XiaoMi-AI文件搜索系统
World File Search System静止状态
社论：认知神经科学中的EEG-FMRI应用
同时脑电图（EEG）和功能性磁共振成像（fMRI）是一种互补技术，被理想地将其作为与头皮EEG Fifings相关的大脑中精确定位区域的工具。经典方法评估了fMRI的血液氧合变化在时间上与电皮质事件相关，从而从fMRI的高空间分辨率和脑电图的高时间分辨率中获得了优势。EEG-FMRI的应用包括基本认知功能及其动力学的研究，决策，睡眠，静止状态网络，神经反馈，情感重点本地化，尤其是癫痫病。最近的研究说明了脑电图对神经网络定位的价值，以及该技术作为识别涉及不同任务和条件涉及的大脑区域的补充工具的应用正在增加。例如，由于单模块技术并未显示出与反馈刺激有关的区域的完全一致的大脑激活，因此最近的研究采用了EEG-FMRI融合技术来揭示这种情况下的大脑神经活动。该研究主题的目的是扩大EEG-FMRI的应用，并将方法从预处理到事件检测和分析。我们旨在提高对认知过程与静止状态网络之间关系的理解，认知过程的动态以及机器学习方法在脑电图或fMRI数据上的应用以及发现之间的关系。使用EEG-FMRI的认知神经科学中的方法和应用旨在强调用于研究有关认知涉及的心理过程的基本问题的最新实验技术和方法。
对医疗保健环境中无生命表面的基于微生物的抗菌消毒的批判性评估粪便样品中的DNA甲基化生物标志物静止状态fMRI研究
结果：与HC相比，患有AUVP的患者在双侧岛状，右前中前回，左下额回和右侧额叶和右侧额叶以及左小脑前叶中的ALFF显示较低的ALFF。使用这些异常大脑区域作为种子，我们观察到AUVP患者的左岛和左前神经间的FC降低。此外，AUVP患者在左岛和左辅助运动区域之间显示FC增加。相关分析的结果表明，左岛中的ALFF值（Z值）与运河负率值（p = 0.005，r = -0.483）和左Insular Procuneus之间的FC（Z-Value）负相关，左二液和左precuneus之间的FC（Z-Value）与DIZZNICESS HINDICAP INSTICAP INVENTORY CRECTORY CONTISTORY CRESTORY SECTER（p = 0.012），r = 0.43。
重症监护室中残留意识的多模式预测：Connect-Me研究
功能性MRI（fMRI）和EEG可能揭示意识障碍患者（DOC）的残留意识，这是由慢性文献的快速扩展的慢性文献所反映的。然而，尽管识别剩余意识是重症监护病房（ICU）临床决策的关键，但很少研究急性DOC。因此，前瞻性，观察性，第三级中心队列，IIB期研究“使用EEG和fMRI的神经严重护理队列研究中的意识研究”（Connect-ME，NCT02644265）的目的是评估fMRI和EEG的准确性，以评估fMRI和EEG的准确性，以识别ICU中急性文档中急性文档中的残留意识。在2016年4月至2020年11月之间，通过反复的临床评估（fMRI和EEG）检查了87例急性DOC患者，患有创伤性或非创伤性脑损伤。通过视觉分析，光谱频带分析和支持向量机（SVM）意识分类器评估静止状态的脑电图和外部刺激。此外，评估了针对规范静止状态fMRI网络的内部和区域内静止状态连接性。接下来，我们在研究入学时使用了EEG和FMRI数据，以两种不同的机器学习算法（随机森林和SVM与线性内核）区分以最低意识的状态或更高的（≥mcs）的患者与昏迷或无反应的醒目状态（≤UWS）的患者（≤UWS）在ICU中（或在ICU中）（或在ICU之前）（或在ICU之前）（或在ICU之前）在曲线下用面积（AUC）评估了预测性能。在研究入学人群中，87例DOC患者（平均年龄为50.0±18岁），女性为43％），51名（59％）为≤UWS，36（41％）为≥MC。三十一名（36％）患者在ICU中死亡，其中28例撤离生命疗法的患者。eeg和fMRI预测了研究入学和ICU出院时的意识，最大AUC为0.79（95％CI 0.77-0.80）和0.71（95％CI 0.77-0.80）。基于脑电图组合和fMRI组合的模型可预测研究入学率和ICU放电时的意识水平，最大AUC为0.78（95％CI 0.71-0.86）和0.83（95％CI 0.75-0.89），具有IM证明积极的预测值和敏感性。总体而言，机器学习算法（SVM和随机森林）的表现同样出色。总而言之，我们建议ICU中的急性DOC预测模型是基于fMRI和EEG特征的组合，无论使用的机器学习算法如何。
