Braitenberg Vehicles as Developmental Neurosimulation
连接大脑和行为是行为科学,人工智能和神经生物学领域的一个长期问题。作为人工和生物神经网络模型中的标准,完全成熟大脑的模拟物被呈现为一张白纸。然而,这并没有考虑到生物发展和发展性学习的现实。我们的目的是模拟具有复杂行为的人工有机体的发展。我们介绍了三种替代方法来演示如何发展体现代理可以实现。由此产生的发展BV(dBVs)将产生从刺激反应到类似集体运动的群体行为的行为。我们将在人工脑网络领域以及更广泛的主题(如具身认知,反馈和涌现)中开展这项工作。我们的观点是举例说明了三个软件实例,演示了如何BV-遗传算法混合模型,多传感器赫布学习模型,多智能体的方法可以用来接近BV的发展。我们介绍了优化的空间认知(车辆-遗传算法混合模型),连接行为和神经模型的铰链(多感官赫布学习模型)和累积分类(多代理方法)等用例。最后,我们认为未来的应用程序的发展神经模拟方法。
2022-05-11 q-bio.NC
Path-dependent connectivity, not modularity, consistently predicts controllability of structural brain networks
人类大脑显示出丰富的交流动态,这被认为是特别好地反映在其显着的社区结构。然而,结构性大脑网络中的社区结构与由此产生的通信动态之间的精确关系还没有得到很好的理解。除了提供对网络系统的结构-功能关系的洞察之外,这种理解是朝着以有针对性的方式操纵大脑大规模动态活动的能力迈出的关键一步。我们调查的作用,社区结构的可控性结构脑网络。在区域一级,我们发现,某些网络措施的社区结构有时统计相关的措施的线性可控性。然而,我们随后证明了这种关系取决于网络边缘权重的分布。我们强调社区结构和可控性之间的关系的复杂性,通过使用正则图模型进行数值模拟,不同的中尺度架构和边缘权重分布。最后,我们证明了加权子图中心性(一种植根于图谱的度量,并且可以捕获更高阶的图架构)是可控性的更强、更一致的预测因子。我们的研究有助于了解大脑的不同中尺度结构如何支持瞬态通信动态。
2020-12-18 q-bio.NC
Causality based Feature Fusion for Brain Neuro-Developmental Analysis
人类大脑发育是一个复杂而动态的过程,受到遗传、性激素和环境变化等多种因素的影响。最近的一些关于大脑发育的研究已经检查了由不同大脑区域的时间序列之间的时间相关性定义的功能连接(FC)。我们建议在大脑成熟过程中加入定向信息流。为此,我们通过格兰杰因果关系(GC)为两组不同的受试者提取有效连接(EC),即,儿童和年轻人。其动机是,包含因果相互作用可以进一步区分两个年龄组之间的大脑连接,并有助于发现大脑区域之间的新连接。这项研究的贡献有三个方面。首先,在大脑发育的背景下,缺乏对基于EC的特征提取的关注。为此,我们提出了一种新的基于核的GC(KGC)方法来学习复杂脑网络的非线性,其中一个简化的正弦双曲多项式(RSP)神经网络被用作我们提出的学习器。其次,我们使用因果关系值作为大脑区域之间方向连接的权重。我们的研究结果表明,相对于儿童,年轻人的连接强度明显更高。此外,我们新的基于EC的功能优于费城神经队列(PNC)研究中基于FC的分析,更好地区分不同年龄组。此外,这两组特征(FC + EC)的融合使大脑年龄预测准确率提高了4%以上,这表明它们应该一起用于大脑发育研究。
2020-01-22 cs.AI cs.CV q-bio.NC
Lilith: Developmental Modular LLMs with Chemical Signaling
本文提出 LILITH 架构,将模块化大语言模型的发育式训练与模拟大脑化学信号传导的 token 通信协议相结合,以优化意识涌现为目标,探索多脑区协调动力学中的意识产生机制。
2026-11-13 cs.AI q-bio.NC
Geometric developmental principles for the emergence of brain-like weighted and directed neuronal networks
Faculty of Mathematics and Physics, Charles University(查理大学数学与物理学院);RIKEN Center for Brain Science(理化学研究所脑科学中心)
研究通过分析不同物种的神经连接组,揭示了神经网络形成中几何约束与优先附着机制的结合,能够解释大脑网络的结构特性。
2026-01-08 physics.bio-ph q-bio.NC
A practical guide to methodological considerations in the controllability of structural brain networks
