在支持情绪调节的额叶网络中的破坏长期与适应不良的儿童侵略有关。然而,尚未测试人类连接组中的大规模功能网络与侵略性行为之间的连通性。通过使用数据驱动的机器学习方法,我们表明情绪处理过程中连接组的功能组织预测了儿童侵略性的严重性(n = 129)。在涉及认知控制(额叶),社会功能(默认模式)和情感处理(皮层)的大规模网络内和之间确定了侵略性的连接性预测。在青少年脑认知发展研究的独立样本中,在功能连接的发现中进行了样本外复制和概括(n = 1,791; n = 1,701)。这些结果定义了基于新连通性的儿童侵略网络,该网络可以用作生物标志物,以告知有针对性的治疗以进行攻击。
惊喜是一种基本的人类经验。,我们会惊讶于电影中的情节扭曲,或者在体育比赛中取得了弱者队的胜利。我们生活中有多少令人惊讶的时刻有什么共同点?是否有令人惊讶的大脑签名?我们确定了一个大脑网络模型,即基于惊喜边缘 - 基于 - 基于 - 基于功能性磁共振成像(fMRI)测量的区域交互动力学,预测了在自适应学习任务中的惊喜。相同的模型被推广,以预测惊喜,因为单独的个人观看了悬疑的篮球比赛和违反心理期望的视频。我们的结果表明,共同的神经认知过程是跨环境中惊喜的基础,并且可以将不同的经验转化为大脑动力学的共同空间。
我们克服习惯反应以支持目标驱动的新颖反应的能力取决于额叶认知控制网络(CCN)。最近和正在进行的工作正在揭示大脑网络和信息过程,这些过程允许CCN产生认知灵活性。首先,最近发现对与目标相关表示的灵活维护和操纵所必需的工作记忆过程取决于CCN区域内的短期网络可塑性(与持续活动相反)。第二,构图(即摘要和可重复使用的)在CCN中维持的规则表示形式已被发现将网络活动从刺激转移到响应,从而实现了灵活的行为。一起,这些发现表明,通过CCN协调的网络机制来增强认知灵活性,利用神经表示和网络流的组成重用来灵活地实现任务目标。
作者:Vaclav Kremen 1,2*、Vladimir Sladky 1,3*、Filip Mivalt 1,4*、Nicholas M. Gregg 1、Irena Balzekas 1,5、Victoria Marks 1,5、Benjamin H. Brinkmann 1,5、Brian Nils Lundstrom 1、Jie Cui 1、Erik K. St Louis 6、Paul Croarkin 7、Eva C Alden 7、Julie Fields 7、Karla Crockett 1、Jindrich Adolf 4、Jordan Bilderbeek 5、Dora Hermes 5、Steven Messina 8、Kai J. Miller 9、Jamie Van Gompel 9、Timothy Denison 10、Gregory A. Worrell 1,5 1 梅奥诊所神经内科生物电子神经生理学和工程实验室,明尼苏达州罗切斯特 55905 2 捷克信息学、机器人学和控制论研究所,捷克技术大学,16000 布拉格,捷克共和国,3 捷克技术大学生物医学工程学院,16000 布拉格,捷克共和国,4 布尔诺理工大学电气工程与通信学院生物医学工程系,61600 布尔诺,捷克共和国。 5 梅奥诊所生理学和生物医学工程系,明尼苏达州罗切斯特 55905,6 梅奥诊所睡眠医学中心、神经病学和医学系、睡眠神经病学和肺部和重症监护医学分部,明尼苏达州罗切斯特 55905 7 精神病学和心理学系 8 梅奥诊所放射学系,明尼苏达州罗切斯特 55905 9 梅奥诊所神经外科系,明尼苏达州罗切斯特 55905 10 牛津大学医学研究委员会脑网络动力学部工程科学系,牛津 OX3 7DQ,英国 摘要 颞叶癫痫是一种常见的神经系统疾病,以反复发作为特征。这些癫痫发作通常源于边缘网络,患者还会出现与记忆、情绪和睡眠 (MMS) 相关的慢性合并症。