XiaoMi-AI文件搜索系统
World File Search System脑网
BrainGB：使用图神经网络进行脑网络分析的基准
摘要 — 使用结构或功能连接来映射人脑的连接组已成为神经成像分析最普遍的范例之一。最近，受几何深度学习启发的图神经网络 (GNN) 因其对复杂网络数据建模的强大功能而引起了广泛关注。尽管它们在许多领域都表现出色，但尚未系统地研究如何设计有效的 GNN 进行脑网络分析。为了弥补这一差距，我们提出了 BrainGB，这是使用 GNN 进行脑网络分析的基准。BrainGB 通过 (1) 总结功能和结构神经成像模式的脑网络构建流程和 (2) 模块化 GNN 设计的实现来标准化该过程。我们对跨队列和模态的数据集进行了广泛的实验，并推荐了一套在脑网络上有效 GNN 设计的通用方法。为了支持基于 GNN 的脑网络分析的开放和可重复研究，我们在 https://braingb.us 上托管了 BrainGB 网站，其中包含模型、教程、示例以及开箱即用的 Python 包。我们希望这项工作能够提供有用的实证证据，并为这一新颖且有前景的方向的未来研究提供见解。
感觉功能受限条件下专业射击运动员射击准备阶段脑网络研究
摘要：射击是一项受心理因素主导的运动项目，在射击瞄准过程中干扰射手的感觉功能将严重影响其心理状态和射击成绩。对30名射击运动员在噪声干扰、弱光及正常条件下射击准备阶段的脑电图测量结果进行记录，采用基于图论的功能连接与脑网络分析方法，探究不同干扰条件下射手射击瞄准过程中脑内神经机制的差异，并比较脑网络特征与射击成绩之间的关系。研究结果表明：（1）噪声干扰下射手β频带平均连接强度和左右颞叶连接强度显著高于其他两种干扰条件下的射手，脑网络表现出更高的全局和局部效率；（2）弱光条件下β频带枕叶区域功能连接强度高于正常条件下的射手。射击过程中左顶叶区域的信息交互也不断增强。（3）另外，两种条件下射手在感觉功能受限的颞叶和枕叶区域的特征向量中心性均低于正常条件下的。这些发现表明，噪声干扰激活了射手脑部的唤醒水平，提高了脑网络的信息处理效率，但同时也增加了脑力负荷。弱光条件下，射手在瞄准时更加注重视觉信息处理，加强了与射击行为无关脑区功能的抑制。视听干扰使得射手脑部与视听感知功能相当的皮层区域在整个脑网络中的重要性低于正常条件下。因此，这些结果揭示了视听干扰对射击准备阶段皮层功能网络的影响，为进一步理解感觉干扰下射击过程的神经机制提供了理论基础。
大脑网络转换器
为了了解大脑功能和精神障碍，人脑通常被建模为感兴趣区域 (ROI) 及其连接的网络。最近，基于 Transformer 的模型已经针对不同类型的数据（包括图）进行了研究，结果显示可广泛提高性能。在这项工作中，我们研究了基于 Transformer 的大脑网络分析模型。在数据的独特属性的驱动下，我们将大脑网络建模为具有固定大小和顺序的节点的图，这使我们能够 (1) 使用连接配置文件作为节点特征来提供自然且低成本的位置信息，以及 (2) 学习 ROI 之间的成对连接强度，并在个体之间使用有效的注意力权重，从而对下游分析任务具有预测性。此外，我们提出了一种基于自监督软聚类和正交投影的正交聚类读取操作。该设计考虑了决定 ROI 组之间相似行为的底层功能模块，从而产生可区分的聚类感知节点嵌入和信息图嵌入。最后，我们在唯一一个公开可用的大型脑网络数据集 ABIDE 上重新标准化了评估流程，以便对不同的模型进行有意义的比较。实验结果表明，我们提出的 B RAIN N ETWORK T TRANSFORMER 在公开的 ABIDE 和我们受限的 ABCD 数据集上都有明显的改进。实现可在 https://github.com/Wayfear/BrainNetworkTransformer 上获得。
