XiaoMi-AI文件搜索系统
World File Search System连通性
基于大脑连通性的现实生活创造力预测由语义记忆结构介导
创造力的联想理论认为，创造性认知涉及产生远距离联想的能力，以及在语义记忆中不相关的概念之间建立有用联系的能力。然而，现实生活中的创造性行为是否以及如何依赖于语义记忆结构及其神经基础仍不清楚。我们在参与者接受语义相关性判断任务时获取了多回波功能磁共振成像数据。这些评级用于估计他们各自的语义记忆网络，其属性可显著预测他们现实生活中的创造力。使用连接组预测建模方法，我们确定了基于任务的功能连接模式，这些模式可预测与创造力相关的语义记忆网络属性。此外，这些属性介导了功能连接与现实生活中的创造力之间的关系。这些结果为大脑连接模式如何通过语义记忆结构支持现实生活中的创造性行为提供了新的见解。我们还展示了如何使用计算网络科学来结合行为、认知和神经层面的分析。
人类连接组的定向连通性的全脑估计
了解人脑是我们这个时代的主要科学挑战。来自非侵入性神经技术数据的分析方法的进步为研究人脑提供了前所未有的机会（Friston，2009； Poldrack和Farah，2015）。尤其是，针对功能磁共振成像（fMRI）数据量身定制的系统模型使研究人类大脑作为互连神经元种群的动态系统（Park and Friston，2013）。这助长了全脑连接学的出现，这是一门年轻的学科，这对于理解大脑的组织原理并在网络神经科学中起着核心作用至关重要（Bassett and Sporns，2017年）。自“ Connectome”一词最初是引入的（Hagmann，2005; Sporns等，2005），因此该领域的发展迅速，现在是Neuroscience中最充满活力的学科之一（Craddock等，2013）。连接组学的目标之一是涵盖整个神经系统的神经元连接的综合图。开创性成就包括秀丽隐杆线虫（White等，1986）或
使用静止状态脑电图数据的有效连通性诊断精神分裂症
摘要：精神分裂症是一种与神经生物学作用相关的严重精神疾病。即使任务期间的大脑活动（即P300活动）被认为是诊断精神分裂症的生物标志物，但静止的大脑活动也有可能表现出精神分裂症中固有的功能障碍，并且可以用来了解这些患者的认知识别。在这项研究中，我们根据眼睛开发了一种机器学习算法（MLA），基于闭合静止状态脑电图（EEG）数据集，该数据集记录了在任何任务或外部刺激的情况下记录神经活动，旨在将其与健康的对照（SCZS）与健康对照（HCS）区分开来。MLA有两个步骤。在第一个步骤中，符号转移熵（Ste）是有效连通性的量度，将其应用于静止状态的脑电图数据。在第二步中，MLA使用Ste矩阵来找到一组可以成功区分SCZ与HC的功能。从结果来看，我们发现MLA可以达到96.92％的总准确度，敏感性为95％，特定的特定级别为98.57％，精度为98.33％，F1得分为0.97，仅为0.97，Matthews相关（MCC）仅使用0.94的特征，该特征是10 nirs fefters to thers to thers to thers to thers to thers to thers to thers to thers thers thers to thers to n of to thers thers thers thers thers thers to n of thers to n of thers to n.静止状态的脑电图数据可能是精神分裂症临床诊断的有前途的工具。
海马 - 枕骨连通性反映了佛塔的自传记忆缺陷
1图像强度用于描述双眼竞争任务的结果，而精神成像的生动性用于描述VVIQ的结果。尽管这两个任务都是相关的，但VVIQ测量了生动，而双眼竞争任务的维度却没有明确定义。
原始调查|大脑微观结构和功能连通性与认知结果和产后生长
