XiaoMi-AI文件搜索系统
World File Search System脑区
语义网络大脑区域在整合先前知识与正在进行的对话中的重要性
要理解对话，我们需要知道正在讨论的话题。这使我们能够整合对先前所说内容的知识，以解释当前的对话。这项研究涉及一项在线进行的大规模行为实验和一项单独的 fMRI 实验，这两项实验都测试了人类参与者。在两项实验中，我们都选择性地操纵了有关对话叙述内容的知识，这些知识以短视频的形式呈现。这些片段是情景喜剧中的场景，分为两部分。第一部分片段中的演讲可以正常呈现，也可以经过光谱旋转使其变得难以理解。结束场景的第二部分片段总是正常呈现。行为实验表明，对前面叙述的了解增强了对第二部分片段的记忆，并增加了回忆对话描述的受试者间语义相似性。fMRI 实验重复了先前知识改善对话结论记忆的发现。此外，先前知识加强了大脑区域（包括左角回 (AG) 和额下回 (IFG)）中受试者之间的时间相关性。总之，这些发现表明：(1) 先前知识限制了对话的解释，使其在个体之间更加相似，29 并且 (2) 与此一致，参与语义控制 30 处理的大脑区域的激活在拥有相同先前知识的个体之间也更加相似。31 这些区域的处理可能支持先前知识的激活和整合，32 这有助于人们更好地理解和记住展开的对话。33
执行和想象的抓握动作可以从分布式非运动脑区的低维表示中解码
中尺度区域，不能捕捉到运动系统的全部信息内容。在这项工作中，我们记录了 8 名癫痫患者的颅内脑电图，包括除中央沟内或相邻电极接触外的所有电极接触。我们表明，执行运动和想象运动可以从非运动区域解码；将所有非运动接触组合成一个低维表示形式，为黎曼解码器提供了足够的信息，使其达到 0.83 ± 0.11 的曲线下面积。此外，通过在执行运动上训练我们的解码器并在想象运动上进行测试，我们证明这两种情况之间存在在 beta 频率范围内共享的分布信息。通过将来自所有区域的相关信息组合成一个低维表示形式，解码器能够在没有初级运动皮层信息的情况下实现较高的解码结果。这种表示形式使解码器对扰动、信号非平稳性和神经组织退化更具鲁棒性。我们的结果表明，超越运动皮层可以为更强大、更多功能的脑机接口开辟道路。
并非所有电极通道都是必需的：仅从受刺激的大脑区域进行知识转移即可实现脑电图情绪识别
情感脑机接口 (aBCI) 的情绪识别在人机交互中引起了广泛关注。由于能够实时检测大脑活动且可靠性高，因此主要使用在一个数据库中收集和存储的脑电图 (EEG) 信号。然而，受试者之间的 EEG 个体差异很大，使得模型无法跨对象共享信息。新的标记数据是为新受试者单独收集和训练的，这需要花费大量时间。此外，在跨数据库收集 EEG 数据期间，会向受试者引入不同的刺激。视听刺激 (AVS) 通常用于研究受试者的情绪反应。在本文中，我们提出了一种大脑区域感知域自适应 (BRADA) 算法，以不同的方式处理听觉和视觉大脑区域的特征，从而有效地解决受试者之间的差异并缓解数据库之间的分布不匹配。BRADA 是一个与现有迁移学习方法配合使用的新框架。我们将 BRADA 应用于跨主题和跨数据库设置。实验结果表明，我们提出的迁移学习方法可以改善效价唤醒情绪识别任务。
神经网络和大脑区域之间的连接
众所周知，大脑功能依赖于多个神经元群之间的相互作用，这些神经元群通过复杂的连接回路连接在一起，以拮抗或协同的方式协同工作以交换信息、同步活动、适应外部刺激或内部要求，并更广泛地参与解决多方面的认知任务。事实上，从神经科学诞生之日起，不同区域如何参与认知及其相互作用的问题就引起了研究人员的兴趣。由于先进的功能性脑成像技术的发展和复杂信号处理方法的调整，人们对大脑连接评估的兴趣大大增加。本期特刊的所有论文都集中在连接性上，即一个大脑区域的活动对另一个大脑区域的活动的影响。然而，这个看似简单的定义包含一系列需要批判性分析的问题。尽管最近出现了许多论文，但大脑连接的几个方面仍然存在争议。读者应该意识到，根据所采用的方法和应用环境，该术语的含义存在深刻而重要的差异。首先，大脑连接的定义并不明确，文献中使用的术语（结构、功能和有效连接）各不相同，这些术语往往令人困惑或模棱两可，具体取决于所采用的方法和应强调的方面。这里的关键点是，文献中采用了几种不同的数学方法来估计数据中的连接性——从简单的统计方法（例如时间序列之间的相关性）到使用线性或非线性模型得出因果关系的更复杂的方法。以这种方式获得的指标的重要性并不相同。因此，大脑连接估计和解释的基本方面涉及估计技术的可靠性、它们在不同条件下的准确性、得出的连接值的神经生理学意义以及它们可以掌握的神经现象类型。