XiaoMi-AI文件搜索系统
World File Search System脑网
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）。
通过顺序统计分析人类大脑网络的拓扑数据分析
了解整个群体中人类大脑网络的共同拓扑特征对于理解大脑功能至关重要。将人类连接组抽象为图形对于了解大脑网络的拓扑特性至关重要。在考虑到异质性和随机性的同时开发脑图中的组级统计推断程序仍然是一项艰巨的任务。在本研究中，我们使用顺序统计量开发了一个基于持久同源性的稳健统计框架来分析大脑网络。顺序统计量的使用大大简化了持久条形码的计算。我们使用全面的模拟研究验证了所提出的方法，并随后应用于静息态功能磁共振图像。我们发现男性和女性的大脑网络之间存在统计上显着的拓扑差异。
多模态和半球图论脑网络预测额叶 α 不对称神经反馈学习效果
摘要 利用额叶 alpha 不对称 (FAA) 的脑电图神经反馈被广泛应用于情绪调节，但其有效性存在争议。研究表明，神经反馈训练的个体差异可以追溯到神经解剖和神经功能特征。然而，他们只关注大脑区域结构或功能，而忽略了大脑网络的可能神经相关性。此外，目前还没有关于 FAA 神经反馈方案的神经影像学预测因子的报道。我们设计了一个单盲伪控制 FAA 神经反馈实验，并在训练前收集了健康参与者的多模态神经影像数据。我们评估了训练期间 (L1) 和静息时 (L2) 诱发脑电图调制的学习表现，并基于多模态脑网络和图论特征的综合分析研究了与表现相关的预测因子。本研究的主要发现如下。首先，真实组和虚假组都可以在训练期间增加 FAA，但只有真实组在静息时 FAA 显著增加。其次，训练阶段和休息阶段的预测因子不同：L1 与右半球灰质和功能网络的图论指标（聚类系数和局部效率）相关，而 L2 与整个大脑和左半球功能网络的图论指标（局部和全局效率）相关。因此，FAA 神经反馈学习中的个体差异可以通过结构/功能架构的个体差异来解释，而学习表现指数的相关图论指标显示了半球网络的不同侧性。这些结果为神经反馈学习中个体间差异的神经相关性提供了见解。
慢波睡眠醒来后大脑网络的重构：神经通讯中的干预措施和影响
睡眠惯性是指在醒来后立即经历的短暂的警觉性和表现力受损时期。人们对这一现象背后的神经机制知之甚少。更好地了解睡眠惯性期间的神经过程可能有助于深入了解觉醒过程。在生物夜晚从慢波睡眠中突然醒来后，我们每 15 分钟观察一次大脑活动，持续 1 小时。使用 32 通道脑电图、网络科学方法和受试者内设计，我们评估了对照和多色短波长丰富光干预条件下各频带的功率、聚类系数和路径长度。我们发现在对照条件下，觉醒大脑的典型特征是全局 theta、alpha 和 beta 功率立即降低。同时，我们观察到 delta 波段内的聚类系数下降和路径长度增加。醒来后立即暴露在光线下可以改善聚类变化。我们的结果表明，大脑内的长距离网络通信对于觉醒过程至关重要，并且大脑可能会在这种过渡状态下优先考虑这些长距离连接。我们的研究突出了觉醒大脑的一种新神经生理学特征，并提供了一种光在醒来后改善表现的潜在机制。
精准模块诱导脑网络构建用于功能磁共振成像轻度认知障碍识别
简介：从功能性磁共振成像 (fMRI) 数据估计的功能性脑网络 (FBN) 已成为计算机辅助诊断神经系统疾病的一种潜在有用方法，例如轻度认知障碍 (MCI)，阿尔茨海默病 (AD) 的前驱阶段。目前，皮尔逊相关系数 (PC) 是构建 FBN 最广泛使用的方法。尽管它很流行且简单，但传统的基于 PC 的方法通常会产生密集的网络，其中感兴趣区域 (ROI) 紧密连接。这不符合 ROI 在大脑中可能稀疏连接的生物学先验。为了解决这个问题，先前的研究提出采用阈值或 l_1 正则化器来构建稀疏的 FBN。然而，这些方法通常会忽略丰富的拓扑结构，例如模块化，而模块化已被证明是提高大脑信息处理能力的重要特性。
识别脊髓损伤成人患者接受认知多感觉康复治疗后，与身体意识相关的脑网络变化以缓解神经性疼痛：延迟治疗组 I 期随机对照试验
