首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    从清醒到睡眠的动态功能连接

    近年来,fMRI对时间分辨连通性的研究发展迅速。研究连接性随时间变化的最广泛使用的技术是滑动窗口方法。对于短窗与长窗的效用,固定窗与自适应窗的使用,以及在清醒状态下观察到的静息状态动态是否主要是由于睡眠状态和受试者头部运动的变化,一直存在一些争论。在这项工作中,我们使用了一个基于独立成分分析(ICA)的流程,将其应用于并发的清醒和不同睡眠阶段收集的脑电图/功能磁共振成像数据,并显示:1)从静息态时间过程的滑动窗相关的聚类得到的连接状态可以很好的分类从脑电图数据获得的睡眠状态,2)使用较短的滑动窗口代替非重叠窗口提高了捕获转变动力学的能力,即使在30s的窗长,3)运动似乎主要与一种状态相关,而不是分散在所有状态,4)固定的锥形滑动窗口方法优于自适应动态条件相关方法,5)与之前的EEG/fMRI工作一致,我们在清醒状态下识别多种状态的证据,这些证据能够被高度准确地分类。仅清醒状态的分类表明,除了睡眠状态或运动外,fMRI数据中连通性的时变变化也存在。结果也告知了有利的技术选择,和觉醒内不同集群的识别建议这一方向需要进一步研究。

    00

    系统架构师论文-论中间件在SIM卡应用开发中的作用

    我曾于近期参与过一个基于SIM卡应用的开发项目,并在项目中担任系统分析的工作。在分析过程中,我们依据面向対象方法対系统进行了划分,其中许多的模块已有成熟的中间件产品可供使用。我们选择中间件产品的标准是:功能、性能、封闭性、独立性、可扩充性、是否标准化等(或是否是主流产品)、跨平台性、话语害性,以及中间件的大小和价位,并且面向対象的优于面向功能的。 由于复用了大批的中间件,使得项目工作重大大减少,开发周期明显缩短,并且在项目的编码部分,我们也尽量制作自己的中间件,以便在以后复用,或以恰当的形式销售,増加公司的利润。 自己设计中间件,菖先要做领域分析,以确定其价值,并依据上述原则开发。产品形成后,要由管理系统负责中间件产品的存储、描述、資询、发布以及动态雄护、版本控制等。

    01

    分段长度对EEG功能连接和脑网络组织的影响

    图论和网络科学工具揭示了静息状态脑电分析中脑功能组织的基本机制。然而,仍不清楚几个方法学方面如何可能使重构的功能网络的拓扑产生偏差。在此背景下,文献显示所选分段的长度不一致,阻碍了不同研究结果之间的有意义的比较。本研究的目的是提供一种不受分段长度对功能连通性和网络重建影响的网络方法。采用不同时间间隔(1、2、4、6、8、10、12、14和16s)对18名健康志愿者的静息状态脑电图进行相位滞后指数(PLI)和振幅包络相关(AEC)测量。通过计算加权聚类系数(CCw)、加权特征路径长度(Lw)和最小生成树参数(MST)对网络拓扑进行评估。分析在电极和源空间数据上进行。电极分析结果显示,PLI和AEC的平均值都随着分段长度的增加而降低,PLI在12s和AEC在6s有稳定的趋势。此外,CCw和Lw表现出非常相似的行为,基于AEC的指标在稳定性方面更可靠。一般来说,MST参数在短时间内稳定,特别是基于PLI的MST (1-6 s,而AEC为4-8 s)。在源水平,结果更加可靠,基于PLI的MST的结果稳定可以达到1 s。这表明,PLI和AEC都依赖于分段长度,这对重建的网络拓扑结构有影响,特别是在电极上。源水平的MST拓扑对分段长度的差异不敏感,因此可以对不同研究的脑网络拓扑进行比较。本文发表在Journal of Neural Engineering杂志。

    02

    功能连接作为框架来分析脑环路对fMRI的贡献

    近年来,功能性神经成像的研究领域已经从单纯的局部化研究孤立的脑功能区域,转向更全面地研究功能网络中的这些区域。然而,用于研究功能网络的方法依赖于灰质中的局部信号,在识别支持脑区域间相互作用的解剖环路方面是有限的。如果能绘制大脑各区域之间的功能信号传导回路,就能更好地理解大脑的功能特征和功能障碍。我们开发了一种方法来揭示大脑回路和功能之间的关系:功能连接体Functionnectome。Functionnectome结合功能性核磁共振成像(fMRI)的功能信号和白质回路解剖,解锁并绘制出第一张功能性白质地图。为了展示这种方法的通用性,我们提供了第一张功能性白质图,揭示了连接区域对运动、工作记忆和语言功能的共同贡献。Functionnectome自带一个开源的配套软件,并通过将该方法应用于现有的数据集和任务fMRI之外,开辟了研究功能网络的新途径。