本期特刊中的一篇论文（Ricci 等人 [ 1 ]）主要关注这些方面。在本研究中，我们使用神经质量模型生成的信号作为基本事实，模拟多个相互连接的兴趣区域，比较了几种估计大脑连通性的方法。结果表明，格兰杰因果关系检测正确连通性的能力超过了其他估计量（包括传递熵、相关性、一致性和相位同步）。然而，更重要的是，结果强调了非线性对估计值的强烈影响。有明确的证据表明，连通性反映了从一个区域传输到另一个区域的信息量，这一数量可能与因果关系的强度大不相同。事实上，一个区域可以对另一个区域产生强烈的因果影响（例如，在没有实际信息交换的情况下导致其活动饱和）。这是在分析连通性数据时应仔细考虑的一个方面，
响应定制的营养信息，自我相关大脑区域的神经活动可预测饮食变化
超重和肥胖已成为国际公共卫生问题，因此迫切需要实施有效的干预措施来预防这些令人担忧的健康问题。与千篇一律的信息（非定制）相比，设计个性化（定制）饮食信息已成为减少不健康饮食行为最有效的工具之一。然而，需要更多的研究来全面了解定制营养信息减少不健康饮食行为的潜在机制。据我们所知，我们的研究可能是第一个使用神经成像，即功能性磁共振成像（fMRI）的研究，旨在评估定制和非定制营养信息的神经基础，并评估这些神经反应如何预测一个月后收到定制营养信息后不健康食物摄入量的减少。为了实现这一目标，30 名参与者在阅读定制和非定制营养信息时接受了扫描。随后，一个月内，他们接受了鼓励健康饮食摄入的定制干预措施。神经学研究结果表明，与非定制的沟通方式相比，定制的信息会激发与自我相关的大脑网络，例如楔前叶、颞中回、海马体、下眶额皮质 (OBC)、背内侧前额皮质 (dMPFC) 和角回。有趣的是，在这些与自我相关的大脑区域中，dMPFC、OFC、角回和海马体预测，在为期一个月的定制干预措施停止不健康饮食后，不健康食物摄入量会减少。这些结果可能对临床医生、从业者和/或政策制定者具有启示意义，他们应该付出巨大努力，创建个性化的活动，重点关注目标人群在健康饮食方面感知到的需求、目标和驱动力，以减少超重问题。因此，这项研究向前迈出了一步，表明定制营养信息的神经反应与现实生活中健康饮食行为的变化之间存在直接关联。
在库欣氏氏病中超皮质醇的分辨率后，大脑区域形态变化的趋势：一种复杂的现象，不仅仅是PA
在库欣氏病（CD）的先前研究中，强调了超皮质醇对人脑的不利影响。然而，大脑中区域高皮层化的相对改变尚不清楚。因此，我们研究了CD患者的区域体积改变。我们还分析了这些体积变化与临床特征之间的关联。研究参与者由活性CD（n = 60），短期缩放的CD（n = 28）和长期转换CD（n = 32）患者以及健康对照组组成的研究参与者（n = 66）。灰质体积（GMV）。使用自动解剖标记（AAL）地图集定义了子结构的GMV。在大多数CD患者的大脑子结构中发现了GMV归一化的趋势。在其他子区域（例如杏仁核，丘脑和尾状）中观察到了不同的趋势，包括扩大，不可逆和不受影响的趋势。分辨率分类后GMV的形态变化是一种复杂的现象。这些变化的特征在大脑子结构内有显着差异。
听觉中的Uences运动大脑区域中的先前上下文...
使用了不同可能的回归器的子集：（1）从初始条件来看； （2）扩展上下文条件（见图1）。为了探索整个组的条件和上下文分析的主要影响，我们采用了voxel-type I误差阈值的α= 0.03，并使用群集范围方法来校正多个比较[23]。超过校正的集群I型误差阈值α= 0.006（k> 1055素体，在空间范围内等效到15个原始未恢复的体素）进行进一步分析，以确定类别特异性主要效应的方向性并测试相互作用。鉴于群集范围方法不如假发现率（FDR）或家庭明智误差（FWE）那么严格，因此我们选择了α= 0.03。使用这些1055素素二级随机
欺骗相关大脑区域的荟萃分析连接模型
基于大脑的欺骗研究仅在二十年前就开始了，此后，欺骗范式包括各种各样的环境和反应方式。对这类研究的调查为我们的神经科学和法律知识提供了对个人欺骗他人的方式的法律知识。为此，我们使用BrainMap软件进行了激活似然估计（ALE）和荟萃分析连接性建模（MACM），以检查45个基于任务的fMRI脑部脑激活研究。欺骗性与诚实行为期间的激活可能性估计的激活揭示了7个显着的峰值作用簇（双侧岛，左上额回，双侧超边缘回和双侧额叶额叶）。荟萃分析的连通性建模揭示了包括单向和双向连接的7个区域之间的互连网络。与随后的行为和范式解码一起，这些发现暗示了超级方向的回旋作为社会认知过程的关键组成部分。
