XiaoMi-AI文件搜索系统
World File Search System脑中
读心术：解码大脑中的视觉体验......
• 课程导向（大多是成功）è 研究导向（大多是失败）• 需要很强的自我激励和支持（= 韧性）！！• 走进未知，高度不确定性à 情绪过山车• 需要找到自己独特的优势• 繁琐的工作（עבודה שחורה）是科学的核心• 成功很重要！尤其是在 PhD+ 领域
成年聋哑人大脑中的算术
摘要 我们之前已经表明，尽管表现相似，但聋哑手语者在进行简单算术时调动的大脑区域与一组听力正常的非手语者有所不同。具体而言，听力正常的个体在与数字处理的言语系统相关的大脑区域（即左侧角回和额下回）中表现出更广泛的激活，而聋哑个体则调动与数字处理的数量系统相关的大脑区域（即右侧水平顶内沟）。这表明，与听力正常的非手语者相比，聋哑手语者在进行简单算术时可以成功利用位于部分不同大脑区域的过程。本研究是上述研究的概念复制和扩展，主要目的是了解聋哑人和听力正常的个体在支持算术的神经相关性方面的异同。主要目标是研究右侧水平顶内回、左侧下额回、海马体和左侧角回在简单和困难算术中的作用，以及这些区域如何相互连接。第二个目标是探索哪些其他大脑区域支持聋哑手语者的算术。多达 34 名成年聋哑手语者和相同数量的听力正常非手语者将参加一项简单和困难减法和乘法的 fMRI 研究。将使用全脑分析、兴趣区域分析和连接分析来分析脑成像数据。这是首次研究聋哑人士不同难度算术的神经基础。
大脑中的信息是以连续的形式呈现的还是...
摘要 — 大脑中信息表示是连续的还是离散的是一个尚未解决的基本问题。从历史上看，大多数分析都假设连续表示，而不考虑离散的替代方案。我们的工作探索了这两种表示的合理性，从通信系统工程的角度回答了这个问题。利用香农的通信理论，我们假设大脑中的信息以离散形式表示。我们使用两种方法来解决这个假设。首先，我们确定大脑的基本通信要求。其次，我们估计连续信息表示的符号错误概率和信道容量。我们的工作得出结论，信息不能使用连续表示在大脑中可靠地传达和表示——它必须采用离散形式。这是与传统和当前观点的主要区别。我们将这个离散结果应用于 4 个主要的神经编码假设，并说明了离散 ISI 神经编码在分析电生理实验数据中的应用。我们进一步假设并说明了韦伯定律和离散神经编码之间合理的直接联系。最后，我们概述了关于离散神经编码的一些关键研究问题。
识别培养基大脑中微生物剂...
脑脓肿是脑实质中脓液的焦点集合，响应感染而被血管性的胶原胶囊包围（Brook，2017）。中枢神经系统（CNS）的其他频繁局灶性感染包括下硬膜下肌瘤和硬膜外脓肿（Dando等，2014）。脑脓肿的微生物组已被证明是多数型的，以牙源性起源的不可养殖和厌氧生物为主（Kommedal等，2014）。常规培养物选择性地分离有氧和兼性有氧运动，它们是脓肿中的次要成分，可能会超过临床上重要的生物（Kozlov等，2018）。此外，在脑脓肿中缺乏致病剂的生长可能是由于样品运输的延迟，细菌的挑剔性，接受抗生素治疗的患者中的细菌，样品中的细菌负荷低，或病毒/寄生虫病因（Lleo等人，2014年）。与文化无关
哺乳动物大脑中的分布式强化学习
分布式强化学习 (dRL) —— 学习预测的不仅是平均回报，还有回报的整个概率分布 —— 在广泛的基准机器学习任务中取得了令人印象深刻的表现。在脊椎动物中，基底神经节强烈编码平均值，长期以来被认为是实现 RL 的，但对于该回路中的神经元群是否、在何处以及如何编码有关奖励分布高阶矩的信息知之甚少。为了填补这一空白，我们使用 Neuropixels 探针来敏锐地记录执行经典条件反射任务的训练有素、缺水的小鼠的纹状体活动。在几个表征距离测量中，与相同奖励分布相关的气味彼此之间的编码相似度要高于与相同平均奖励但不同奖励方差相关的气味，这与 dRL 的预测一致，但不是传统 RL。光遗传学操作和计算建模表明，遗传上不同的神经元群编码了这些分布的左尾和右尾。总的来说，这些结果揭示了 dRL 与哺乳动物大脑之间显著的融合程度，并暗示了同一总体算法的进一步生物学专业化。
运动想象脑中基于相关性的通道选择......
