XiaoMi-AI文件搜索系统
World File Search System枕骨
大脑计算机界面
英国研究人员卡顿（1）在1875年设法测量了兔子和猴子大脑中的自发电活动，1924年，德国神经精神病学家汉斯·伯格（Hans Berger）首次通过人头皮肤获得了贝伊（Bey）的电记录。汉斯·伯杰（Hans Berger）于1929年发表了这项研究（2）。Hans Berger在第一批记录中定义了Alpha（8-13 Hz）和Beta（15-30 Hz）的波，并将此电气记录称为“脑电图”（EEG）。大脑中的神经细胞与电连接相互通信，并且在获取细胞记录时，可以测量突触后的抑制剂，退出器突触电位后出口并最终导致动作电位。当有效电极连接到头骨上并作为第二电极中的参考电极连接时，测量该电极下神经细胞的所有电气集体活性。这些记录在大脑头皮上拍摄的记录是不正确的复杂信号。这些信号取决于人类的瞬时大脑活动，时间，频率和拓扑差异。汉斯·伯格（Hans Berger）表明，即使在第一次记录期间，枕骨闭嘴，大脑的视觉区域，阿尔法波也有所增加。在Alpha和Beta波之后，1936年，Walter（3）定义了Delta（0.5-3.5 Hz）和TETA（4-7 Hz）波，所有频带在1938年被命名为Gamma波（4）。今天，在许多书籍中，这些频带已成为任务说明
患有病理（先前发生过缺氧缺血性损伤）的儿童的 MRI 扫描 3D 打印大脑的保真度
摘要 仅使用脑图像很难向非放射科医生和普通人展示患有缺氧缺血性损伤 (HII) 的儿童的脑表面皮质损伤。三维 (3D) 打印有助于传达儿童脑因 HII 导致的体积损失和病理。3D 打印模型按比例表示脑，可以与正常脑模型进行比较以了解体积损失。如果要使用 3D 打印的脑用于正式交流，例如与医学同事或在法庭上交流，它们应该高度逼真地再现患者脑的实际大小。在这里，我们评估了先前患有 HII 的儿童的脑部 MRI 扫描的 3D 打印模型的尺寸保真度。根据 HII 儿童的 MRI 扫描创建了 12 个脑部 3D 打印，并选择它们来代表各种皮质病理。对 3D 打印进行了特定的预定测量，并将其与 MRI 上匹配平面的测量值进行比较。额枕骨长度 (FOL) 和双颞骨/双顶骨直径 (BTD/BPD) 显示出较高的组间相关性 (ICC)。半球高度、颞骨高度和脑桥小脑厚度的相关性为中等至弱。平均测量标准误差 (SEM) 为 0.48 厘米。我们的结果表明，从脑部 MRI 扫描得出的每个 3D 打印模型与原始 MRI 的总体测量值具有较高的相关性，FOL 和 BTD/BPD 的高 ICC 值就是明证。相关性值较低的测量值可以通过测量平面与 MRI 切片方向的匹配变化来解释。
基于上下文对象识别的因果神经机制
抽象对象可以根据其内在特征（包括形状，颜色和纹理）识别。但是，在日常生活中，这种特征通常不明确，例如，当物体出现在外围，杂物中或远处时。有趣的是，当对象在其典型场景上下文中看到对象时，对象识别仍然可以高度准确。基于上下文对象识别的神经机制是什么？根据并行处理帐户，基于上下文的对象识别是由对象和场景信息在单独的路径中的并行处理支持的。然后将这些途径的输出组合在下游区域中，从而在对象识别中获得上下文益处。另外，根据反馈帐户，基于上下文的对象识别受（直接或间接）从场景选择性到对象选择区域的反馈支持。在这里，在三个预注册的经颅磁刺激（TMS）实验中，我们测试了反馈假设的关键预测：该场景选择性皮质因果关系和选择性地支持基于上下文的对象识别，然后才能识别对象选择性皮层。早期视觉皮层（EVC），对象选择性的枕叶皮层（LOC）和场景选择性枕骨位置（OPA）在相对于刺激发作的三个时间点刺激，而参与者则在不同的试验中分别对场景和完整对象进行分类。这些结果表明，基于上下文的期望通过在视觉皮层中删除对象表示来有助于对象识别。结果证实了我们的预测：相对于孤立的对象识别，基于上下文的对象识别在发作后160-200毫秒被OPA选择性和因果支持，然后在发作后的260-300 ms下进行LOC。
主动导航中空间参考框架倾向的大脑动力学
摘要 - 对不同空间参考框架的导航策略的最新研究（以以环境为中心的以环境为中心的同源性参考框架）表明，顶叶皮质在处理中心信息方面起着重要的作用，可以在处理中心信息中提供自我的转化功能，在自我和中源空间空间参考弗莱姆之间。但是，大多数研究只是专注于被动实验环境，这并不是我们日常的空间学习/导航任务的真正代表。这项研究调查了与脑动力学相关的facter，这使人们在主动和被动导航中切换其首选的空间策略以弥合差距。虚拟现实（VR）技术和Omni跑步机被应用于积极行走进行主动导航，并且为了被动导航，参与者在执行相同的任务时坐着。脑电图（EEG）信号，以监视路径积分任务中以自我和中心式帧之间过渡的光谱扰动。来自作者大学的四十一名右手男性参与者参加了这项研究。我们的大脑动力学结果表明导航涉及区域，包括alpha带中具有调节的顶叶皮层，具有β带和低γ带扰动的枕骨皮层以及带有theta扰动的额叶皮层。在顶簇事件相关的光谱传播（ERSP）中发现了两个不同的转角路径之间的差异。在小的转角路径中，同种中心的参与者显示出更强的alpha deannchronization在以egi的为中心的参与者中。在大型转角路径中，众所周知 -
创伤性的计算机断层扫描成像评估...
