XiaoMi-AI文件搜索系统
World File Search System静息
使用机器学习对患有 ADHD 的成年患者进行任务相关和静息状态脑电图分类
摘要 —注意力缺陷多动障碍 (ADHD) 是一种普遍的心理障碍，其特征是注意力缺陷和高度冲动，影响成人和儿童。本研究旨在评估任务相关脑电图 (EEG) 和静息状态脑电图在区分成年 ADHD 患者和健康对照者方面的有效性。机器学习技术用于根据脑电图特征对患者的状态进行分类。本研究的主要目的是确定在停止信号任务招募抑制过程中记录的任务型脑电图数据的分类性能是否优于静息状态脑电图数据。我们假设基于任务的脑电图数据包含与抑制控制相关的有价值的生物标志物，可用于检测 ADHD，而静息状态脑电图数据不具备这种有用的生物标志物。索引词 —ADHD、分类、机器学习、脑电图
静息态功能连接评估 18 个月生活方式干预后体重减轻对脑年龄的影响
背景：肥胖会对多个身体系统产生负面影响，包括中枢神经系统。回顾性研究通过神经影像学估计实际年龄发现肥胖患者的大脑衰老加速，但尚不清楚生活方式干预后减重对这一估计有何影响。方法：在一项对饮食干预随机对照试验多酚未加工研究 (DIRECT-PLUS) 的 102 名参与者的子研究中，我们测试了 18 个月生活方式干预后减重对基于磁共振成像 (MRI) 评估的静息态功能连接 (RSFC) 预测大脑年龄的影响。我们进一步研究了多种健康因素（包括人体测量、血液生物标志物和脂肪沉积）的动态变化如何解释大脑年龄的变化。结果：为了建立我们的方法，我们首先证明我们的模型可以成功地根据三个队列（n=291；358；102）的 RSFC 预测实际年龄。然后我们发现，在 DIRECT-PLUS 参与者中，体重减轻 1% 会导致大脑年龄衰减 8.9 个月。经过 18 个月的干预后，大脑年龄的衰减与肝脏生物标志物的改善、肝脏脂肪的减少以及内脏和深层皮下脂肪组织的减少显着相关。最后，我们表明，减少加工食品、糖果和饮料的消费与大脑年龄的衰减有关。结论：生活方式干预后成功减肥可能对大脑衰老的轨迹产生有益的影响。资金：德国研究基金会 (DFG)、德国研究基金会 - 项目编号 209933838 - SFB 1052；B11、以色列卫生部拨款 87472511（给 I Shai）；以色列科技部拨款 3-13604（给 I Shai）；以及加州核桃委员会 09933838 SFB 105（给 I Shai）。
根据 EEG 和 FNIRS 信号进行静息状态脑连接分析
摘要。当代神经科学高度关注机器学习和网络分析的协同使用。事实上，网络神经科学分析大量利用了聚类指标和统计工具。在这种情况下，功能性近红外光谱 (fNIRS) 和脑电图 (EEG) 的综合分析提供了有关大脑电和血流动力学活动的互补信息。证据支持神经血管耦合介导大脑处理的机制。然而，人们对这些技术如何表示特定的神经活动模式还不太了解。在这里，我们使用源空间分析和图论方法，研究了同步 EEG 和 fNIRS 连接组之间、跨频带的静息状态大脑功能网络的拓扑特性。我们观察到，在全局级别分析中，两种模态的小世界拓扑网络特征。边缘分析指出，与 EEG 相比，氧合血红蛋白的半球间连接性增强，且各个频带没有差异。我们的结果表明，从 fNIRS 中提取的图形特征可以反映神经活动的短程和长程组织，并且能够表征静息状态下的大规模网络。需要进一步开发两种模态的综合分析，以充分利用每种模态的附加值。然而，本研究强调，可以采用多模态源空间分析方法来研究健康静息状态下的大脑功能，从而为未来在任务和病理学中的工作奠定基础，并有可能获得神经系统疾病的新型综合生物标志物。
使用混合静息态结构连接组增强全脑动态模拟
