XiaoMi-AI文件搜索系统
World File Search System背腹
可普遍使用的功能连接特征可表征大脑功能障碍并与可卡因使用障碍中的 rTMS 治疗反应相关
图 1. CUD 患者与健康对照者的 FC 表型。（A）10 倍交叉验证的分类性能：基于 FC 的 XGBoost 模型的准确度、灵敏度和特异性分别为 0.83 ± 0.10、0.80 ± 0.18 和 0.85 ± 0.10。（B）通过计算特征出现在模型所有树中的频率，对 XGBoost 模型识别出的 40 个最具判别性的 FC 特征进行可视化。节点大小表示根据链接的 FC 重要性总和计算出的节点强度。（C）通过基于 Yeo 的 7 个网络对 FC 重要性进行分组获得的网络级判别模式。（D）平均网络间和网络内 FC 强度。网络间 FC 强度是通过计算每个网络和所有其他网络中判别连接的重要性的平均来计算的。VIS，视觉网络；SMN，躯体运动网络； DAN，背侧注意网络；VAN，腹侧注意网络；LIM，边缘网络；FPC，额顶叶控制网络；DMN，默认模式网络。
经常性过程支持一系列层次决策
抽象的感知取决于进料和经常性处理之间的复杂相互作用。然而，尽管前者已经广泛表征，但后者的计算组织在很大程度上仍然未知。在这里，我们使用磁脑线图来定位，跟踪和解码读取过程的读取过程，这是由字母和数字引起的，这些字母和数字的歧义水平是参数被参数操纵的。我们首先确认前馈反应在前200毫秒内通过腹侧和背侧途径传播。随后的活性分布在时间，顶叶和前额叶皮质上，这些皮质依次生成五个级别的表示，最终在动作特异性的运动信号中最终产生。我们的解码分析表明，这些大脑反应的内容和时机都可以通过复发性神经组件的层次结构来解释，这些神经组件的层次结构既维持和广播越来越丰富的表示。一起，这些结果表明，在延长的时间段内，经常性过程如何生成一系列决策，最终解释了受试者的感知报告和反应时间。
儿童时期的多模态神经相关性...
成分。分数越高表示症状严重程度越高 (即越差)。误差线表示自举估计的置信区间。 (c) 与 LC1 相关的显著表面积、厚度、体积载荷（自举重采样和 FDR 校正 q<0.05 后）。 (d) 与 LC1 相关的显著 RSFC 载荷（自举重采样和 FDR 校正 q<0.05 后）。RSFC 载荷经过阈值处理，因此仅显示具有显著自举 Z 分数的网络内或网络间块。网络块遵循与 17 个 Yeo 网络 (Schaefer et al., 2018; Yeo et al., 2011) 和皮层下区域 (Fischl et al., 2002) 相关的颜色。弦图总结了网络内和网络间显著的 RSFC 载荷。有关更详细的网络可视化，另请参见图 1a。DorsAttn，背侧注意力； RSFC，静息状态功能连接；SalVentAttn，显著性/腹侧注意；SomMot，躯体感觉运动；TempPar，颞顶叶。
腹外侧灰灰色和深中脑网状核参与睡眠状态切换和双重性
Abstract Neurons of the ventrolateral periaqueductal gray (vlPAG) and adjacent deep mesencephalic reticular nucleus (DpMe) are implicated in the control of sleep-wake state and are hypothesized components of a flip-flop circuit that main- tains sleep bistability by preventing the overexpression of non-rapid eye movement (NREM)/REM sleep intermediary states （NRT）。为了确定VLPAG/DPME神经元在维持睡眠双重性方面的贡献，我们将触发器电路的计算机模拟与VLPAG/DPME神经元的局灶性灭活相结合，通过微透析通过GABA A的受体激动剂在自由的肌肉中递送Mycroprogrination n = 25），以进行gaba A受体激动剂（N = 25）的仪器（n = 25）。rem睡眠，与先前的研究一致。但是，我们对体内NRT动力学的分析以及Flop-Flop电路模拟产生的分析表明，当前的思维过于狭窄地集中在REM睡眠不活跃种群对REM睡眠控制中的REM睡眠群体对VLPAG/DPME参与的贡献。我们发现，Muscimol介导的REM睡眠的大部分介导的增加被更恰当地归类为NRT。失去睡眠的丧失伴随着REM睡眠的分裂，这证明了Short Short Rem睡眠爆发数量的增加。rem睡眠碎片化源于源自REM睡眠中的NRT回合的数量和持续时间。相比之下，nREM睡眠回合也不会被VLPAG/DPME失活所破坏。在触发电路电路模拟中，不能仅仅通过抑制REM睡眠不活跃的种群来进行这些变化。取而代之的是，需要对REM睡眠的组合抑制和无效的VLPAG/DPME亚群来复制NRT动力学的变化。