针对丘脑前核的深部脑刺激 (ANT-DBS) 是一种行之有效的治疗方法,但最佳刺激参数仍不清楚。我们开发了一个用于跟踪癫痫发作和 MMS 的神经技术平台,以实现研究性脑传感刺激植入物、移动设备和云环境之间的数据流。人工智能算法提供了癫痫发作、发作间期癫痫样尖峰和清醒-睡眠脑状态的准确目录。远程管理的记忆和情绪评估用于在 ANT-DBS 期间密集采样认知和行为反应。我们评估了低频和高频 ANT-DBS 的疗效。它们都减少了癫痫发作,但低频 ANT-DBS 显示出更大的减少以及更好的睡眠和记忆。这些结果凸显了同步脑传感和行为跟踪在优化神经调节疗法方面的潜力。
人的大脑是复杂的神经生物学系统的核心,其中神经元,电路和子系统在策划行为和认知方面进行了研究。神经科学的最新研究表明,大脑区域之间的相互作用是神经发育和疾病分析的关键驱动因素[1,2]。使用结构或功能连通性映射人脑的连接组已成为神经成像分析最普遍的范式之一。重新说,从地理深度学习中动机的图形神经网络(GNN)由于其建模复杂的网络数据建模而引起了广泛的兴趣。在文献中,功能和结构联系被广泛认为是用于大脑调查的有价值的信息资源[3]。但是,他们主要在特定的私人数据集上对其建议的模型进行实验。由于道德问题,通常无法公开使用的数据集,并且未披露成像预处理的详细信息,从而使其他研究人员无法重新调查实验。目前尚未进行有关如何设计有效GNN用于脑网络分析的系统研究。为了弥合这一差距,我们提出了BraingB,这是一种用于GNNS的大脑网络分析的基准,并于2023年在IEEE-TMI上发表[4]。1。我们在同类和模式的四个数据集上进行实验,并建议一组在大脑网络上进行有效GNN设计的食谱。基于这四个维度的不同组合作为基准,我们的贡献是四个方面:•建立了一个统一,模块化,可扩展和可重复的框架,用于使用GNN进行大脑网络分析,以实现可重复性。它旨在通过可访问的数据集,标准设置和基线来启用公平评估,以促进计算神经科学和其他相关社区中的协作环境。•我们总结了功能和结构性大脑网络的预处理和施工管道,以弥合神经影像学和ML社区之间的差距。•我们将基于GNN的大脑网络分析的感兴趣的设计空间分解为四个模块:(1)节点feapers,(b)消息通讯机制,(c)注意机制和(d)汇总策略。
1 俄勒冈健康与科学大学医学信息学和临床流行病学系生物信息学和计算生物学分部,俄勒冈州波特兰 97239,2 俄勒冈健康与科学大学 Knight 癌症研究所,俄勒冈州波特兰 97239,3 俄勒冈健康与科学大学心理健康创新中心,俄勒冈州波特兰 97239,4 明尼苏达大学儿科系,明尼苏达州明尼阿波利斯 55454,5 明尼苏达大学共济会大脑发育研究所,明尼苏达州明尼阿波利斯 55414,6 明尼苏达大学明尼苏达超级计算研究所,明尼苏达州明尼阿波利斯 55455,7 俄勒冈健康与科学大学神经病学系,俄勒冈州波特兰 97239,8 俄勒冈健康与科学大学精神病学系心理学分部,俄勒冈州波特兰 97239,9 罗德岛大学心理学系,罗德岛州金斯顿 02881,10 俄勒冈健康与科学大学行为神经科学系,俄勒冈州波特兰 97239,11 明尼苏达大学教育与人类发展学院儿童发展研究所,明尼苏达州明尼阿波利斯 55455
