XiaoMi-AI文件搜索系统
World File Search System结构连接
整个寿命的人脑网络中的局部结构功能关系
人类连接组是将大脑区域彼此联系起来的一组物理途径。经验和计算机研究表明，该网络的结构有助于塑造大脑区域之间功能耦合的模式。为了更好地理解结构和功能之间的这种联系，越来越多的研究从结构连接性中得出了几何，动态和拓扑预测因子，以便对相关结构进行预测。然而，这些研究通常专注于使用一组受限制的预测因子的全局（全脑）预测。在这里，我们研究了广泛的预测因子，并将重点转移到功能耦合的局部（区域）模式的预测上。我们表明，在全球范围内，没有一个单独的预测因子很好地形成，即使是最佳预测因子也是在很大程度上受到其预测直接连接区域之间功能耦合的能力的驱动。然后，我们使用相同的预测因子来对局部耦合进行预测，并找到明显的改进。值得注意的是，最可预测的局部FC与感觉运动区域相关，这些区域是根据拓扑相似性，随机步行者的平均第一个传递时间以及大脑在欧几里得空间中的嵌入。然后，我们证明，通过使用多线性模型结合多个预测变量的预测能力，我们可以进一步改善本地预测。最后，我们研究了整个人类寿命之间的全球和局部结构函数耦合差异。我们发现，在全球范围内，耦合的幅度随着生物年龄的增长而减小，这与多步路径的数量增加相似。我们还表明，在局部结构功能耦合以高阶认知系统保存，但优先在感觉运动系统中随着年龄而降低。我们的结果阐明了跨大脑皮层的结构功能耦合的异质景观，并有助于随着年龄的增长而阐明其差异。
结构脑网络可控性方法论考虑的实用指南
摘要 目的。预测大脑如何通过内部或外部控制进入特定状态需要从根本上理解神经连接与活动之间的关系。网络控制理论是物理和工程科学中一个强大的工具，可以提供有关这种关系的见解；它形式化了复杂系统的动态如何从其相互连接的单元的底层结构中产生的研究。方法。鉴于网络控制理论最近在神经科学中的应用，现在是时候为结构脑网络可控性的方法论考虑提供实用指南了。在这里，我们系统地概述了该框架，研究了建模选择对经常研究的控制指标的影响，并提出了可能有用的理论扩展。我们的讨论、数值演示和理论进展基于一个高分辨率扩散成像数据集，该数据集包含 730 个扩散方向，这些扩散方向是从十名健康年轻人身上扫描约 1 小时获得的。主要结果。在对该理论进行教学介绍之后，我们探讨了建模选择如何影响四个常见统计数据：平均可控性、模态可控性、最小控制能量和最佳控制能量。接下来，我们将通过两种方式扩展当前的最新技术：首先，开发一种替代的结构连接测量方法，以解释活动通过邻接组织的径向传播；其次，定义一个补充指标，量化系统能量景观的复杂性。最后，我们将提出具体的建模建议并讨论方法论上的限制。意义。我们希望这个通俗易懂的解释将激励神经成像界更充分地利用网络控制理论的潜力，解决认知、发育和临床神经科学中的紧迫问题。
用于映射大脑功能连接性的基准测试方法
大脑的联网体系结构促进了神经元种群之间的同步和相干动态的出现。可以使用非侵入性功能成像对这些通信模式进行全面映射，从而导致功能连接性（FC）网络。尽管很受欢迎，但FC还是统计结构，其操作定义是任意的。大多数研究默认情况下使用零滞后皮尔森的相关性，但在更广泛的科学文献中存在数百个成对相互作用统计，可用于估计FC。FC矩阵的组织如何随选择成对统计量的选择而变化，这是一个基本的方法论问题，影响了这个快速增长的领域的所有研究。在这里，我们全面基准了使用239个成对相互作用统计的大型库计算出的FC矩阵的拓扑和地理组织，神经生物学关联以及认知行为相关性。