摘要背景：众所周知，脊髓损伤 (SCI) 后的神经性疼痛很难治疗。神经性疼痛的机制尚不清楚，这使得寻找有效的治疗方法具有挑战性。先前的研究表明，患有 SCI 的成年人存在身体意识缺陷。包括我们在内的最近的成像研究指出，顶叶岛盖和岛叶是疼痛感知和身体意识的关键区域。认知多感觉康复 (CMR) 是一种物理治疗方法，有助于提高身体意识，从而减轻疼痛和恢复感觉运动。根据我们之前在中风 CMR 中的脑成像工作，我们假设通过恢复顶叶岛盖网络连接来提高身体意识可缓解神经性疼痛，并改善 SCI 成年人的感觉运动和日常生活功能。因此，本研究的目的是：(1) 确定 SCI 成人与健康对照者在静息状态和基于任务的功能性磁共振成像 (fMRI) 脑功能的基线差异，以及 (2) 确定 CMR 后 SCI 成人脑功能和行为疼痛以及疼痛相关结果的变化。方法：健康成人接受一次性 MRI 扫描并完成问卷调查。我们招募了患有 SCI 相关神经性疼痛的社区成人，其完全或不完全 SCI >3 个月，并且最高神经性疼痛强度水平在数字疼痛评定量表 (NPRS) 上 >3。根据延迟治疗组的 I 期随机对照试验 (RCT)，将 SCI 患者随机分为两组：A 组立即接受 CMR 干预，每周 3 次，每次 45 分钟，然后进行 6 周和 1 年的随访。B 组开始 6 周的观察期，然后进行 6 周的 CMR 和 1 年的随访。每周评估最高、平均和最低神经性疼痛强度水平，以 NPRS 为主要结果。在基线、第一和第二个 6 周后评估其他主要结果（fMRI 静息态和功能任务；INSCI AIS 检查的感觉和运动功能）以及次要结果（情绪、功能、痉挛和其他 SCI 次要病症）。在 1 年的随访中重复进行 INSCI AIS 检查和问卷调查。结果：2020 年 9 月至 2021 年 8 月期间招募了 36 名健康成人和 28 名 SCI 成人，其中 31 名健康成人和 26 名 SCI 成人参加了研究。所有 26 名 SCI 参与者均完成了干预和前后评估。没有研究相关的不良事件。参与者的年龄为 52±15 岁，SCI 后年龄为 1-56 岁。在观察期间，B 组神经性疼痛没有减轻，感觉或运动功能也没有任何变化（INSCI ASIA 检查）。然而，经过 6 周的 CMR 干预后，两组的神经性疼痛均显著减轻。基线时 NPRS 评分最高为 7.81±1.33，接受 6 周 CMR 治疗后降至 2.88±2.92。最高神经性疼痛变化评分为 4.92±2.92（大效应量 Cohen's d =1.68），平均神经性疼痛变化评分为 4.12±2.23（ d =1.85），最低神经性疼痛变化评分为 2.31±2.07（ d =1.00）。26 名参与者中有 9 名（34.62%）在干预后感觉消失。INSCI AIS 测试结果还显示，接受 6 周 CMR 治疗后，感觉、肌肉力量和功能均有显著改善。他们的 INSCI AIS 测试触觉增加了 8.81±5.37 分 ( d =1.64)，针刺感增加了 7.50±4.89 分 ( d =1.53)，下肢肌肉力量增加了 3.87±2.81 分 ( d =1.38)。干预后的功能改善包括 18 名基线时有平衡问题的参与者中的 17 名的平衡能力得到改善；所有参与者的转移能力得到改善，并恢复了直立能力，几乎不用任何工具
脑网络传播动力学概率模型中的关键性：癫痫发作
癫痫发作在大脑网络中的扩散是癫痫患者的主要致残因素，通常会导致意识丧失。尽管在记录和建模大脑活动方面取得了进展，但揭示癫痫发作扩散动力学的性质仍然是理解和治疗药物难治性癫痫的重要挑战。为了应对这一挑战，我们引入了一种新的概率模型，该模型可以捕捉患者特定复杂网络中的扩散动力学。通过白质纤维束成像估计大脑区域之间的网络连接和交互时间延迟。该模型的计算可处理性使其能够对更详细的癫痫发作动力学模型发挥重要的补充作用。我们在患者特定的 Epileptor 网络背景下说明了模型拟合和预测性能。