围决定的听觉状态是需要考虑的条件。因此，我们设计了五个会话进行比较：无刺激、可听 (AB)、频率听不见、功率听不见以及频率和功率都听不见。十名健康参与者接受了每次十分钟的刺激，并记录了脑电图 (EEG)。为了进行分析，我们计算了每个会话的 EEG 功率谱密度 (PSD)，并在频率、时间和五个大脑区域进行比较。结果，我们仅在 AB 中观察到 40 Hz 处的显著功率峰值。诱导的 EEG 幅度增加从一分钟开始，并一直增加到会话结束。与其他刺激相比，AB 的这些结果在额叶、中央、颞叶、顶叶和枕叶区域存在显着差异。从统计分析中可以看出，右侧颞区PSD明显高于左侧颞区，说明听觉在引导大脑激活中起着重要作用，这些发现有助于理解听觉刺激的神经生理原理和效应。关键词——脑调制，单耳节拍，感觉，脑电图
老年OVT73亨廷顿氏病绵羊模型的大脑改变：基于MRI的方法
摘要。背景：亨廷顿氏病（HD）是一种致命的神经退行性染色体显性疾病，患病率为1：20000，迄今为止尚无有效治疗。候选疗法的可翻译性可以通过大型动物模型中的其他测试来增强，因为大脑解剖学，大小和免疫生理学的相似之处。这些特征可以实现对生物分布，效率和毒性的现实前临床研究。客观和方法：在这里，我们非侵入性地表征了脑白质微观结构，神经化学，神经系统状况和突变的Huntingtin蛋白（MHTT）水平的脑脊髓流动性（CSF）的水平。结果：与HD患者类似，CSF MHTT将HD与正常绵羊区分开。我们的结果表明神经系统状况的下降以及脑白质扩散和光谱指标的变化在老年女性HD绵羊中更为严重。对老年女性高清绵羊的纵向分析表明，在一年中可以检测到下降。与HD人类研究的报道一致，call体的白质改变与HD绵羊步态的下降相关。此外，枕叶白质的改变与临床评分评分的下降相关。此外，老年高清绵羊纹状体中能量代谢的标志物与临床评分评分和眼协调的下降相关。结论：该数据表明OVT73 HD绵羊可以作为HD的大型动物模型，为高清疗法的临床前测试提供了一个平台，并对治疗的有效性进行了非侵入性跟踪。