XiaoMi-AI文件搜索系统
World File Search System用脑
利用脑机接口恢复暂时瘫痪的非人类灵长类动物的连续手指功能
1 密歇根大学生物医学工程系，美国密歇根州安娜堡 48109 2 凯斯西储大学生物医学工程系，美国俄亥俄州克利夫兰 44106 3 大都会健康医疗中心骨科系，美国俄亥俄州克利夫兰 44106 4 退伍军人事务医疗中心路易斯斯托克斯克利夫兰分部，美国俄亥俄州克利夫兰 44106 5 密歇根大学医学院麻醉系，美国密歇根州安娜堡 48109 6 密歇根大学外科系整形外科科，美国密歇根州安娜堡 48109 7 密歇根大学医学院神经外科系，美国密歇根州安娜堡 48109 8 密歇根大学电气工程与计算机科学系，美国密歇根州安娜堡48109，美国 9 密歇根大学机器人研究所，密歇根州安娜堡 48109，美国 10 密歇根大学神经科学研究生课程，密歇根州安娜堡 48109，美国 11 密歇根大学医学院神经病学系，密歇根州安娜堡 48109，美国 12 上述作者对本研究贡献相同。∗ 任何通讯作者均应致函此联系人。
使用脑器官技术研究母体阿片类药物使用障碍和产前阿片类药物的神经生物学
在过去的二十年中，孕妇的阿片类药物使用障碍（OUD）已成为全球主要的公共卫生问题。OUD仍将其视为使用阿片类药物的有问题模式。由于这种疾病的复发性质，怀孕的母亲长期暴露于外源性阿片类药物，导致神经和神经精神上的不良后果。附带胎儿暴露于阿片类药物还会导致严重的神经发育和神经认知后遗症。目前，关于OUD和产前阿片类药物暴露（POE）的神经生物学后果（POE）的许多已知性来自人类动物模型，产后或后死后研究的临床前研究。然而，大脑发育中的物种特异性差异，受试者/健康/背景的变化以及样本收集或存储的差异使这些探索产生的发现的解释变得复杂。人类胎儿脑组织的道德或后勤上的难以及性也限制了对产前药物作用的直接检查。为了避免这些混杂因素，最近的组已开始采用诱导的多能干细胞（IPSC）衍生的脑器官技术，该技术可访问细胞和分子脑发育，结构和体外功能的关键方面。在这篇综述中，我们努力封装脑器官培养的进步，这使科学家能够对Oud和Poe的神经基础和效果进行建模和剖析。我们不仅希望强调脑器官在研究这些情况下的效用，还希望强调进一步的技术和概念进步的机会。尽管将脑器官应用于这一关键研究领域仍处于其新生阶段，但通过这种模式了解Oud和Poe的神经生物学将为改善孕产妇和胎儿结果提供关键见解。
使用Neuroconn DC- ...
非侵入性经颅电刺激（TES）可以调节健康受试者和神经或精神疾病患者的脑活动。可以通过在某些任务下使用脑刺激技术或与神经膜法（例如EEG，MEG和FMRI）结合使用脑刺激技术来证明生理和功能效应。NeuroCare组的技术品牌Neuroconn提供了高度复杂且独特的经颅电刺激器，涵盖了所有研究要求。这些设备及其应用允许用户最大的灵活性和研究有效性。
了解人机交互实践和脑信号实验报告的挑战：实现可重复性和重用性
在人机交互 (HCI) 领域，人们一直在推动开放科学，但迄今为止，由于支持重用和再现的指导方针不明确，利用脑信号的 HCI 研究尚未持续实现开放。为了了解该领域的现有做法，本文研究了 110 篇出版物，探索领域、应用、模式、心理状态和过程等。该分析揭示了作者报告实验的方式存在差异，这给理解、再现和建立该研究带来了挑战。然后，它描述了一个总体实验模型，该模型为报告使用脑信号的 HCI 研究提供了一个正式的结构，包括每个方面的定义、术语、类别和示例。通过因子分析确定了多种不同的报告风格，并将其与不同类型的研究联系起来。本文最后提出了建议并讨论了未来的挑战。这从抽象模型和经验观察中创建了可操作的项目，使使用脑信号的 HCI 研究更具可重复性和可重用性。
使用脑磁图源级长程相位耦合模式解码工作记忆任务条件
