XiaoMi-AI文件搜索系统
World File Search System腹侧
ADHD患者的灵活奖励学习受损与腹侧纹状体和顶叶皮质中的钝化敏感性和神经信号有关
基于奖励的学习和决策是了解注意力缺陷多动障碍（ADHD）的症状的主要候选人。但是，只有有限的证据可用于多动症中所见变化的神经计算基础。这涉及动态变化的环境中的灵活行为适应，这对于患有多动症的人来说是具有挑战性的。先前的一项研究表明，青少年多动症的选择转换升高，伴随着内侧前额叶皮层中的学习信号。在这里，我们使用概率逆转学习实验（fMRI）研究了与年龄和性别匹配的对照（n = 17）相比，我们研究了ADHD（n = 17）的年轻人（n = 17）。任务需要持续学习，以指导灵活的行为适应变化的奖励意外事件。为了解开行为数据的神经计算基础，我们使用了加固学习（RL）模型，该模型为fMRI数据的分析提供了信息。ADHD患者的表现比对照组较差，尤其是在逆转之前的试验中，即奖励调解稳定时。这种模式是由“嘈杂”选择切换产生的，无论先前的反馈如何。RL建模显示，ADHD患者的负反馈降低了增强敏感性和增强的学习率。在神经水平上，这反映在ADHD中左后顶叶皮层中选择概率的降低表示。由于样本量相对较小，这些神经计算发现仍然是初步的。建模显示了对未选择选项的学习的边缘降低，这与学习信号的边缘减少相似，该学习信号纳入了左侧腹侧纹状体中的未选择选项。在一起，我们表明，多动症中的灵活行为受损是由于选择过度切换（“超灵活性”），这取决于学习环境，这可能是有害的或有益的。在计算上，这是由于对加强的敏感性而引起的，我们检测到了注意力控制网络中的神经相关性，特别是在顶叶皮层中。
多动症患者的灵活奖励学习受损与腹侧纹状体和顶叶皮质强化敏感性和神经信号减弱有关
个人如何从正面和负面的奖励反馈中学习并据此做出决策，可以通过强化学习的计算模型形式化（Sutton and Barto 1998）。RL 模型的核心是奖励预测误差 (RPE)，它反映了已实现奖励和预期奖励之间的差异。从神经上讲，预测误差由中脑多巴胺的阶段性释放发出信号（Hollerman and Schultz 1998，Schultz 2013），同时纹状体和其他大脑区域的神经活动也相应出现（Pine, Sadeh et al. 2018）。人类功能性神经影像学研究报告了中脑、纹状体和几个皮质区域中 RPE 的相关性（O'Doherty, Dayan et al. 2004，D'Ardenne, McClure et al. 2008，Daw, Gershman et al. 2011，Deserno, Huys et al. 2015）。 RL 神经行为相关性的个体差异确实与人类多种多巴胺测量方法有关，包括药理学操作（Pessiglione、Seymour 等人 2006 年、Westbrook、van den Bosch 等人 2020 年、Deserno、Moran 等人 2021 年）、神经化学正电子发射断层扫描 (PET)（Deserno、Huys 等人 2015 年、Westbrook、van den Bosch 等人 2020 年、Calabro、Montez 等人 2023 年）和特定基因型（Frank、Moustafa 等人 2007 年、Dreher、Kohn 等人 2009 年）。
腹侧视觉通路功能性近红外光谱在实际应用中的可行性研究