p <.05 a，在右sloc的种子区域进行事后种子到素的分析，该区域在峰值坐标处的多伏氧化 - 多毒素模式分析。该分析表明，在产后生长失败（PGF）的儿童中，SLOC和双侧上顶叶（SPL）（SPL）（红色和黄色簇）之间的功能连通性降低。颜色栏表示组间差异的F统计量，阈值在p <.001和错误的发现率校正（p <.05）。b，功能连接性是从SLOC作为种子到以下区域的：左SPL（L Spl），右SPL（R Spl），左SLOC（L SLOC），右下颞下流（R ITG），左额极（L fp），左侧额极（L FP），左下枕层（左下）侧面枕皮层（L ILOC）和左侧左侧（liLoc）和左侧（左侧）和左侧（lus）和lus（lus）。错误条表示SDS。
有关数据协调，连通性和AI药物发现模型的新观点
生物学的核心是一个复杂的系统。复杂的系统是由彼此相互作用和以多种方式相互作用的组件组成的。这些相互作用使研究组件和隔离很难通过仅检查其组成元素来推断系统的整体行为（例如，试图通过研究单个神经元来推断大脑网络活动）来推断系统的行为。这些相互作用引起了出现，其中复杂系统的性质通常与其组成部分的特性大不相同（例如，蛋白质可能仅具有不同的行为，而不是在细胞中特定功能中的复合物中具有不同的行为）。规模的概念和解决该规模所需的各种模型对于理解为什么难以预测生物学的原因至关重要。它需要新的模型，数据和思维方式，从构成部分的较低尺度转移到系统的较高尺度。
使用概率神经网络解码脑电图运动图像的有效连通性
摘要：在过去几年中，基于运动图像（MI）的大脑 - 计算机界面引起了很多关注。他们提供了通过使用大脑活动来控制外部设备的能力，例如假肢和轮椅。一些研究人员报告了运动任务期间多个大脑区域的交流，因此很难隔离发生运动活动的一个或两个大脑区域。因此，对大脑神经模式的更深入的了解对于BCI来说很重要，以便提供更有用和有见地的特征。因此，大脑连接性提供了一种有希望的方法，可以通过在运动想象中考虑通道间/区域关系来解决所述的缺点。这项研究以部分定向相干性（PDC）和定向传递函数（DTF）为大脑中的有效连通性，作为运动成像（MI）分类的非常规的特征集。进行了基于MANOVA的分析以识别统计上显着的连接对。此外，该研究试图通过使用四种分类算法（SVM，KNN，决策树和概率神经网络）来预测MI模式。研究使用从Physionet EEG数据库中提取的两类MI数据对所有分类方法进行了比较分析。基于概率神经网络（PNN）作为分类器和PDC作为特征集的提议技术优于其他分类，并且具有较高分类精度和较低差异率的其他分类和提取技术。研究发现表明，当PDC用作特征集时，PNN的总体平均准确性最高98.65％，而同一分类被用于达到DTF的最大精度为82.81％。本研究通过与常规特征相比，通过大脑连通性获得更好的分类结果来验证运动任务期间多个大脑区域的激活。由于PDC的表现优于DTF作为具有出色分类精度和低误差率的特征集，因此它具有在基于MI的脑部计算机接口中应用的巨大潜力。
母亲童年虐待：与后代脑容量和白质连通性的关系
1 美国纽约哥伦比亚大学欧文医学中心/纽约州精神病学研究所精神病学系；2 美国哥伦比亚市南卡罗来纳大学统计学系；3 美国华盛顿州美国科学家联合会华盛顿分校；4 美国巴尔的摩市约翰霍普金斯大学电气与计算机工程系；5 美国纽约哥伦比亚大学心理学系；6 美国密尔沃基 Advocate Aurora Health；7 美国宾夕法尼亚州费城托马斯杰斐逊大学神经内科系；8 巴西圣保罗联邦大学精神病学系；9 巴西圣保罗联邦大学儿科学系；10 巴西圣保罗联邦大学妇科学系； 11 美国加利福尼亚州洛杉矶南加州大学精神病学系和 12 美国北卡罗来纳州达勒姆杜克大学精神病学系
塔斯马尼亚的连通性：力量的源泉还是沉默的工具？
该项目总理和内阁部 (DPAC) 领导国家服务部门支持政府为塔斯马尼亚社区实现最佳结果。他们通过与所服务的社区和整个公共服务部门合作来实现这一目标。在调查结果及其对塔斯马尼亚文化的见解发布后，DPAC 寻求更好地了解塔斯马尼亚社区的积极和消极联系体验。目标是利用这些见解为未来政策提供信息，以有效解决该州的社会问题。特别关注儿童性虐待，以响应调查结果第 5.2 章文化和建议 19.12 1。为此，DPAC 与塔斯马尼亚品牌合作，并聘请 Folket Consultancy 团队开展研究。