作者:Vaclav Kremen 1,2*、Vladimir Sladky 1,3*、Filip Mivalt 1,4*、Nicholas M. Gregg 1、Irena Balzekas 1,5、Victoria Marks 1,5、Benjamin H. Brinkmann 1,5、Brian Nils Lundstrom 1、Jie Cui 1、Erik K. St Louis 6、Paul Croarkin 7、Eva C Alden 7、Julie Fields 7、Karla Crockett 1、Jindrich Adolf 4、Jordan Bilderbeek 5、Dora Hermes 5、Steven Messina 8、Kai J. Miller 9、Jamie Van Gompel 9、Timothy Denison 10、Gregory A. Worrell 1,5 1 梅奥诊所神经内科生物电子神经生理学和工程实验室,明尼苏达州罗切斯特 55905 2 捷克信息学、机器人学和控制论研究所,捷克技术大学,16000 布拉格,捷克共和国,3 捷克技术大学生物医学工程学院,16000 布拉格,捷克共和国,4 布尔诺理工大学电气工程与通信学院生物医学工程系,61600 布尔诺,捷克共和国。 5 梅奥诊所生理学和生物医学工程系,明尼苏达州罗切斯特 55905,6 梅奥诊所睡眠医学中心、神经病学和医学系、睡眠神经病学和肺部和重症监护医学分部,明尼苏达州罗切斯特 55905 7 精神病学和心理学系 8 梅奥诊所放射学系,明尼苏达州罗切斯特 55905 9 梅奥诊所神经外科系,明尼苏达州罗切斯特 55905 10 牛津大学医学研究委员会脑网络动力学部工程科学系,牛津 OX3 7DQ,英国 摘要 颞叶癫痫是一种常见的神经系统疾病,以反复发作为特征。这些癫痫发作通常源于边缘网络,患者还会出现与记忆、情绪和睡眠 (MMS) 相关的慢性合并症。针对丘脑前核的深部脑刺激 (ANT-DBS) 是一种行之有效的治疗方法,但最佳刺激参数仍不清楚。我们开发了一个用于跟踪癫痫发作和 MMS 的神经技术平台,以实现研究性脑传感刺激植入物、移动设备和云环境之间的数据流。人工智能算法提供了癫痫发作、发作间期癫痫样尖峰和清醒-睡眠脑状态的准确目录。远程管理的记忆和情绪评估用于在 ANT-DBS 期间密集采样认知和行为反应。我们评估了低频和高频 ANT-DBS 的疗效。它们都减少了癫痫发作,但低频 ANT-DBS 显示出更大的减少以及更好的睡眠和记忆。这些结果凸显了同步脑传感和行为跟踪在优化神经调节疗法方面的潜力。
最重要的人类能力之一是能够获得新的记忆,而且能够执行全新任务的能力。然而,关于新任务学习的基础的大脑机制知之甚少。具体来说,尚不清楚不同任务的学习在多大程度上取决于领域和/或域特异性大脑机制。这里的人类受试者(n = 45)学会了在进行功能性MRI时执行6个新任务。不同的任务需要参与感知,运动和各种认知过程,这些过程与注意力,期望,速度准确性权衡和元认知有关。我们发现,与任务学习的后期阶段相比,双边额叶网络在最初的初始网络更为活跃,并且对于需要更多新学习的任务变体而言,这种效果更强。至关重要的是,所有6个任务都参与了同一额叶网络,证明了其领域的一般性。最后,尽管任务学习降低了额叶网络中的整体活动,但它提高了该网络不同节点之间的连接强度。这些结果证明了一个域 - 一般的大脑网络的存在,其活动和连通性反映了各种新任务的学习,因此可能是人类获得新能力的能力的基础。
研究文章 | 系统/电路 功能性大脑网络的共同表征由皮质脊髓结构塑造,并揭示个体行为能力 https://doi.org/10.1523/JNEUROSCI.0856-23.2024 收稿日期:2023 年 5 月 10 日 修订日期:2024 年 1 月 16 日 接受日期:2024 年 1 月 20 日 版权所有 © 2024 作者
研究文章 | 所有大脑网络的静息状态连接的行为/认知累积效应与 ADHD 症状显着相关 https://doi.org/10.1523/JNEUROSCI.1202-23.2023 收稿日期:2023 年 4 月 19 日 修订日期:2023 年 11 月 30 日 接受日期:2023 年 12 月 18 日 版权所有 © 2024 作者