朱超哲 , g 和董明浩 a,b,c,* a 西安电子科技大学生命科学与技术学院，分子与神经影像教育部工程研究中心，西安，中国 b 西安电子科技大学生命科学与技术学院，西安 跨尺度生命信息智能感知与调控重点实验室，西安，中国 c 西安电子科技大学人工智能学院，智能感知与图像理解教育部重点实验室，西安，中国 d 西北工业大学外国语学院，西安，中国 e 中国人民解放军资金支付中心，北京，中国 f 西安电子科技大学电子工程学院，智能感知与图像理解教育部重点实验室，西安，中国 g 北京师范大学，认知神经科学与学习国家重点实验室，北京，中国
病毒追踪证实了旁黑质腹侧被盖区多巴胺能输入至脚间核，在此多巴胺释放编码动机性探索
中脑腹侧被盖区 (VTA) 的多巴胺能 (DAergic) 神经元受奖励刺激的刺激，并编码奖励预测误差以更新目标导向学习。然而，最近的数据表明，VTA DAergic 神经元在功能上是异质性的，在厌恶信号、显着性和新颖性方面发挥着新的作用，部分基于解剖位置和投射，突出了在动机行为中对 VTA DAergic 传出神经元库进行功能表征的必要性。先前的研究确定了一个由 VTA DAergic 神经元组成的中脑脚间回路，该回路投射到脚间核 (IPN)，一个与厌恶、焦虑样行为和熟悉感有关的中脑区域，但最近受到了质疑。为了验证该回路的存在，我们在多巴胺转运体-Cre 小鼠系中结合了突触前靶向和逆行病毒示踪。与以前的报告一致，突触示踪显示来自 VTA 的轴突终末支配尾部 IPN；而逆行示踪显示 DAergic VTA 神经元（主要位于旁黑质区域）投射到伏隔核壳以及 IPN。为了测试 IPN 中是否存在功能性 DAergic 神经传递，我们在 C57BL/6J 小鼠的 IPN 中表达了遗传编码的 DA 传感器 dLight 1.2，并使用光纤光度法在社交和焦虑样行为期间体内测量了 IPN DA 信号。我们观察到在对新但不熟悉的同类进行社交调查期间以及在探索高架十字迷宫的焦虑开放臂期间 IPN DA 信号增加。总之，这些数据证实了 VTA DAergic 神经元向 IPN 的投射，并暗示该回路参与了动机探索的编码。
大脑的腹侧视觉通路能计算物体的形状吗？
大量行为文献表明，人类的物体识别是由形状表征支持的，这种表征能够容忍物体外观的变化。这种“全局”形状表征是通过描述物体局部特征或结构的空间排列而不是特征本身的外观来实现的。然而，越来越多的证据表明，腹侧视觉通路（物体识别的主要基础）可能并不代表整体形状。相反，腹侧表征可能更适合描述为局部图像特征的基础集。我们认为，这一证据迫使人们重新评估腹侧通路在物体感知中的作用，并提出了一个更广泛的形状感知网络，其中包括来自背侧通路的贡献。
帕金森病患者接受丘脑底部深部脑刺激后，前腹侧纹状体多巴胺转运体增加，运动恢复增强
1 日本滨松大学医学院神经外科；2 日本岩田丰田荣成医院神经外科；3 中国深圳中山大学附属第八医院神经内科；4 日本滨松 JA 静冈光诚连远州医院神经外科；5 日本滨松大学医学院精神病学和神经内科；6 日本静冈癫痫和神经疾病研究所神经内科；7 日本滨松大学医学院神经内科；8 日本滨松医学光子学基金会滨松 PET 成像中心；9 日本滨松大学医学院杰出医学光子学教育与研究中心生物功能成像系
背侧流和腹侧流之间及内部白质束的发育