We comprehensively investigate how canonical features of FC networks vary with the choice of pairwise statistic, including (1) hub mapping, (2) weight-distance trade-offs, (3) structure–function coupling, (4) correspondence with other neurophysiological networks, (5) individual fingerprinting, and (6) brain–behavior prediction.我们发现了FC方法之间的实质性定量和定性变化。使用信息流量分解，我们发现FC方法之间的差异可能是由于对区域间通信的潜在机制的不同敏感性引起的，其中一些对冗余更敏感，有些对协同信息流。在整个过程中，我们都观察到，诸如协方差（完全相关），精度（部分相关）和距离之类的措施显示出多种理想的特性，包括与结构连接性的紧密对应，使个人区分的能力和预测行为的个性差异。总而言之，我们的报告强调了对特定神经生理机制和研究问题定制成对统计的重要性，为将来的研究提供了蓝图，以优化其对FC方法的选择。
使用高阶的简单复杂传染
摘要 - 神经退行性疾病的特征是复杂的蛋白质错误折叠的大脑内传播。例如，当前的发现突出了2种特定错误折叠蛋白在阿尔茨海默氏症中的作用，这些蛋白质被认为使用脑纤维作为高速公路传播。先前的研究通过模拟模型或基于机器学习的预测变量调查了这种扩散，这些预测因素采用大脑连接组作为基础扩散网络。但是，构造的结构连接组仅描述图中节点之间的成对连接。高阶相互作用复杂网络比正常图提供了显着的优势，因为它们可以捕获超出简单的成对关系船的交互。蛋白质错误折叠和聚集通常涉及正常图的合作行为或群体动力学，其专注于单个边缘，无法充分代表。蛋白质错误折叠的非线性和多尺度可能更适合更丰富的高阶模型。在这项研究中，我们研究了高阶网络在这种情况下是否可以提供改进的拟合和解释能力。更具体地说，我们采用淀粉样蛋白β的简单复杂传染模型来预测蛋白质错误折叠的扩散。Simplicial Cronagion复合物在2年的地平线和其他结果中，阿尔茨海默氏症患者在所有大脑区域的预测蛋白质沉积中产生了0.030的平均重建误差，胜过先前的研究，尤其是对于错误折叠的蛋白质的病例稳定增长。尽管时间范围有限，但这项研究突出了结合先进网络分析以捕获跨神经网络蛋白质聚集的复杂动力学的潜力。临床相关性 - 这项研究突出了高阶网络在阿尔茨海默氏症中提高错误折叠蛋白传播的预测的潜力，从而更好地洞悉了蛋白质聚集动力学。
揭示大脑连接：用于脑电图表征学习的图嵌入以及结构和功能连接的比较分析
本研究采用深度学习技术，提出了一种通过图嵌入对 EEG 运动意象分类中的大脑连接进行建模的引人注目的方法。本研究引人注目的地方在于它结合了图嵌入、深度学习和不同的大脑连接类型，不仅提高了分类准确性，而且丰富了对大脑功能的理解。该方法具有很高的准确性，为了解大脑连接提供了宝贵的见解，并在理解神经系统疾病方面具有潜在的应用价值。所提出的模型由两个不同的基于图的卷积神经网络组成，每个模型都利用不同类型的大脑连接来提高分类性能并更深入地了解大脑连接。第一个模型是基于邻接的卷积神经网络模型 (Adj-CNNM)，它利用基于结构性大脑连接的图形表示来嵌入空间信息，使其有别于以前依赖于受试者和任务的空间过滤方法。在基准数据集 IV-2a 上进行的大量测试表明，Adj-CNNM 的准确率达到 72.77%，超越了基线和最先进的方法。第二个模型是锁相值卷积神经网络模型（PLV-CNNM），它结合功能连接来克服结构连接限制，并识别不同大脑区域之间的连接。