XiaoMi-AI文件搜索系统
World File Search System脑网
胎儿酒精综合症成人认知相关大脑网络的功能连接
a 卡方检验（组间性别分布），b Mann-Whitney-U 检验，c 基于 TMT 反应时间，d 仅在有效范围内计算 n = 36，* 显著差异。FAS：胎儿酒精综合症，CON：对照组，SD：标准差，NA：不适用，EHI：爱丁堡惯用手量表，TMT：连线任务，IQ：根据 TMT 表现估计的智商
比较用于脑网络分析的浅层和深层图模型
摘要 — 众所周知，图神经网络 (GNN) 可以有效地对各种领域的网络数据进行建模。然而，在脑网络分析中，GNN 是否能胜过传统的浅层图分类模型（例如图核）仍不清楚。为此，我们分析了建模脑网络的不同方法，包括基于图核的 SVM、基本 GNN 和核化 GNN。这些模型旨在帮助分析疾病和精神障碍，如躁郁症、人类免疫缺陷病毒 (HIV)、创伤后应激障碍 (PTSD) 和抑郁症。具体来说，我们使用三种方法进行实验：核化支持向量机 (SVM)、消息传递图神经网络 (MPGNN) 和核图神经网络 (KerGNN)。我们得出结论：1) 深度模型 (GNN) 通常优于浅层模型 (SVM)；2) 考虑特定图形主题的模型似乎并没有显着提高性能。我们还确定了其他图形核和 GNN 框架，这些框架有望推动大脑网络分析的进一步研究。索引词 — 大脑网络、GNN、图形学习、图形核、神经影像数据、SVM
结构结构和大脑网络效率链接多基因分数
图1神经认知数据和统计分析的处理步骤。首先，使用T1加权解剖图像来计算皮质表面积和皮质厚度的估计值。第二，根据HCPMMP地图集，将T1加权的解剖图像分为每个半球180个皮层结构，每个半球8个皮层结构。第三，将所得的遮罩线性转化为静止状态和扩散加权图像的天然空间。对于扩散加权图像，使用上述面膜作为种子和靶区域进行概率纤维跟踪。对于静止状态图像，计算了所有大脑区域的平均粗体时间课程之间的相关性。第四，结构和功能网络构建。边缘通过概率纤维拖拉术或粗体信号相关的结果加权。第五，这些网络用于计算全球效率测量RSFMRI E和DWI E以及淋巴结效率测量RSFMRI EI和DWI EI。第六，针对脑度量和PG的每种组合进行了全球调解分析。 在此，由I-S-T 2000 R总分量化的通用智能用作因变量。 自变量是两个PG（PGS EA和PGS GI）之一。 全脑量度（总表面积，平均皮质厚度，DWI E或RSFMRI E）用作介体。 最后，针对大脑指标和PG的每种组合，通过弹性网状回归进行了特定区域的多媒体分析。第六，针对脑度量和PG的每种组合进行了全球调解分析。在此，由I-S-T 2000 R总分量化的通用智能用作因变量。自变量是两个PG（PGS EA和PGS GI）之一。全脑量度（总表面积，平均皮质厚度，DWI E或RSFMRI E）用作介体。最后，针对大脑指标和PG的每种组合，通过弹性网状回归进行了特定区域的多媒体分析。再次，I-S-T 2000 R总分是因素，PGS是自变量。表面积，皮质厚度，DWI EI或每个HCPMMP区域的RSFMRI EI用作介体。
从发育临床样本中功能性脑网络的精神病理学疾病和障碍特异性维度
。cc-by-nc-nd 4.0国际许可证是根据作者/资助者提供的，他已授予Medrxiv的许可证，以永久显示预印本。（未通过同行评审认证）
伴有认知障碍的慢性心力衰竭患者的大脑网络和连接发生改变
结果：与无CI组CHF患者相比，CI组CHF患者的全局效率、局部效率、聚类系数、小世界属性均降低，最短路径长度增加；与无CI组CHF患者相比，CI组CHF患者右侧梭状回（FFG.R）的节点度中心性以及左侧眶上额回（ORB sup. L）、左侧眶下额回（ORB inf. L）、右侧后扣带回（PCG.R）的节点效率均降低；CI组CHF患者特定区域纤维边缘数较少。 CHF合并CI患者的整体效率、局部效率、右侧眶上额回(ORB sup. R)至右侧眶中额回(ORB mid. R)的连接边与视空间/执行功能呈正相关，右侧眶上额回至右侧眶下额回的连接边(ORB inf. R)与注意/计算呈正相关。与无CI CHF患者相比，CI组CHF患者馈线连接和局部连接的连接强度明显降低，虽然合并CI组的CHF患者富棒连接强度与对照组相比有所降低，但无统计学差异。此外，在CHF合并CI患者中，富棒连接强度与蒙特利尔认知评估(MoCA)量表的方位感(方向力)有关，馈线和局部连接强度与MoCA量表的视空间/执行功能有关。
从慢波睡眠中唤醒大脑网络中的重新配置