通过系统比较提取全脑动力学的可解释特征
图1。在这项研究中，我们系统地比较了从静止状态fMRI时间序列量化动力学模式的不同方式，重点介绍了局部区域动力学和跨四个神经精神疾病的成对耦合的统计。A.对于给定的静止状态fMRI体积（i），皮层和亚皮层分为各个区域，从中提取体素平均的粗体信号时间序列（II）。从这些数据中量化动力学模式的两种关键方法是：（iii）测量单个大脑区域动力学的特性（绿色）；或（iv）计算两对区域之间的统计依赖性（粉红色和蓝色）。B.为了评估fMRI时间序列数据集的不同类型的动态表示的性能（用于识别疾病与神经活动的相关变化），我们包括了四个源自两个开放式访问数据集的神经精神病学示例：UCLA CNP LA5C研究[50]和Abide II/II/II/II/II/II II/II研究[51，52，52，52，64）两个队列中的每个队列还包括用于比较的认知健康对照（UCLA CNP n = 116，Abide n = 578）。C.对于从fMRI数据集提取的每种动力结构（即，对于数据的每个基于功能的“表示”），我们计算了封装各种活动属性范围的可解释的时间序列特征。使用一组25个时间序列特征（Catch22特征集[65]以及平均值，SD和FALFF）从每个大脑区域量化了局部动力学特性。使用一组成对相互作用（SPI）的一组统计量对所有对区域之间的相互作用进行了量化，该统计数据包括PYSPI软件包中的代表性子集[29]。值。D.我们使用线性SVM分类器适合表示静止状态fMRI特性的五种不同方法来评估每种神经精神疾病的病例对照性能的性能：（i）所有25个单个区域序列特征在单个区域，一个区域，一个区域，一个区域； （ii）单个时间序列功能的全脑图，功能； （iii）所有25个单变量时间序列特征的全脑图，一个uni_combo； （iv）使用一个SPI，FC跨所有区域对的功能连接（FC）网络； （v）FC以及所有25个单变量的时间序列特征，该功能从所有大脑区域（UNI_COMBO）计算出，称为FC_COMBO。
EEG-FNIRS休息状态研究-NSF-PAR
摘要 - 目的：肌萎缩性侧索硬化症（ALS）是一种复杂的神经退行性疾病，会导致自愿肌肉控制的逐渐丧失。最近的研究报道了通过测量电生理或血管性神经动力学神经功能的单峰技术，对ALS中静止状态功能性脑网络的变化的变化有冲突。然而，迄今为止，尚无研究探索ALS静息状态大脑中同时的电和血管 - 血流动力学的变化。使用互补的多模式脑电图（EEG）和功能性近红外光谱（FNIRS）记录和分析技术，我们探索了ALS患者的基本多维神经贡献，可改变的振荡和功能连接性。方法：10名ALS患者和9个年龄匹配的对照在静止状态下进行了多模式的EEG-FNIRS记录。在两组中，两组中两种方式的静止状态功能连接性（RSFC）和功率谱进行了分析并在统计学上进行了比较。结果：在ALS中观察到alpha和beta带中的额叶额EEG连通性提高，并增加了额叶和右孔内FNIRS连接性的增加。额叶，中央和颞theta和αEEGEEG的功率在ALS中降低，顶叶和枕αEEGEEG功率也是如此，而ALS的额叶和顶叶血液动力学频谱功率则增加。的意义：这些结果表明，神经元网络中的电 - 血管破坏扩展到ALS患者的运动外区域，这些区域最终可以引入ALS的新型神经标记物，这些神经标志物可以进一步利用为诊断和预后工具。
EEG阶段可以在考虑到功率和信噪比之后的认知状态相似的准确性
EEG阶段越来越多地用于认知神经科学，大脑 - 计算机接口和闭环刺激设备。 但是，尚不清楚脑脑图在认知状态之间的准确性预测是多么准确。 我们终止了在11个公共数据集中的484名参与者中的parieto枕α波的EEG阶段预测准确性。 我们能够在各种认知条件和数据集中准确跟踪脑电图相位，尤其是在高瞬时α功率和信噪比（SNR）的时期。 尽管静止状态的精度通常高于任务状态，但绝对精度的差异很小，其中大多数差异归因于EEG功率和SNR。 这些结果表明，使用脑电图阶段的实验和技术应更多地集中于最大程度地减少外部噪声并等待高功率时期，而不是诱导特定的认知状态。EEG阶段越来越多地用于认知神经科学，大脑 - 计算机接口和闭环刺激设备。但是，尚不清楚脑脑图在认知状态之间的准确性预测是多么准确。我们终止了在11个公共数据集中的484名参与者中的parieto枕α波的EEG阶段预测准确性。我们能够在各种认知条件和数据集中准确跟踪脑电图相位，尤其是在高瞬时α功率和信噪比（SNR）的时期。尽管静止状态的精度通常高于任务状态，但绝对精度的差异很小，其中大多数差异归因于EEG功率和SNR。这些结果表明，使用脑电图阶段的实验和技术应更多地集中于最大程度地减少外部噪声并等待高功率时期，而不是诱导特定的认知状态。