PLV-CNNM 在 1-51 Hz 频率范围内的总体准确率达到 75.10%。在以运动图像数据分类（包括 α 、µ 和 β 波）而闻名的 8-30 Hz 频带中，α 、µ 和 β 的个体准确率分别达到 91.9%、90.2% 和 85.8%。此外，当考虑整个 8-30 Hz 频带时，该模型的表现令人钦佩，准确率达到 84.3%。值得注意的是，PLV-CNNM 揭示了运动想象任务期间不同大脑区域之间的稳健连接，包括额叶和中央皮质以及中央和顶叶皮质。这些发现为大脑连接模式提供了宝贵的见解，丰富了对大脑功能的理解。此外，该研究还对各种大脑连接建模方法进行了全面的比较分析。
加州理工学院太空太阳能演示一号任务
瓦片是一种多层结构，两面都是光伏 (PV) 材料，PV 层下方有天线，还有一层承载 CMOS 集成电路，用于路由参考信号和定时，以控制天线的相位和直流到微波功率转换。瓦片具有将太阳能转换为微波能量并将该能量辐射到所需位置所需的所有功能。瓦片被制成长度从几米到 60 米不等的条带，然后将它们铺设到碳纤维结构中，该结构连接到展开装置上，而展开装置又连接到航天器上。碳纤维结构使条带可以折叠并卷入展开装置中，以便发射存放。我们目前的太空飞行器设计质量约为 430 公斤。发电站由许多太空飞行器组成，这些太空飞行器要么通过吊杆机械连接，要么自主编队飞行。SSPP 的中期目标之一是在太空中展示我们概念 [1] 的核心技术。通过验证技术在其设计运行环境中的性能以及展示系统内的功能接口正常运行，太空演示可以降低风险。我们设想进行一系列复杂程度不断增加的演示，以进一步增强对技术的设计和可扩展性的信心。我们的第一个这样的演示是空间太阳能演示一号（SSPD-1）。我们注意到最近有一个由 P. Jaffe [3] 领导的专门针对空间太阳能的太空演示。Jaffe 的“三明治”模块托管在美国空军 X-37B 太空飞机上，并在低地球轨道上运行了一年多。我们在 SSDP-1 开始时制定了几条基本规则。首先，有效载荷由三个独立的实验组成，以便可以单独测试每种技术。通过解耦如果我们要建造和飞行一个缩放的集成演示器时发生的依赖关系，我们可以验证核心技术的性能，而不会因相互依赖而产生潜在的混淆因素。其次，我们按照 NASA C/D 级任务标准 [4] 执行 SSPD-1 的开发、组装、集成和测试。我们的任务由技术目标（C 级）驱动，但我们的风险承受能力比其他级别（D 级）更高，复杂性相对较低（D 级），并且有程序约束（D 级）。作为 C/D 级任务运行，我们不必遵守任务更关键的有效载荷开发项目中的许多标准和 TOR，从而加快开发速度。我们仍然保持严格的测试
基于脑连接组的成像标记，用于识别有先兆和无先兆的偏头痛特征
偏头痛是一种神经系统疾病，直接影响全球超过 10 亿人 (1)。根据先兆症状是否完全可逆，偏头痛分为有先兆偏头痛 (MwA) 或无先兆偏头痛 (MwoA) (2)。根据头痛发作频率，偏头痛可分为发作性偏头痛和慢性偏头痛 (3,4)。在发作性偏头痛和慢性偏头痛的定义中，满足 MwoA 和/或 MwA 的诊断标准仍然是优先事项 (5)。约 30% 的偏头痛患者在头痛期 (称为前驱期) 之前会出现多种先兆症状，包括视觉、感觉、言语和/或语言、运动、脑干和视网膜症状 (2)。患有 MwA 的患者比患有 MwoA 的患者发生缺血性中风和心血管疾病的风险更高 (6,7)。因此，针对先兆的特异性治疗可能有助于降低先兆相关血管事件的风险。无论是为了终止头痛发作还是为了防止下一次头痛发作，偏头痛先兆亚型的划分都应基于对疾病机制的理解（8）。皮质扩散性抑制 (CSD) 代表了偏头痛先兆的主要理论。