预测大脑如何通过内部或外部控制被驱动到特定状态,需要对神经连接和活动之间的关系有基本的了解。网络控制理论是物理和工程科学的一个强大工具,可以提供有关这种关系的见解;它形式化了复杂系统的动力学如何从其互连单元的底层结构中产生的研究。鉴于最近在神经科学中使用网络控制理论,现在是时候提供一个实用的指导,在结构脑网络的可控性的方法考虑。在这里,我们提供了一个系统的框架概述,研究经常研究的控制指标的建模选择的影响,并提出潜在的有用的理论扩展。我们将我们的讨论、数值演示和理论进展建立在一个高分辨率弥散成像数据集上,该数据集包含10名健康年轻人在大约1小时的扫描中获得的730个弥散方向。在对该理论进行了教学性的介绍之后,我们探讨了建模选择如何影响四个常见的统计量:平均可控性,模态可控性,最小控制能量和最优控制能量。接下来,我们以两种方式扩展了当前的技术水平:首先,通过开发一种替代的结构连接性测量方法,该方法考虑了通过邻接组织的活动的径向传播,其次,通过定义一种补充度量来量化系统的能量景观的复杂性。最后,我们提出了具体的建模建议,并讨论了方法上的限制。
2019-08-09 q-bio.NC q-bio.QM
The impact of aging on human brain network target controllability
了解很少的分布式区域可以控制大规模的大脑活动是一个具有实际意义的基本问题,从诱导特定的行为模式到对抗疾病。最近基于网络可控性的努力为单个区域通过底层结构连接体影响全脑动力学的潜在能力提供了新的见解。然而,控制整个大脑活动通常是不可行的,也不总是必要的。单个区域是否能够控制特定的目标子系统的问题仍然至关重要,尽管仍然探索不足。此外,大脑网络的结构在整个生命周期中表现出渐进的变化,但对可控性特性的可能后果知之甚少。为了解决这些问题,我们采用了一种新的目标可控性方法,量化了大脑节点在控制特定目标解剖功能系统中的中心性。然后,我们研究了从5至85岁的健康个体中获得的人类连接体中的这种目标控制中心性。主要结果表明,感觉运动系统具有很高的影响能力,但很难为其他领域的影响it.Further,我们报告说,目标控制中心随年龄而变化,颞顶叶区域,其皮层变薄是至关重要的痴呆症相关疾病,表现出较低的值在老年人。通过模拟有针对性的攻击,如19发生在局灶性中风,我们表明,同侧半球是最受影响的一个,无论受损的区域。值得注意的是,这种目标控制中心性的退化在年轻人中更为明显,从而支持中风后的早期脆弱性假设。
2022-10-09 q-bio.NC
Low-dimensional controllability of brain networks
针对脑网络等实际复杂系统中驱动节点过少导致可控性不可靠的问题,提出结合谱图理论的低维可控性框架,通过控制网络低维嵌入提升控制精度,并揭示了人类连接组的关键驱动区域及脑系统间因果相互作用。
2023-11-28 q-bio.NC q-bio.QM
Genetic, Individual, and Familial Risk Correlates of Brain Network Controllability in Major Depressive Disorder
背景资料:精神病学中的治疗干预可以被视为试图影响大脑的大规模动态网络状态转换,这些状态转换是认知和行为的基础。基于连接组的图分析和控制理论,网络控制理论正在成为量化网络可控性的强大工具-即,在动态网络状态转换方面,一个大脑区域对其他大脑区域的影响。网络可控性是否以及如何与心理健康相关仍然是一个谜。研究方法:从扩散张量成像数据中,我们推断出结构连接性并推断出计算的网络可控性参数,以研究其与诊断为重度抑郁症(MDD,n=692)和健康对照(n=820)的患者的遗传和家族风险的相关性。结果如下:首先,我们确定健康对照和MDD患者之间的可控性指标不同,但不随当前症状严重程度或缓解状态而变化。第二,我们发现MDD患者的可控性与MDD的多基因评分和精神交叉障碍风险相关。最后,我们提供的证据表明,可控性随MDD和双相情感障碍的家族风险以及体重指数而变化。结论:我们发现网络可控性与MDD患者的遗传、个体和家族风险有关。我们讨论了这些对网络可控性个体差异的见解如何为心理健康治疗反应预测和个性化干预设计的机制模型提供信息。
2021-07-21 cs.SY eess.SY q-bio.NC
Controllability of Brain Networks
University of Pennsylvania(宾夕法尼亚大学);University of California, Riverside(加州大学河滨分校);University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
研究通过网络控制理论揭示大脑在白质微结构网络组织中切换认知状态的机制,发现高连接区域促进易达状态切换,低连接区域促进难达状态切换,边界区域促进认知系统整合与分割。
2014-06-19 cs.SY eess.SY q-bio.NC
Sex differences in network controllability as a predictor of executive function in youth
University of Pennsylvania(宾夕法尼亚大学);University of California, Riverside(加州大学河滨分校)
研究通过分析青少年结构性脑网络的可控性差异,揭示性别在执行功能中的影响,发现性别差异与执行功能表现相关,且可控性预测任务相关激活特征。
2018-01-15 cs.SY eess.SY q-bio.NC
Deep Learning in Infant Functional Neuroimaging: Challenges, Advances, and Future Directions