睡眠惯性是醒来后立即经历的警觉和表现的短暂时期。对这种现象的神经机制知之甚少。对睡眠惯性期间神经过程的更好理解可能会深入了解觉醒过程。在生物夜慢波睡眠中突然觉醒后，我们每15分钟观察一次大脑活动1小时。使用32通道脑电图，网络科学方法和受试者内部设计，我们在对照和多色短波长的光线干预条件下评估了功率，聚类系数和跨频段的路径长度。我们发现，在控制条件下，觉醒的大脑的特征是全球theta，alpha和beta功率立即降低。同时，我们观察到聚类系数的下降和三角带内路径长度的增加。觉醒改善聚类变化后立即暴露于光线。我们的结果表明，大脑内的远距离网络通信对于觉醒过程至关重要，并且大脑可以在此过渡状态下优先考虑这些远程连接。我们的研究强调了觉醒大脑的一种新型的神经生理学特征，并提供了一种潜在的机制，该机制通过该机制可以改善醒来后的性能。
大脑网络服务于通过成分建模识别的情绪的功能核心过程
尽管科学界对情绪的定义缺乏共识，但人们普遍认为情绪涉及思想、身体和行为的多种变化。尽管心理学理论强调情绪的多成分特征，但人们对大脑中这些成分的性质和神经结构知之甚少。我们使用多变量数据驱动方法将各种情绪分解为功能核心过程并确定其神经组织。20 名参与者观看了 40 个情绪片段，并根据之前验证的成分模型定义的 32 个成分特征对 119 个情绪时刻进行了评分。结果显示了不同的情绪如何从一组大脑网络中的协调活动中产生，这些网络编码了与价值评估、享乐体验、新颖性、目标相关性、趋近/回避倾向和社会关注相关的成分过程。我们的研究超越了以前专注于分类或维度情绪的研究，强调了新方法与理论驱动建模相结合如何为情绪神经科学提供新的基础并揭示人类情感体验的功能结构。
大脑网络科学建筑师
我们的所有（认知）行为都要求在大脑的空间分离区域之间交换和整合神经信息。大脑区域之间神经信息的交流是由大脑连接解剖结构的复杂结构促进和构成的，大脑的连接解剖结构涵盖了大约860亿个神经元，该神经元组织成由远程轴突途径相互联系的局部CIT网络。神经科学家长期以来一直渴望映射此网络。在1665年，丹麦主教和anto mist niels Stensen（Nicolaus Steno）认为，我们需要“真正地剖析白质（他称为“自然的伟大杰作”），我们需要“我们需要“通过大脑的实质来追踪神经细丝，以查看它们通过的方式，以及它们的何处，以及它们的结局，它们结束了” [1] [1] [1] [1] [1] [1] [1]。，曾经，直到1986年，对神经系统中所有连接的第一个完整描述才完成。这个神经网络的1毫米round虫Caenorhabditis秀丽隐杆线虫含有302个神经元和约7,000个连接是迄今为止成人生物体的唯一完整连接。近年来，还完成了突触级连接组的幼虫，海洋喷出ciona intestinalis，海洋Annalid platynereis dumerilii的幼虫和果蝇果蝇，果蝇Melanogaster的幼虫[2]。映射人脑网络的愿望是受到对其结构的描述和分析的观念的启发，可以帮助我们了解大脑及其疾病的工作[3]，遵循“结构驱动行为”的想法。这对大脑来说是类似的。从细胞层面上是正确的，其中蛋白质组（由基因组，细胞或生物体表达的整个蛋白质集）将细胞行为[4]驱动到社会水平，而办公室布局决定了我们在工作中与谁成为朋友。尽管人脑的巨大规模和复杂性阻止了当前和可预见的将来的突触水平的人脑网络的重建，但神经影像学的进步确实允许越来越多地
eeg揭示了自然语音聆听期间慢性失语症的大脑网络改变
（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2023年3月10日发布。 https://doi.org/10.1101/2023.03.10.532034 doi：Biorxiv Preprint
社论：功能与结构脑网络的构建、表征与应用
结构和功能性脑网络已成为理解不同脑区之间相互作用以及特定神经系统疾病发病机制的越来越有用的工具。在过去十年中，人们对基于各种模式数据（例如 fMRI、EEG、PET 和 DTI）对脑网络进行建模以及捕捉脑网络的特征表示（例如连接、图拓扑和图神经网络）以了解发病机制的兴趣日益浓厚。由于大脑的复杂性远远超出我们的想象，揭示大脑的奥秘仍然面临许多挑战。因此，关于构建脑网络的多种方法、如何有效利用多模态数据以及如何最好地揭示有关大脑健康和疾病的信息仍然存在争议。网络科学在脑中的应用促进了我们对脑结构和功能组织的理解。此外，在这个框架内研究大脑可以有效地揭示神经系统疾病如何影响脑组织。在本研究主题中，我们力求收集有关脑网络构建、多模态融合、网络学习表征以及通过脑网络进行推理和预测的新发现。更具体地说，本研究主题的目标是通过数学建模促进对脑连接组的现有理解，开发新的和先进的方法来捕捉功能和结构之间的图形关系，有效利用多模态数据，准确学习脑部疾病中网络的表征，从而促进我们对大脑底层结构和动态的理解。从本主题中，我们不难发现，主要工作可以归纳为三类，即利用网络作为新的生物标志物、基于网络的新机器学习模型、新的脑网络估计方法（如图 1 所示）。