CSD 的特征是去极化神经元和神经胶质细胞的增殖，正常离子梯度的破坏会导致神经系统症状（9）。有人认为 CSD 可能会激活和敏化三叉神经血管通路，而三叉神经血管通路在介导偏头痛发作中起关键作用（5,9）。然而，也有人认为 CSD 可以存在于偏头痛患者中，但处于静默状态，导致没有先兆表现（10）。根据先兆症状将偏头痛患者分为 MwA 和 MwoA 可能值得怀疑。因此，除了先兆症状表现之外，我们仍然需要其他确凿的证据来对偏头痛进行亚型划分，以及进一步了解偏头痛先兆的异质性及其潜在机制。据报道，神经影像学得出的脑结构连接 (SC) 和功能连接 (FC) 改变可提供对偏头痛病理生理学的实质性认识，并可能识别潜在的 MwA 判别特征 (11-18)。偏头痛患者的脑连接变异被解释为与 CSD 和三叉神经血管通路理论有关，这些理论被广泛认为是偏头痛的可能病理生理机制 (13,19-21)。与 MwoA 相比，MwA 检测到了脑 FC 增加和过度兴奋，这意味着更高的
产前接触大麻对青少年大脑结构和功能连接以及行为结果的影响
怀孕期间使用大麻的妇女数量有所增加。先前的研究表明，产前接触大麻的儿童记忆力发育缺陷，注意力下降。在本研究中，我们评估产前接触大麻是否与青少年大脑区域形态和功能与结构连接的改变有关。我们从青少年大脑认知发展 SM 研究中下载了行为分数和受试者图像文件。共获得了 178 个解剖和扩散磁共振成像文件（88 个产前大麻暴露和 90 个年龄和性别匹配的对照）和 152 个静息态功能磁共振成像文件（76 个产前大麻暴露和 76 个对照）。还获得了每个受试者基于父母报告的儿童行为清单的行为指标。计算了产前大麻暴露与儿童行为清单的 17 个分量表的关联。我们根据基于体素和基于表面的形态测量法评估了产前接触大麻的青少年与对照组的大脑形态测量差异。我们还评估了青少年区域间连接和图论指标的结构和功能连接的组间差异。评估了产前大麻暴露和图网络相互作用对行为得分的影响。酌情进行了多重比较校正。产前接触大麻的青少年在 17 个分量表中的 9 个中具有更高的异常或边缘儿童行为检查表得分。产前接触大麻的青少年和对照组在基于体素或表面的形态测量法、结构连接或功能连接方面没有显著差异。然而，产前大麻暴露-图网络相互作用在行为得分方面存在显著差异。有三种结构性的产前大麻暴露-图网络相互作用和七种功能性的产前大麻暴露-图网络相互作用与行为得分显著相关。虽然这项研究无法证实产前接触大麻和未接触大麻的青春期前儿童在解剖学或功能上的差异，但产前接触大麻与大脑结构和功能图网络之间的相互作用与行为评分有显著相关性。这表明，大脑网络的改变可能是产前接触大麻的青少年行为结果的基础。需要开展更多工作，以更好地了解大脑结构和功能网络测量在产前接触大麻方面的预后价值。
调节结构单元的连接以实现宽电位窗口内稳定的尖晶石基阴极
dz2 方向的键与 d xy 平面上的键结合，从而显著减轻 JT 畸变并抑制放电至 2.0 V 时的相变。按照这种策略，制备的尖晶石基正极实现了约 290 mA hg -1 的高可逆容量和高达 957 W h kg -1 的能量密度，并且循环稳定性得到改善。这项工作为传统尖晶石正极以低成本和可持续的方式应用于高能量密度 LIBs 找到了新的机会。关键词：锂离子电池；尖晶石基正极；局部结构连接；限制 Jahn-Teller 畸变；高能量密度。1. 简介为了应对电动汽车 (EV) 和电网储能系统 (PGESS) 对锂离子电池 (LIBs) 日益增长的需求，关键挑战之一是设计低成本、高能量密度的正极材料。 [1-3] 与现有的钴基和镍基层状正极材料（如 LiCoO 2 和 LiNi 1-xy Co x Mn y O 2（0 ≤ x+y ≤ 0.5））相比，锰基尖晶石氧化物 LiMn 2 O 4 因成本低、工作电压可接受而引起了广泛关注。