摘要 几十年来，多个科学领域一直在讨论腹侧和背侧视觉流之间的相互作用程度。最近，由于自动化和可重复方法的进步，研究直接连接与背侧和腹侧流相关的皮质区域的几种白质束已成为可能。这组束（此处称为后垂直通路 (PVP)）的发育轨迹尚未描述。我们提出了一种输入驱动的白质发育模型，并通过关注 PVP 的发育为该模型提供证据。我们使用可重复的云计算方法和成人和儿童（5-8 岁）的扩散成像来比较 PVP 的发育与腹侧和背侧通路内的束的发育。PVP 微结构比背侧流微结构更像成人，但比腹侧流微结构更不像成人。此外，PVP 微结构与腹侧流的微结构比背侧流的微结构更相似，并且可以通过儿童在感知任务中的表现来预测。总体而言，结果表明 PVP 在背侧视觉流的发展中发挥了潜在作用，这可能与其在学习过程中促进腹侧流和背侧流之间相互作用的能力有关。我们的结果与提出的模型一致，表明主要白质通路的微结构发展至少在一定程度上与视觉系统内感觉信息的传播有关。
背侧流和腹侧流之间及内部白质束的发育
摘要 几十年来，多个科学领域一直在讨论腹侧和背侧视觉流之间的相互作用程度。最近，由于自动化和可重复方法的进步，研究与背侧和腹侧流相关的皮质区域直接连接的几种白质束已成为可能。这组束（此处称为后垂直通路 (PVP)）的发育轨迹尚未描述。我们提出了一种输入驱动的白质发育模型，并通过关注 PVP 的发育为该模型提供证据。我们使用可重复的云计算方法和成人和儿童（5-8 岁）的扩散成像来比较 PVP 的发育与腹侧和背侧通路内的束的发育。PVP 微结构比背侧流微结构更像成人，但比腹侧流微结构更不像成人。此外，PVP 微结构与腹侧流的微结构比背侧流的微结构更相似，并且可以通过儿童在感知任务中的表现来预测。总体而言，结果表明 PVP 在背侧视觉流的发展中发挥了潜在作用，这可能与其在学习过程中促进腹侧流和背侧流之间相互作用的能力有关。我们的结果与提出的模型一致，表明主要白质通路的微结构发展至少在一定程度上与视觉系统内感觉信息的传播有关。
蛋白质的食欲驱动腹侧对齐相关的腹侧对段落区域神经活动的差异
致谢：作者承认莱斯特大学临床前研究机构生物医学服务部的帮助和支持，以提供技术支持和对实验动物的照顾。作者要感谢Vaibhav Konanur开发了用于纠正荧光痕迹的分析方法，Leon Lagnado用于初始光度法实验中使用的友善借贷设备，以及Andrew Macaskill和Andrew Macaskill进行有关分析的有用讨论。这项工作由生物技术和生物科学研究委员会资助[授予J.E.M.的BB/M007391/1。]，欧洲委员会[授予J.E.M.的GART＃631404]，Leverhulme Trust [授予＃RPG-2017-417 to J.E.M.和J.A-S。]和TromsøResearchFoundation [授予J. E. M.的19-SG-JMCC）。
腹侧视觉流的无监督神经网络模型
深层神经网络目前提供了整个灵长类动物腹视觉流中神经元反应模式的最佳定量模型。然而，作为腹侧流的开发模型，此类网络仍然令人难以置信，部分原因是它们是经过超级可见的方法培训的，需要比婴儿在发育过程中可以使用更多标签的方法。在这里，我们报告说，无监督学习的最新进展在很大程度上缩小了这一差距。我们发现，在多个腹侧视觉皮质皮质区域中，神经网络模型以深层的对比性嵌入方法获得了神经预测的准确性，该区域等于或超过了使用当今最佳监督方法得出的模型，并且这些神经网络模型的映射是神经层在整个通风流中的神经层。令人惊讶的是，我们发现这些方法即使仅接受从头部安装的相机收集的实际人类儿童发育数据进行训练，即使这些数据集很嘈杂且有限，也会产生类似的表示形式。我们还发现，半佩里的深层对比嵌入可以利用少量标记的示例来产生代表，具有大大改善人类行为的错误模式一致性。综上所述，这些结果说明了无监督学习的使用，以提供穆尔氏皮质脑系统的定量模型，并为灵长类动物感觉学习的生物学上合理的计算理论提供了强有力的候选者。