基于功能性脑网络和机器学习的自闭症谱系障碍诊断
自闭症谱系障碍是一种多因素神经发育障碍，具有高度遗传异质性。对自闭症患者大脑网络的研究可以为了解自闭症患者信息处理动态提供新的见解。本文提出了一种基于 fMRI 时间序列和机器学习算法的自闭症自动诊断方法。我们证实，左腹后扣带皮层区域降低了自闭症谱系障碍患者大脑区域的功能连接。此外，自闭症谱系障碍患者的大脑网络表现出更多的隔离、更低的信息分布和更少的连接。我们的方法准确地区分了对照组和自闭症患者，曲线下面积接近 95% 以上。
探索三种冥想传统的大脑网络测量方法
对各种冥想练习之间的相似性和差异性的研究仍处于早期阶段。在这里，我们利用功能连接和图形测量，展示了对三种冥想传统的研究：喜马拉雅瑜伽 (HT)、Isha Shoonya (SNY) 和内观 (VIP)。冥想区块的 EEG 活动用于建立功能性大脑连接，以利用各种冥想传统和对照组之间的网络。支持向量机用于二元分类，并使用通过图论测量生成的特征构建模型。我们在 HT、SNY 和 VIP 中分别获得了 84.76% 的最大准确率（gamma1）、90% 的最大准确率（alpha）和 84.76% 的最大准确率（theta）。我们的主要发现包括：（a）内观禅修者的 delta 连接更高，（b）经检查，所有禅修者的左半球前额叶区域的 θ 网络同步性更强，（c）喜马拉雅禅修者和内观禅修者更多地参与了 γ2 处理，（d）所有禅修者的 θ 和 γ 波段左额叶活动贡献增加，（e）所有禅修传统的 γ 处理都广泛涉及模块化。此外，我们还讨论了这项研究对神经技术产品的意义，以便让初学者能够进行引导式冥想。关键词：EEG 信号；冥想；功能连接；图形测量；支持向量机；机器学习；脑电波；喜马拉雅瑜伽；Isha Shoonya；内观
大脑网络安装和操作指南
DRV产品是一种微处理器控制的再循环阀，专门用于温水系统。冷水混合在一起，以在阀的配置软件中存储的设定点产生混合水。为了有效地执行此操作，它具有3个温度传感器，可以不断监视热入口，冷入口和出口（混合）温度。DRV产品旨在为了安全起见，旨在在所选的设定点上自动保持水温。规定如果出口温度落在某些操作参数之外，则产生各种警报和错误条件：
一种机器学习方法，用于识别非侵入性脑刺激所针对的大脑网络的参与情况
一种机器学习方法，用于识别非侵入性脑刺激所针对的脑网络的参与度 作者： Shinde AB 1, 2, 3 * 、Mohapatra S. 2,4* 、Schlaug G. 1, 2, 3 * 同等贡献 机构： 1 马萨诸塞大学阿默斯特分校生物医学工程系，马萨诸塞州阿默斯特市 -01003 2 马萨诸塞大学阿默斯特分校应用生命科学研究所，马萨诸塞州阿默斯特市 - 01003 3 贝斯特医疗中心和麻省大学陈医学院神经病学系 - 贝斯特校区，马萨诸塞州斯普林菲尔德市 - 01107 4 马萨诸塞大学阿默斯特分校曼宁信息与计算机科学学院，马萨诸塞州阿默斯特市 - 01003 关键词 并发 tDCS-fMRI、脑刺激、动态功能连接、机器学习 通讯作者 Gottfried Schlaug 电子邮件：gschlaug@gmail.com 致谢 本研究由 NIH 资助BrainInitiative 拨款 (RO1MH111874)。Schlaug 博士还感谢 U01NS102353 的支持。SM 感谢 IALS 暑期实习计划的支持。我们感谢 neuroConn 的 Klaus Schellhorn 的慷慨支持，他为我们提供了最先进的多通道 MR DC 刺激器，并多年来随时为我们排除故障。我们还要感谢 Elena Bliss（麻省大学阿默斯特分校的 MR 技术专家）对同时进行的 tDCS-MR 采集的支持。