更改低
父母患有躁郁症（BD）或重度抑郁症（MDD）的后代对这些疾病的生物学风险（HR）高，鉴于其显着的遗传力。因此，研究HR-MDD和HR-BD年轻人的神经相关性对于了解情绪障碍发作之前的发展至关重要。低率波动（ALFF）和分数ALFF（Falff）的静止状态幅度显示出中度至高测试可靠性，这使其成为识别生物标志物的好工具。但是，这条途径仍未得到探索。使用健康的脑网络生物库，我们确定了150名儿童和青少年HR-MDD，50 HR-BD和150个没有任何精神疾病的风险（即对照组）。然后，我们检查了静止状态期间相对Alff/Falff信号的差异。与对照组相比，在校正后的阈值中，参与者HR-MDD在背侧尾状核中显示较低的静息ALFF信号。与对照组相比，HR-BD组在原发性运动皮层中显示出FALFF值增加。因此，在可能与重要情绪障碍，即精神运动迟缓和躁动有关的地区中注意到了牢固的差异。在未校正的阈值下，在中央孔皮层和小脑中发现了差异。数据库是一个社区引用的队列，就儿童的心理诊断和症状学而言，可能改变了结果。alff和Falff的结果，用于比较HR组与对照组重叠的，表现出良好的收敛性。需要进行更多的研究，以测量HR中的ALFF/FALFF来补充这些结果。
基于重复的运动图像分类 -大规模系统中神经网络和信号处理的研究文章应用和进化
低频率振荡是人脑活动的重要属性，低频频率（ALFF）的幅度是一种反映低频振荡特征的方法，该方法已广泛用于治疗脑部疾病和其他领域。然而，由于当前分析方法的低频率信号提取ALFF的准确性较低，我们提出了基于傅立叶的同步脉冲转换（FSST），该转换（FSST）经常用于信号处理范围中，以提取整个时间尺寸的低频功率谱的ALFF。将提取信号的低频特性与通过静止状态数据的FS StandS快速傅立叶变换（FFT）进行比较。很明显，FSST提取的信号具有更低的频率特征，这与FFT显着不同。
迷幻5-HT2A受体激动剂：神经元...
迷幻药因迅速，持续的结果而对情绪障碍的治疗诺言。人类50神经影像学研究报告了51个功能性脑重组的剧烈5-羟色胺-2a受体 - （5-HT 2A R）依赖性变化，可能反映了神经调节。然而，血清素的有效52血管活性作用被忽略了。我们发现psilocybin介导的对人类53个fMRI-HRF的改变，表明可能改变了NVC。To assess the neuronal, hemodynamic, 54 and neurovascular coupling (NVC) effects of the psychedelic 5-HT 2A R agonist, 2,5-Dimethoxy-4- 55 iodoamphetamine (DOI), wide-field optical imaging (WFOI) was used in awake Thy1-jRGECO1a mice 56 during stimulus-evoked and静止状态条件。虽然DOI部分改变了基于任务的NVC，但在静止状态条件下发生了57个明显的NVC改变，在58个关联区域中最强。此外，钙和血液动力学活动报告了RSFC 59 DOI下的变化的不同说法。DOI和5-HT 2A R拮抗剂MDL100907的共同给药，逆转了60个效果。 神经元和血液动力学信号之间的解离强调了61在解释血氧依赖性依赖性62神经影像学指标时，需要考虑迷幻药的神经血管效应。 63DOI和5-HT 2A R拮抗剂MDL100907的共同给药，逆转了60个效果。神经元和血液动力学信号之间的解离强调了61在解释血氧依赖性依赖性62神经影像学指标时，需要考虑迷幻药的神经血管效应。63
大脑对自发思想的解码：使用个人叙述对自相关和价的预测建模
自发的思想为我们的内部状态和环境提供了宝贵的见解，但是由于其不受约束的性质，评估其内容和动态是具有挑战性的。我们通过为自发思想的两个关键内容维度（即自我相关性和价值）开发基于功能性MRI的预测模型来解决这一挑战。以个性化的叙述为刺激，我们唤起了类似于真实生活经验的认知和情感反应。我们的模型能够预测故事阅读和静止状态期间的自我相关性和价评分的水平，从而有助于基于大脑的白日梦解码。这些结果对理解个体差异和评估心理健康具有重要意义，阐明了对塑造我们主观经历的内部状态和环境的研究。