急性应激导致性别依赖性变化，使腹侧下调突触，电路和焦虑行为
抽象体验单个严重的压力源足以驱动性二态精神病的发展。腹侧下调（VSUB）作为一个部位出现，由于其性别特定的组织和在压力整合中的关键作用，压力可能引起性二态适应性。使用1小时的急性约束应力模型，我们发现应力导致女性VSUB活性的净减少，而女性有效，持久且由肾上腺素能受体信号传导驱动。相比之下，雄性表现出VSUB活性的净增加，该活动是瞬时和由皮质酮信号传导驱动的。我们进一步确定了VSUB输出的性别依赖性变化，以响应压力，并响应压力而焦虑行为。这些发现揭示了与性，细胞类型和突触特异性压力后，与精神疾病相关的大脑区域和行为发生了惊人的变化，这有助于我们理解性依赖性适应，这可能会影响与压力有关的精神病风险。突出显示
额外的智能眼睛：人工智能在急诊放射学腹盆腔病变成像中的应用
摘要：紧急情况下的成像风险很高。随着对专用现场服务的需求增加，急诊放射科医生面临着越来越大的图像量，需要快速的周转时间。然而，新型人工智能 (AI) 算法可以帮助创伤和急诊放射科医生进行高效、准确的医学图像分析，从而有机会增强人类的决策能力，包括结果预测和治疗计划。虽然传统的放射学实践涉及对医学图像的视觉评估以检测和表征病理，但 AI 算法可以自动识别细微的疾病状态，并根据形态图像细节（例如几何形状和流体流动）提供疾病严重程度的定量表征。总的来说，在放射学中实施 AI 带来的好处有可能提高工作流程效率，为复杂病例带来更快的周转结果，并减少繁重的工作量。尽管腹盆腔成像中人工智能应用的分析主要集中在肿瘤检测、定位和治疗反应上，但已经开发出几种有前景的算法用于紧急情况。本文旨在对新兴图像任务中使用的人工智能算法建立一般理解，并讨论将人工智能实施到临床工作流程中所涉及的挑战。
背侧苍白球和丘脑底核静息和运动过程中帕金森病 β 波动力学
这篇早期发布的文章已经过同行评审并被接受，但尚未经过撰写和编辑过程。最终版本在风格或格式上可能略有不同，并将包含指向任何扩展数据的链接。
正常衰老期间腹中脑多巴胺和GABA神经元的平行基因表达变化
。cc-by-nd 4.0国际许可证（未经同行评审证明）获得的是作者/资助者，他已授予Biorxiv的许可证，以永久显示预印本。这是该版本的版权持有人，该版本发布于2025年3月3日。 https://doi.org/10.1101/2025.02.28.640868 doi：biorxiv preprint
pyk2在亨廷顿氏病R6/2小鼠模型的背纹状体中
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
感觉处理敏感性和轴突微结构
摘要 先前的研究使用功能性磁共振成像确定了与感觉处理敏感性 (SPS) 相关的大脑区域，SPS 是一种拟议的正常表型特征。为了进一步验证 SPS、从解剖学上描述它的特征并测试评估轴突特性的方法在心理学中的实用性，本研究将 SPS 代理问卷分数（已根据神经质进行调整）与扩散张量成像 (DTI) 测量值相关联。研究对象为来自人类连接组计划的参与者 (n = 408)。体素分析表明，平均和径向扩散率与左右胼胝体下束和前腹侧扣带束以及胼胝体右侧小钳子中的 SPS 分数呈正相关，所有额叶皮质区域通常都与情绪、动机和认知有关。进一步分析显示，右侧和左侧腹内侧前额叶皮质的整个内侧额叶皮质区域存在相关性，包括上纵束、下额枕束、钩束和弓状束。各向异性分数与右侧运动前/运动/体感/缘上回区域白质 (WM) 的 SPS 评分呈负相关。感兴趣区域 (ROI) 分析显示，楔前叶和下额回 WM 的效应大小较小（- 0.165 至 0.148）。其他 ROI 效应存在于背侧、腹侧视觉通路和初级听觉皮质中。结果显示，在一大群参与者中，轴突微结构差异可以通过 SPS 特征来识别，这些特征很细微，并且在典型行为范围内。结果表明，患有 SPS 的人感觉处理能力增强可能受到特定皮质区域 WM 微结构的影响。尽管之前的 fMRI 研究已经确定了大部分这些区域，但 DTI 结果将焦点放在与注意力和认知灵活性、同理心、情感和初级感觉处理相关的大脑区域，如初级听觉皮层。心理特征表征可能受益于 DTI 方法，因为它可以识别对特征有影响的大脑系统。