    02

    静息态下大脑的动态模块化指纹

    摘要:人脑是一个动态的模块化网络,可以分解为一系列模块,其活动随时间不断变化。静息状态下,在亚秒级的时间尺度上会出现几个脑网络,即静息态网络(RSNs),并进行交互通信。本文尝试探究自发脑模块化的快速重塑及其与RSNs的关系。三个独立的健康受试者静息态数据集(N=568),对其使用脑电/脑磁图(EEG/MEG)来探究模块化脑网络的动态活动。本文证实了RSNs的存在,且其中一些网络存在分裂现象,尤其是默认模式网络、视觉、颞区和背侧注意力网络。本文也证明了心理意象中的个体间差异与特定模块的时间特征有关,尤其是视觉网络。综上所述,本文的研究结果表明大规模电生理网络在静息态时具有依赖模块化的动态指纹。

    03

    静息态脑功能连接可以反应个体是否诚实(不诚实)

    社会不良行为(如不诚实)的决定因素的测量是复杂的,并被社会可取性偏见所掩盖。为了克服这些偏见,我们在静息状态功能连接模式上使用了基于连接体的预测模型(CPM),并结合了一项不显著地衡量自愿作弊的新任务,以获得(不诚实)的神经认知决定因素。具体来说,我们调查了休息时大脑中任务独立的神经模式是否可以用来预测(不诚实)行为的倾向。我们的分析显示,在一个独立的样本中,功能连接,尤其是与自我参照思维(vmPFC、颞极和PCC)和奖励处理(尾状核)相关的大脑网络,与参与者的作弊倾向可靠地相关。作弊次数最多的参与者在冲动的几个自我报告中得分也最高,这强调了我们结果的普遍性。值得注意的是,当比较神经测量和自我报告测量时,发现神经测量在预测作弊倾向方面更重要。

    02

    重磅综述:阿尔茨海默病的神经振荡和脑刺激

    衰老与认知过程和大脑神经生理学的改变有关。虽然遗忘性轻度认知障碍(aMCI)的主要症状为与较同等年龄和教育水平的人表现出记忆问题,但阿尔茨海默病(AD)患者除了记忆功能障碍外,还表现出其他认知方面的障碍。生理衰老的静息脑电图(rsEEG)表现出整体上低频振荡功率增加,alpha波活动减少和减缓。然而,AD的rsEEG主要表现为慢振荡增加,快振荡减少,以及大脑功能连接受损。最近对啮齿动物的研究,在静息脑振荡中与年龄和AD相关的变化,和通过gamma波段刺激的大脑刺激技术的神经保护效应同样存在于人类中。总之,目前的研究集中于优化rsEEG特征,将其作为aMCI患者转换为AD患者的预测因子,并了解脑刺激治疗后的神经变化。本文综述了生理衰老、aMCI和AD中rsEEG振荡变化的最新研究,以及来自人类和非人类研究的各种脑刺激发现。

    01

    任务和静息态下脑网络整合、分离和准周期性激活与去激活

    先前的研究表明,以网络整合和分离的方式表达的大脑功能连接组的重组可能对大脑功能发挥至关重要的作用。然而,已经证明很难在一个单一的方法框架中独立地完全捕捉这两个过程。在这项研究中,通过对瞬时相位同步和社区成员进行成对评估,我们构建了时空灵活的网络,这些网络反映了在空间和时间尺度上发生的整合/分离变化。这是通过迭代地将较小的网络组装成较大的单元来实现的,条件是较小的单元必须内部集成,即属于同一个社区。组装的子网络可以部分重叠,且大小随时间不同而不同。我们的研究结果表明,子网络整合和分离在大脑中同时发生。在任务执行过程中,网络之间同步的全局变化与实验的基础时间设计有关。我们表明,大脑功能连接组动力学的一个标志性特征是网络激活和去激活的准周期性模式的存在,在任务执行过程中,这种模式与实验范式的潜在时间结构交织在一起。此外,我们还证明了在整个n-back工作记忆任务中网络的整合程度与性能相关。

    02

    扫码

    添加站长 进交流群

    领取专属 10元无门槛券

    手把手带您无忧上云

    扫码加入开发者社群

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭
      领券