[4-6] LiMn 2 O 4 已广泛应用于便携式移动电源，但由于能量密度低（<500 W h kg -1 ），未在电动汽车和 PGESS 中使用。用 Ni 部分替代 Mn，尖晶石 LiMn 2-x Ni x O 4（0< x <1）（LMNO）在接近 4.7 V 处表现出由 Ni 2+ /Ni 4+ 氧化还原对贡献的额外电位平台，将能量密度推高至 580 W h kg -1 。 [7-10] 尽管如此，由于只有尖晶石骨架上 8a 位上的锂离子可以可逆地嵌入/脱出，因此相对较低的容量（<140 mA hg -1 ）可以进一步改善。 为了获得更高的容量，一种方法是将电位窗口从 3.0 - 4.8 V 扩展到 2.0 - 4.8 V，因为额外的锂离子可以在 3.0 V 以下嵌入 16c 位。 在此过程中，Mn 4+ 会还原到接近 Mn 3+ 的低价态，从而引起严重的 Jahn-Teller (JT) 畸变和从立方相到四方相（1T）的剧烈相变。 [11,12] 晶格对称性降低导致的晶格体积变化大和各向异性应变大，会在块体中引起裂纹，从而导致电接触丧失和结构降解，最终导致容量衰减。因此，通过抑制JT畸变来抑制立方-四方相变是提高3.0 V以下循环稳定性的关键。长期以来，尖晶石正极的研究主要集中在进一步提高结构稳定性，通过用Li、[6,13]Mg、[14,15]替代Mn或Ni
下一代神经质量模型
摘要 在本论文中，我们介绍了下一代神经质量模型的新颖扩展和应用。 Montbrió、Pazó 和 Roxin (MPR) 已证明，二次积分和放电 (QIF) 神经元集合的集体行为可以用平均膜电位和放电率来精确描述，从而将无限大的微观网络的问题维度降低为低维宏观描述。由于神经质量提供了平均膜电位的途径，因此它可以作为局部场电位和脑电图信号的指标。本论文的贡献之一是在 MPR 模型中实现短期突触可塑性（STP）。基于工作记忆 (WM) 的突触理论，我们在多群体设置中使用 QIF 网络及其精确的平均场边界重现了 WM 的机制。实验中观察到，神经质量模型在记忆加载和维持过程中表现出 β-γ 带的振荡，而我们在启发式模型中遇到空的 β-γ 带。此外，我们指出了这些功率带是如何由基频之间的共振形成的，并与记忆中保留的元素数量相关。我们还对大约五种元素的最大 WM 容量进行了分析估计。第二个贡献是应用多种群模型来检验癫痫发作传播的临床假设。我们使用从健康受试者和癫痫患者的扩散 MRI 扫描获得的结构连接组。我们描述了如何将类似癫痫发作的事件建模为从低活动状态到高活动状态的募集。外部输入可以触发此类事件并导致一系列招募，从而模仿危机的时空传播。数值结果表明，癫痫患者对延长招募事件比健康受试者更敏感。我们还发现，我们的模型中首先招募的大脑区域与招募的次级网络的手术前评估之间存在良好的一致性。作为第三个贡献，我们使用慢-快动力学研究了 STP 存在下的神经网络和质量。根据施加到群体的慢周期电流的幅度，集体行为可以处于亚阈值振荡状态，也可以处于爆发状态，即在准静态漂移和大幅度快速振荡之间交替。这两个区域之间有一个狭窄的参数间隔，就像鸭子爆炸一样。在这个区域，我们报告了跳跃式鸭翼，它接近通常排斥的不变集。对于中间时间尺度分离，爆发通过混合型环面鸭翼组织的尖峰添加机制以连续的方式出现，其轨迹接近排斥平衡和极限环家族。为了实现更强的时间尺度分离，连续过渡被跳跃式鸭翼阻挡。在神经团中观察到的机制也是导致网络爆发的原因。总而言之，本论文将下一代神经质量模型置于神经科学建模的更广泛背景中，并为未来的工作提供了新的视角。这包括考虑以下方法