摘要 人脑由数十亿个神经元和突触连接组成，是一个复杂的网络，协调着大脑区域之间兴奋和抑制活动的复杂平衡。兴奋和抑制之间的动态平衡对于调整皮质网络中的神经输入/输出关系以及调节其对刺激的反应动态范围至关重要。为了使用连接组学推断这种平衡，我们最近引入了一个基于 Ising 模型的计算框架，该模型最初是为解释铁磁体中的相变而开发的，并提出了一种新型的混合静息态结构连接组 (rsSC)。在这里，我们表明，基于 Kuramoto 相位振荡器的生成模型可用于模拟以 rsSC 作为耦合权重系数的静态和动态功能连接组 (FC)，这样与使用传统结构连接组模拟的 FC 相比，模拟的 FC 与观察到的 FC 很好地一致。模拟是使用高性能计算基础设施上的开源框架虚拟大脑执行的。
使用静息态功能磁共振成像延迟数据对儿童癫痫的机器学习分类器进行比较
摘要。癫痫是最常见的儿科慢性神经系统疾病，每 150 名 10 岁以下儿童中就有 1 名患有癫痫；癫痫发作控制不佳会不可逆转地破坏正常的大脑发育。本研究比较了使用静息态功能性磁共振成像 (rfMRI) 延迟数据训练的不同机器学习算法检测癫痫的能力。对 63 名癫痫患者和 259 名健康对照者进行了术前 rfMRI 和解剖 MRI 扫描。分析了癫痫和健康对照队列的延迟 z 分数的正态分布，以确定 36 个种子区域的重叠情况。在这些种子区域中，研究队列之间的重叠范围为 0.44-0.58。使用主成分分析从延迟 z 分数图中提取机器学习特征。使用这些特征训练了极端梯度提升 (XGBoost)、支持向量机 (SVM) 和随机森林算法。受试者工作特征曲线下面积 (AUC)、准确度、灵敏度、特异性和 F1 分数
从儿童到青少年时期静息状态功能连接的年龄相关差异
人脑在静息时处于活动状态，功能性 MRI BOLD 信号的自发波动揭示了大脑的内在功能结构。在儿童期和青少年期，功能网络会经历不同的成熟模式，网络内和网络间功能连接的测量值会随着年龄的增长而不同。然而，这些发展模式的许多方面（例如轨迹形状和方向性）仍未解决。在本研究中，我们从一个大型横断面样本中描述了网络内和网络间静息态功能连接（rsFC）和整合（即参与系数，PC）的年龄相关差异，该样本来自正在开发的生命周期人类连接组项目（Lifespan Human Connectome Project）。我们发现证据表明，皮质、皮质下和小脑 rsFC 以及整合存在线性和非线性差异，并且随年龄而变化。此外，我们发现性别调节年龄和壳核整合之间的关系，其中与女性相比，男性的壳核 PC 表现出与年龄相关的显着增加。综上所述，这些结果为发育过程中某些大脑系统存在复杂、非线性的差异提供了证据。
静息态大脑动态
早期生活压力 (ELS) 和重度抑郁症 (MDD) 具有共同的神经网络异常。然而，尚不清楚 ELS 和 MDD 如何单独和/或共同与大脑网络相关，以及患有和不患有 ELS 的抑郁症患者之间是否存在神经差异。此外，先前的研究评估了静态与动态网络属性，这是一个关键的空白，因为大脑网络会随着时间的推移显示协调活动的变化。71 名未接受药物治疗的女性，有或没有童年性虐待 (CSA) 史和/或 MDD，完成了静息状态扫描和压力任务，其中收集了皮质醇和情感评分。检查了重复的功能网络共激活模式 (CAP)，并计算了 CAP 中的时间（每个 CAP 表达的次数）和转换频率（不同 CAP 之间的转换）。检查了 MDD 和 CSA 对 CAP 指标的影响，并将 CAP 指标与抑郁和压力相关变量相关联。结果表明，MDD 与 CAP 指标相关，但 CSA 与 CAP 指标无关。具体而言，与 HC（N = 36）相比，患有 MDD（N = 35）的个体在后默认模式 (DMN)-额顶网络 (FPN) CAP 中花费的时间更多，并且在后 DMN-FPN 和原型 DMN CAP 之间转换的频率更高。在各个组中，在后 DMN-FPN CAP 中花费的时间越多，DMN-FPN 和原型 DMN CAP 转换频率越高，反刍的频率就越高。DMN 和 FPN 之间的不平衡似乎是 MDD 的核心，可能导致与 MDD 相关的认知功能障碍，包括反刍。出乎意料的是，CSA 并没有调节此类功能障碍，这一发现需要在未来样本量更大的研究中进行复制。
使用前额叶静息态测试筛查阿尔茨海默病......