我们针对不同的患者特定网络推导出扩散大小（序参数）作为大脑兴奋性和全局连接强度的函数的相图。相图可以预测癫痫发作是否会根据兴奋性和连接强度扩散。此外，模型模拟可以预测癫痫发作在网络节点间传播的时间顺序。此外，我们表明，随着神经兴奋性和连接强度的变化，序参数可以表现出不连续和连续（临界）相变。平均场近似和有限尺寸缩放分析支持存在一个临界点，在该临界点处，响应函数和扩散大小的波动相对于控制参数表现出幂律发散。值得注意的是，临界点将两种不同的扩散动力学状态分开，其特征是单峰和双峰扩散大小分布。我们的研究为癫痫发作扩散动力学的相变和波动性质提供了新的见解。我们预计它将在开发用于预防药物抵抗性癫痫发作扩散的闭环刺激方法中发挥重要作用。我们的研究结果也可能引起流行病学、生物学、金融学和统计物理学中相关扩散动力学模型的兴趣。
基于相对小波包熵脑网络和改进的套索
运动成像（MI）脑电图（EEG）信号具有较低的信噪比，这在特征提取和具有高分类精度的特征选择方面带来了挑战。在这项研究中，我们提出了一种方法，该方法将改进的套索与缓解f结合起来，以提取小波数据包熵特征和大脑功能网络的拓扑特征。用于信号降解和通道过滤，根据r 2映射对原始MI EEG进行过滤，然后使用小波软阈值和一对一的多级多级得分公共空间模式算法。随后，提取了大脑网络的相对小波数据包熵和相应的拓扑特征。在特征融合后，杂种类和浮雕法被应用用于特征选择，然后分别是三个分类器和一个集合分类器。实验是在两个公共脑电图数据集（BCI竞争III数据集IIIA和BCI竞争IIA IIA）上进行的，以验证此提出的方法。结果表明，大脑网络拓扑特征和特征选择方法可以更有效地保留脑电图的信息并降低计算复杂性，并且两个公共数据集的平均分类精度均高于90％。因此，该算法适用于MI-BCI，并且在康复和其他领域具有潜在的应用。
通过联合...融合多视图功能脑网络
摘要：背景：基于静息态功能磁共振成像（rs-fMRI）的功能性脑网络（FBN）在识别脑部疾病，如自闭症谱系障碍（ASD）方面显示出巨大的潜力。因此，近年来提出了许多FBN估计方法。现有的大多数方法仅从单一视角对大脑感兴趣区域（ROI）之间的功能连接进行建模（例如，通过特定策略估计FBN），无法捕捉大脑中ROI之间的复杂相互作用。方法：为了解决这个问题，我们提出通过联合嵌入融合多视角FBN，这可以充分利用通过不同策略估计的多视角FBN的共同信息。更具体地说，我们首先将用不同方法估计的FBN的邻接矩阵堆叠成一个张量，并使用张量分解来学习每个ROI的联合嵌入（即所有FBN的共同因子）。然后，我们使用 Pearson 相关性计算每个嵌入 ROI 之间的连接，以重建新的 FBN。结果：使用 rs-fMRI 数据在公共 ABIDE 数据集上获得的实验结果表明，我们的方法优于自动 ASD 诊断中的几种最新方法。此外，通过探索对 ASD 识别贡献最大的 FBN“特征”，我们发现了 ASD 诊断的潜在生物标志物。所提出的框架实现了 74.46% 的准确率，通常优于比较的单个 FBN 方法。此外，与其他多网络方法相比，我们的方法实现了最佳性能，即准确率提高了至少 2.72%。结论：我们提出了一种通过联合嵌入的多视图 FBN 融合策略，用于基于 fMRI 的 ASD 识别。从特征向量中心性的角度来看，所提出的融合方法有一个优雅的理论解释。
意识障碍：脑网络结构完整性的临床评估
1 意大利米兰 IRCCS 卡洛贝斯塔神经科学研究所基金会神经放射学部诊断与技术系 2 意大利都灵大学“Rita Levi Montalcini”神经科学系 3 意大利佛罗伦萨大学 A. Meyer 儿童医院放射学部 4 意大利米兰 IRCCS 米兰毛杰里临床科学研究所 5 意大利都灵大学心理学系 6 中国成都电子科技大学生命科学技术学院、神经信息教育部重点实验室 7 意大利米兰 IRCCS 卡洛贝斯塔神经科学研究所基金会神经生理学与诊断系、癫痫学部 8 意大利乌尔比诺卡洛博大学人文研究系 IRCCS 卡洛贝斯塔神经科学研究所基金会神经内科、公共卫生、残疾部门