背景：计算机断层扫描 (CT) 仍然是创伤性脑损伤 (TBI) 成像评估的金标准。TBI 本身因其不良影响已成为发展中国家的主要问题。目的：目的是评估患有 TBI 的患者的颅脑计算机断层扫描图像。材料和方法：对 2013 年 11 月 13 日至 2019 年 5 月 31 日期间在尼日利亚乌约大学教学医院因头部受伤而接受颅脑 CT 检查的患者进行了回顾性研究。持续时间与服务中断的不连贯时间无关。应用简单的数据分析评估了患者的人口统计学和 CT 特征。结果：评估了 232 名患者，最小年龄为 6 个月，最大年龄为 78 岁。男性患者占多数，比例为 2.74:1。受影响最大的年龄段为 30-39 岁（23.27%）和 20-29 岁（22.84%）。44 名患者（18.97%）的脑 CT 正常。CT 异常患者中最常见的病变是颅内出血（n = 188，81.03%）。其中，脑外出血（n = 100，53.19%）超过脑内出血（n = 88，46.81%）。一半的脑内出血是多发性的。34.48%（n = 80）的患者出现颅骨骨折。最常见的部位是面骨（n = 24，30.00%），而最少见的部位是枕骨（n = 4，5.00%）。15% 的患者有多处骨折，其中还包括颅底。结论：TBI 在年轻活跃男性中很常见。最常见的病变是伴有外轴偏向的颅内出血。
早产对儿童大脑的长期影响...
摘要大约10％的出生是早产[PTB； ，37周的妊娠年龄（GA）]，这构成了认知，视野和心理健康挑战的风险。使用大型和相对多样化的（即，为反映美国人口中的社会图形变异而设计）青少年脑认知发展研究（ABCD研究），我们表征了PTB对中乳酸儿童脑结构的影响（9-10年）。ABCD样品涵盖了GA频谱，较大的样本量（； 11,500）允许考虑PTB与大脑结构之间的关联如何受到GA，性别，出生体重和分析选择（例如控制总脑大小）的影响。与出生的孩子（37周GA）相比，我们发现了颞叶和背前区域和背侧前额叶区域的相对皮质稀疏模式，以及PTB中内侧前额叶和枕骨内侧的增厚。在控制平均厚度和考虑中等时，此模式是属于父母的（。32和37周GA）和非常PTB（32周GA）分别相对于完整的出生。表面积（SA）和皮层下体积显示在控制脑大小时大大减弱的PTB儿童的减少。对皮质厚度（CT）和表面区域的影响部分由出生体重介导。尽管男孩在PTB之后患不良后果的风险增加，但有限的证据表明PTB效应的性别差异。最后，在“发现”样本（n = 7528）中估计的皮质厚度效应预测了“复制”样本中的GA（n = 2139）。我们的发现有助于阐明PTB对整个GA频谱中儿童晚期的影响。
9-11 岁儿童脑成像与心理健康和教育程度多基因评分之间的关联
精神疾病具有高度遗传性和多基因性，许多疾病在儿童晚期和青少年期发病率最高，这是一个变化巨大的时期。尽管人们普遍承认精神疾病的神经发育前因，但对青少年人群的研究仍然很少，这阻碍了我们在早期表征这些疾病方面取得进展。我们从青少年大脑和认知发展研究中纳入了 7,124 名儿童（9-11 岁），以绘制结构和扩散大脑成像与常见遗传变异和精神疾病多基因评分以及教育程度之间的关联。我们使用主成分分析来得出成像成分，并计算它们的遗传性。然后，我们使用单变量模型和典型相关分析 (CCA) 评估了成像成分与遗传和临床精神病风险之间的关系。大多数成像成分具有中等遗传性。单变量模型显示，多基因评分与这个年龄段的大脑结构之间证据有限，关联较小。CCA 揭示了两种显著的共变模式。第一种模式将较高的多基因教育水平得分与较少的外化问题和较大的表面积联系起来。第二种模式将较高的精神分裂症、躁郁症和自闭症谱系障碍多基因得分与较高的整体皮质厚度、较小的穹窿和扣带白质体积、较大的枕骨内侧表面积和较小的颞侧和内侧表面积联系起来。虽然交叉验证表明其普遍性有限，但我们的结果突出了多变量模型在更好地理解儿童晚期心理健康与大脑结构之间的跨诊断和分布式关系方面的潜力。
使用同时使用eeg-fmri