结果：我们已经证明，从少数前额叶位置进行的静息状态 fNIRS 记录为检测 AD 和监测其进展提供了一种有前途的方法。首先使用高密度连续波 fNIRS 系统来验证 AD 患者前额叶皮质区域相对较低的血流动力学活动。通过使用氧合血红蛋白浓度变化的发作平均标准差作为输入支持向量机的特征；我们随后表明，光学通道子集在预测 AD 的存在和严重程度方面的准确性明显高于偶然性。结果表明，AD 可以用 0.76 的敏感度得分和 0.68 的特异性得分来检测，而 AD 的严重程度可以用 0.75 的敏感度得分和 0.72 的特异性得分（≤ 5 个通道）来检测。
静息态功能连接对中风后上肢功能结果的影响：一项功能性近红外光谱研究
方法：纳入 49 名患有皮质下病变的亚急性（2 周 − 6 个月）脑卒中患者，根据 FMA-UE 评分分为三组：轻度损伤（n = 17）、中度损伤（n = 13）和重度损伤（n = 19）。所有患者均接受 FMA-UE 评估和 10 分钟静息态 fNIRS 监测。在 7 个 ROI 上记录 fNIRS 信号：双侧背外侧前额皮质（DLPFC）、中部前额皮质（MPFC）、双侧初级运动皮质（M1）和双侧初级体感皮质（S1）。通过每个通道与每个 ROI 对之间的相关系数计算功能连接（FC）。为了揭示三组之间 FC 的综合差异，我们比较了组水平和 ROI 水平的 FC。此外，为了确定不同 ROI 之间的 FMA-UE 评分与 RSFC 之间的关联，我们进行了 Spearman 相关性分析，显著性阈值为 p < 0.05。为了便于比较，我们在 MATLAB R2013b 中将左半球定义为同侧半球，并将病变右半球翻转。
识别静息态神经振荡功率与特质焦虑之间具有最大关联的空间模式
摘要 焦虑影响着全球大约 5-10% 的成年人口，给卫生系统带来了沉重的负担。尽管焦虑无处不在，并且对身心健康产生影响，但大多数受焦虑影响的人都没有得到适当的治疗。精神病学领域的当前研究强调需要识别和验证与这种疾病相关的生物标记。神经生理学临床前研究是一种确定大脑节律的主要方法，可以作为焦虑主要特征的可靠标记。然而，虽然神经影像学研究一致表明前额叶皮层和皮层下结构（如杏仁核和海马）与焦虑有关，但对于导致这种疾病的潜在神经生理过程仍缺乏共识。允许非侵入性记录和评估皮质处理的方法可能有助于识别可用作干预目标的焦虑特征。在本研究中，我们将源功率共调节 (SPoC) 应用于具有不同程度焦虑特质的参与者样本的脑电图 (EEG) 记录。 SPoC 的开发是为了寻找空间滤波器和模式，这些滤波器和模式的功率与个体参与者的外部变量共同调节。所获得的模式可以从神经生理学角度进行解释。在这里，我们将 SPoC 的使用扩展到多受试者环境，并使用具有真实头部模型的模拟数据测试其有效性。接下来，我们将 SPoC 框架应用于 43 名人类参与者的静息状态脑电图，这些参与者的特质焦虑评分可用。SPoC 对窄频带数据的受试者间分析揭示了具有神经生理学意义的 θ 波段（4-7 Hz）空间模式，这些模式与焦虑呈负相关。结果特定于 θ 波段，在 alpha（8-12 Hz）或 beta（13-30 Hz）频率范围内未观察到。θ 波段空间模式主要位于额上回。我们讨论了我们的空间模式结果对于寻找焦虑生物标志物的相关性及其在神经反馈研究中的应用。