摘要 目的。本研究的目的是通过机器学习方法识别受试者之间共享的相位耦合模式，该方法利用来自工作记忆 (WM) 任务的源空间脑磁图 (MEG) 相位耦合数据。事实上，神经振荡的相位耦合被认为是远距离大脑区域之间通信的关键因素，因此在执行认知任务（包括 WM）时至关重要。以前研究认知任务期间相位耦合的研究通常集中在几个先验选择的大脑区域或特定频带上，并且已经认识到需要数据驱动的方法。机器学习技术已成为分析神经成像数据的宝贵工具，因为它们可以捕捉多元信号分布中的细粒度差异。在这里，我们期望这些应用于 MEG 相位耦合的技术可以揭示个体之间共享的 WM 相关过程。方法。我们分析了作为人类连接组项目的一部分收集的 WM 数据。当受试者 (n = 83) 在两种不同条件下执行 N -back WM 任务时收集 MEG 数据，即 2-back（WM 条件）和 0-back（控制条件）。我们估计了这两种条件以及 theta、alpha、beta 和 gamma 波段的相位耦合模式（多元相位斜率指数）。然后使用获得的相位耦合数据训练线性支持向量机，以便使用跨受试者交叉验证方法对受试者正在执行的任务条件进行分类。分类是根据来自各个频带的数据和所有频带的组合（多频带）分别进行的。最后，我们通过特征选择概率评估了不同特征（相位耦合）对分类的相对重要性。主要结果。分别根据 theta（62% 准确率）和 alpha 波段（60% 准确率）中的相位耦合模式成功地对 WM 条件和控制条件进行了分类。重要的是，多波段分类表明，不仅在 theta 和 alpha 波段，而且在 gamma 波段中的相位耦合模式也与 WM 处理有关，分类性能的提高 (71%) 证明了这一点。意义。我们的研究使用 MEG 源空间功能连接成功解码了 WM 任务。我们的方法结合了跨主题分类和我们小组最近开发的多维指标，能够检测到个体之间共享的连接模式。换句话说，结果可以推广到新的个体，并允许对与任务相关的相位耦合模式进行有意义的解释。
适用于啮齿动物、非人类灵长类动物和人类的多模态 MRI 数据的通用脑提取网络 (BEN)
摘要 准确提取磁共振成像 (MRI) 数据中的脑组织对于分析大脑结构和功能至关重要。虽然已经优化了几种常规工具来处理人脑数据，但目前还没有可推广的方法来提取啮齿动物、非人类灵长类动物和人类的多模态 MRI 数据的脑组织。因此，开发一种灵活且可推广的方法来提取跨物种的整个脑组织将使研究人员能够更有效地分析和比较实验结果。在这里，我们提出了一个领域自适应的半监督深度神经网络，称为脑提取网络 (BEN)，用于提取跨物种、MRI 模态和 MR 扫描仪的脑组织。我们已经在 18 个独立数据集上评估了 BEN，包括 783 个啮齿动物 MRI 扫描、246 个非人类灵长类动物 MRI 扫描和 4601 个人类 MRI 扫描，涵盖五个物种、四种模态和六种具有不同磁场强度的 MR 扫描仪。与传统工具箱相比，BEN 的优越性体现在其稳健性、准确性和通用性上。我们提出的方法不仅为跨物种提取脑组织提供了通用解决方案，而且显著提高了图谱配准的准确性，从而有利于下游处理任务。作为一种新型的全自动深度学习方法，BEN 被设计为一种开源软件，可在临床前和临床应用中实现跨物种神经影像数据的高通量处理。
Microsoft Word - 9434822023109064 基于注意力机制的多层特征 3D CNN，用于使用脑图像进行 AD 诊断.docx
摘要 —结构MRI和PET成像在阿尔茨海默病（AD）的诊断中起着重要作用，分别显示脑部的形态学改变和葡萄糖代谢变化。一些认知障碍患者在脑图像中的表现相对不明显，例如在临床上通过sMRI仍难以实现准确诊断。随着深度学习的出现，卷积神经网络（CNN）成为AD辅助诊断的宝贵方法，但一些CNN方法不能有效地学习脑图像的特征，使得AD的诊断仍然存在一些挑战。在本文中，我们提出了一种基于ResNet的用于AD诊断的端到端3D CNN框架，该框架融合了在注意力机制作用下获得的多层特征，以更好地捕捉脑图像中的细微差异。注意力图显示我们的模型可以关注与疾病诊断相关的关键脑区。我们的方法在对来自 ADNI 数据库的 792 名受试者的两种模态图像进行的消融实验中得到了验证，其中基于 sMRI 和 PET 的 AD 诊断准确率分别达到 89.71% 和 91.18%，并且优于一些最先进的方法。