当前的视觉意识理论不同意它是在涉及广泛的额叶网络时在感觉大脑区域的早期阶段出现的。此外，从与任务相关的后过程过程（例如报告）中解散有意识的感知，并在不同的神经科学方法中整合结果仍然是持续的挑战。本研究使用同时使用的EEG-FMRI和一个特定的不感状失明范式解决了这些问题，在女性和男性人类参与者中具有三个物理相同的阶段。在第1阶段，参与者执行了干扰器任务，在该任务中，面部和对照刺激的线图被集中呈现。虽然一些参与者自发地注意到了第1阶段的面孔，但其他参与者在不切实际的情况下仍然是盲目的。在第2阶段，所有参与者都意识到了任务 - 涉及到的面孔，但继续了干扰器任务。在第3阶段，面孔变得很重要。贝叶斯对大脑反应的分析表明，有意识的面部感知与梭形回和中的激活以及N170和视觉意识负相关（EEG）最密切相关。在枕骨和前额叶皮层（fMRI）中揭示了较小的意识效应。与任务相关的面部处理导致枕颞，额叶和注意力网络（fMRI）的强烈激活。在脑电图中，它增强了早期的负面影响，并引起了一个明显的P3B组件。总体而言，我们提供了证据表明，有意识的视觉感知与刺激特异性的感觉脑区域的早期处理有关，但可能还涉及前额叶皮层。相反，广泛的大脑网络和p3b的强烈激活更可能与任务相关的过程相关。
解码大脑系统节奏的工具箱...
大脑的摘要节奏是由多个频率的神经振荡产生的。这些振荡可以分解为与特定生理过程相关的不同频率间隔。实际上，可解码频率间隔的数量和范围是通过抽样参数确定的，通常被研究人员忽略。为了改善情况，我们在开放的工具箱上报告了带有图形用户界面，用于解码大脑系统的节奏（Dream）。我们提供了梦想的示例，以研究神经（自发性大脑活动）和神经行为（扫描剂头部运动）振荡的特定于频率的性能。Dream解码了头部运动的振荡，并发现年幼的孩子在所有五个频率间隔中都比大孩子更多地移动头部，而男孩在7至9岁时移动的人数超过了女孩。有趣的是，较高的频带包含更多的头部运动，并且显示出更强的年龄相关性，但性运动相互作用较弱。使用来自人类Connectome项目的数据，Dream将这些神经振荡的幅度映射到了多个频段中，并评估了其重测的可靠性。静止状态的大脑将其自发振荡的振幅从空间上的振幅从腹侧颞区的高振幅排名到腹侧 - 枕骨区域的低位，而频带从低至高增加到高，而在壁和腹侧额叶区域的部分则相反。较高的频段表现出更可靠的振幅测量值，这意味着较高频段的振幅的个体间变异性更大。总而言之，Dream添加了一个可靠且有效的工具，可将人脑功能从多频窗口映射到脑波中。
基于边缘响应叠加的 cVEP BCI 刺激设计新方法
摘要 本研究的目的是基于关于视觉系统对二进制编码视觉刺激的实际 EEG 响应的行为和特性的实验结果，开发一种设计利用代码调制视觉诱发电位 (cVEP BCIs) 的脑机接口刺激序列的新方法，从而减少训练时间并增加可能的目标数量。以 2000 sps 的速度记录来自 8 个枕骨部位的 EEG，以响应刷新率为 60 Hz 的计算机显示器上呈现的视觉刺激。记录视觉系统对显示器上目标区域黑到白和白到黑转换的 EEG 响应，持续 500 毫秒，进行 160 次试验，并取信号平均以分别获得起始（正边）和偏移（负边）响应。发现两个边缘响应都延迟了 50 毫秒，并在 350 毫秒内完全减弱。然后利用叠加原理使用这些边缘响应生成（预测）对任意二进制刺激序列的 EEG 响应。研究发现，对某些（16）个简单短序列（16.67 – 350 毫秒）所生成的和测量的 EEG 响应高度相关。然后将这些“最佳短模式”随机组合以设计长（120 位，2 秒）“叠加优化脉冲（SOP）”序列，并通过叠加边缘响应获得它们的 EEG 响应模板。与将叠加原理应用于传统 m 序列和随机生成的序列相比，基于 SOP 序列的 Visual Speller BCI 应用程序获得了更高的准确率（95.9%）和信息传输速率（ITR）（57.2 bpm）。BCI 应用程序的训练仅涉及边缘响应的获取，耗时不到 4 分钟。这是第一项通过叠加边缘响应来获取 cVEP BCI 序列的 EEG 模板的研究。