跨脑网络神经科学视角
图 1 脑间网络的整体效应可以分解为特定种子区域的节点效应。该图显示了陌生人与儿童互动与母子互动、基线与竞争以及基线与合作的整体和节点密度效应。节点密度由四个 NMF 成分的系数编码。左图：绘制了群体效应的边际后验分布及其平均值、90% CI（粗黑线）和 99% CI（细灰线）。CI 的宽度表示与估计参数相关的不确定性。90% CI 不包括零的参数（红线）被解释为存在影响的证据。整体结果显示出强烈的伴侣效应，与陌生人与儿童二元组相比，母子二元组的同步性有所提高，以及竞争效应和一些合作效应的证据，与基线条件相比，两种任务条件的同步性更高。节点结果证实了这些整体结果，但提供了更多的拓扑细节。具体而言，伴侣效应相当普遍（在成分 3 和 4 以及基线条件下的成分 2 中），而竞争和合作效应主要局限于左侧和右侧前额叶大脑区域（成分 1 和 4）。右图：五张 catplots 显示了在基线、合作和竞争条件下，母子和陌生人-儿童二元组中后部全局和节点密度值的变化情况。底部：热图可视化了 NMF 产生的基础矩阵，显示了儿童（C）和成人伴侣（P）的每个 fNIRS 通道（x 轴）对相应成分（y 轴）的贡献。在脑模型上可视化了儿童和成人伴侣的 fNIRS 通道，这些通道对每个成分的贡献最大，就其节点密度而言，权重高于第 80 个百分位数（最小值 = 0，最大值 = 1）
健康人类青春期抑郁症相关大脑网络的性别差异发展
人类大脑发育的性别差异可能与青少年时期抑郁症发病率的性别差异有关。我们使用 N = 298 名健康青少年（年龄 14 至 26 岁）的 fMRI 数据测试了正常大脑网络发育参数的性别差异，每个青少年扫描一至三次。功能连接的性别差异发展位于默认模式网络、边缘皮层和皮层下核。女性的发展模式更“破坏性”，14 岁时较弱的功能连接在青春期变得更强。这种由 fMRI 得出的性别差异大脑网络发育图与 i 先前的奖赏相关大脑激活位置 ii 重度抑郁症（MDD）的功能性连接异常图和 iii 成人大脑基因转录模式（富含 X 染色体上的基因、神经发育基因和 MDD 风险基因）紧密相关。我们发现青少年时期皮层-皮层下大脑功能网络的发育存在规范性的性别差异，这与抑郁症有关。
基于脑电图源信号的疲劳驾驶定向脑网络分析
摘要：疲劳驾驶是导致交通事故的重要因素之一，长期单调的驾驶易导致驾驶员注意力与警觉性下降，表现出疲劳效应。本文提出一种基于脑电图（EEG）源信号的有向脑网络角度揭示驾驶疲劳对大脑信息处理能力影响的方法。基于源分析得到的EEG信号电流源密度（CSD）数据，采用有向传递函数构建疲劳驾驶的有向脑网络。随着驾驶时间的增加，平均聚类系数和平均路径长度逐渐增加，而大部分节律的全局效率逐渐降低，表明深度驾驶疲劳增强了大脑局部信息的整合能力，同时削弱了大脑的整体能力。此外，因果流分析发现，清醒状态和驾驶疲劳状态下的电极分布存在明显差异，主要分布在前部和后部的几个区域，尤其是在θ节律下。研究还发现，在驾驶疲劳状态下，前部区域接收后部区域信息的能力明显变差。这些发现可能为揭示驾驶疲劳的潜在神经机制提供理论基础。