摘要。目的：基于脑电图 (EEG) 的脑机接口 (BCI) 中的通道选择已进行了二十多年的广泛研究，目的是选择最佳的主体特定通道，以提高 BCI 的整体解码效率。随着基于深度学习 (DL) 的 BCI 模型的出现，需要新的视角和新颖的技术来进行通道选择。在这方面，与主体无关的通道选择很重要，因为使用跨主体数据训练的 DL 模型提供了卓越的性能，并且 EEG 特征的固有主体间变异性对与主体无关的 DL 训练的影响尚不完全清楚。方法：在这里，我们提出了一种在基于 DL 的运动想象 (MI)-BCI 中实现与主体无关的通道选择的新方法，使用逐层相关性传播 (LRP) 和神经网络修剪。实验使用来自韩国大学 (KU) EEG 数据集的 Deep ConvNet 和 62 通道 MI 数据进行。主要结果：使用我们提出的方法，由于 LRP 选择高度相关的通道，我们将通道数量减少了 61%，而与受试者无关的分类准确度没有任何显著下降（p=0.09）。基于 LRP 相关性的通道选择与传统的基于权重的选择相比提供了明显更好的准确度，同时使用了不到 40% 的总通道数，准确度差异范围为 5.96% 至 1.72%。仅使用总通道数 16% 的适应稀疏 LRP 模型的性能与适应基线模型的性能相似（p=0.13）。此外，仅使用总通道数 35% 的适应稀疏 LRP 模型的准确度比适应基线模型高出 0.53%（p=0.81）。对 LRP 选择的通道的分析证实了选择的神经生理学合理性，并强调了运动、顶叶和枕叶通道对 MI-EEG 分类的影响。意义：所提出的方法解决了 EEG-BCI 解码中的一个传统问题，同时与 BCI 领域的最新发展相关且适用。我们相信，我们的工作带来了模型可解释性作为一种解决问题的技术的有趣且重要的应用。
解码人类大脑中的计算能力和读写能力
。CC-BY-ND 4.0 国际许可证永久有效。它是在预印本（未经同行评审认证）下提供的，作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。版权所有者于 2022 年 12 月 29 日发布了此版本。；https://doi.org/10.1101/2022.12.29.522254 doi：bioRxiv 预印本
论计算模型和人脑中自然音乐的编码
本文讨论了音乐神经科学的最新发展和进步，以了解音乐情感的本质。特别是，它强调了系统识别技术和音乐计算模型如何促进我们对人类大脑如何处理音乐的纹理和结构以及处理后的信息如何唤起情感的理解。音乐模型将刺激的物理属性与称为特征的内部表征联系起来，预测模型将特征与神经或行为反应联系起来，并根据独立的未见数据测试它们的预测。新框架不需要在受控实验中使用正交刺激来建立可重复的知识，这开启了自然神经科学的新浪潮。当前的评论重点关注这一趋势如何改变音乐神经科学领域。
毛细管括约肌是否存在于人脑中？
项目：您将研究人类脑微脉管系统的结构，特别关注或不存在所谓毛细管括约肌的存在。这些是毛细血管的高收缩入口点，其收缩由周细胞或周细胞样细胞驱动。我们设想您将剪切和处理包含带有动脉和毛细管侧枝的完全穿透动脉单位的人脑样品。挑战是切割足够厚的组织块以在3D中成像这些结构，同时仍允许免疫染色和微观成像。这将允许您识别各种容器类型并测试是否确实存在此类括约肌，如果存在，它们的尺寸是什么以及是否涉及周细胞。
肯尼迪中心 x 你的大脑中的艺术
全国诗歌朗诵冠军 IN-Q（华盛顿）—肯尼迪中心宣布推出新系列“肯尼迪中心 x 你的大脑谈艺术”，该系列以畅销书《你的大脑谈艺术：艺术如何改变我们》（YBOA）中的研究结果为中心，该书的作者是作家和思想领袖 Susan Magsamen 和 Ivy Ross。整个季度的一系列研讨会、表演和聚会将集中在这本书的三个方面——心理健康、学习和社区建设、繁荣——分享艺术的科学并将其对我们健康和福祉的影响付诸实践。该系列由 Magsamen 和 Ross 策划和领导，与艺术与健康总监 Kate Villa 和肯尼迪中心艺术顾问 Renée Fleming 合作，通过富有创意的表演和体验将他们的研究变为现实。有关“你的大脑谈艺术：艺术如何改变我们”的更多信息，请参见此处。“通过将艺术与科学结合起来，我们不仅创造了创新体验；我们还加深了对它们如何交叉以改善生活的理解。肯尼迪中心作为国家文化中心，在塑造文化方面发挥着独特的作用，”Magsman 和 Ross 表示。“他们致力于将艺术与健康和福祉相结合，这是建设更具韧性和联系更紧密的社区的重要组成部分。这一举措提醒我们，创造力有能力改变个人和社会——将创新、健康和艺术表达结合在一起，以增强我们国家的力量。我们很荣幸能在这个重要的项目上合作，并希望它能成为全国的典范。”通过 Magsman 和 Ross 的研究，他们发现了从事艺术创作的好处，例如：75% 的参与者进行 45 分钟的艺术创作可以降低皮质醇水平；参加小组