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Biomedical Research Imaging Center, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校生物医学成像研究中心);Lampe Joint Department of Biomedical Engineering, University of North Carolina at Chapel Hill and North Carolina State University(北卡罗来纳大学教堂山分校与北卡罗来纳州立大学兰珀联合生物医学工程系)
本文综述深度学习在婴儿功能神经影像中的应用,涵盖方法进展与挑战,旨在推动从群体描述向个体化、发展导向的模型转变,以支持早期神经发育风险评估。
2026-09-23 q-bio.NC
Multi-Stage Graph Learning for fMRI Analysis to Diagnose Neuro-Developmental Disorders
Guangzhou Women and Children’s Medical Center(广州妇女儿童医疗中心);South China Normal University(华南师范大学);Giant Network AI Lab(巨人网络AI实验室)
针对脑部疾病诊断中监督不足限制模型性能的问题,提出包含自监督预训练和监督微调的多阶段图学习框架,在三个数据集上取得优于现有最优模型的表现,具备良好泛化性。
2024-10-07 cs.CV eess.IV q-bio.NC
Functional Hypergraph Uncovers Novel Covariant Structures over Neurodevelopment
青春期的大脑发育以大脑结构和功能的实质性变化为标志,导致成年后稳定的网络拓扑结构。然而,大多数先前的工作都是通过大规模功能网络中相互连接的大脑区域来检查数据。在这里,我们应用了最近开发的超图方法,将网络连接(边缘)而不是大脑区域作为感兴趣的单元,使我们能够从根本上不同的角度描述功能网络拓扑。利用费城神经发育队列的780名青年成像样本,静息状态功能性MRI数据的超图表示揭示了三种不同的子网络(hyperedges):集群,桥梁和星星,分别代表空间分布,二分和焦点架构。群集超边缘显示出与大脑的功能模块,包括躯体运动、视觉、默认模式和显著性系统的强烈相似性。相比之下,星形超边代表了集中在一小部分区域上的高度局部化的子网络,并且分布在整个皮层中。最后,桥超边在核心-外围组织中连接星团和恒星。值得注意的是,hyperedges内的发展变化是以类似的核心-外围方式排序的,最大的发展影响发生在功能核心内的网络hyperedges。总的来说,这些结果强调了人类大脑的网络组织在多个尺度上出现,并在青少年时期大幅发展。
2016-12-23 q-bio.NC q-bio.QM
Functional Cliques in Developmentally Correlated Neural Networks
我们考虑一个稀疏的随机网络的兴奋性泄漏整合和消防神经元与短期突触抑制。此外,为了模拟大脑回路在其发展的第一阶段的动力学,我们为每个神经元引入了入度和出度之间的相关性以及兴奋性和相应的总度之间的相关性,我们分析了单个神经元刺激和删除对网络集体动力学的影响。我们发现了一小群能够控制甚至沉默网络突发活动的神经元的存在。这些神经元形成了一个功能集团,因为只有它们以精确的顺序并在特定的时间窗口内激活才能引发群体爆发。
2017-03-12 cond-mat.dis-nn nlin.AO q-bio.NC
Evolution and development of Brain Networks: From Caenorhabditis elegans to Homo sapiens
神经网络在进化的时间过程中表现出复杂性的逐步增加。从刺胞动物的扩散神经网络到猕猴和人类的模块化、层次化系统,从涉及有限数量任务和模式的简单过程逐渐转变为整合来自高度专业化组织的不同类型信息的复杂功能和行为处理。然而,对一系列物种的研究表明,在空间和拓扑特征以及网络形成的发育机制方面的基本相似性在整个进化过程中得以保留。“小世界”拓扑结构和高度连接的区域(枢纽)在整个进化规模中普遍存在,确保了对内部(例如病变)和外部(例如环境)变化的有效处理和弹性。此外,在大多数物种中,即使是枢纽的建立,连接遥远组件的长距离连接,以及模块化组织,也依赖于类似的机制。总之,进化分歧导致更大的复杂性,同时遵循基本的发展限制。
2011-12-22 physics.soc-ph q-bio.NC q-bio.PE
Network Controllability in the IFG Relates to Controlled Language Variability and Susceptibility to TMS
在语言产生过程中,人类面临着大量的选词需求。通常,我们必须从相似的、可接受的和竞争性的替代词中选择一个词,以构建一个表达预期含义的句子。近年来,左额下回(LIFG)已被确定为这种能力的关键。尽管最近强调了理解语言的网络方法,但LIFG如何与大脑的复杂网络相互作用以促进受控的语言表现仍然是未知的。在这里,我们采取了一种新的方法来理解单词选择作为大脑中的网络控制过程。使用来自高分辨率扩散谱成像(DSI)的解剖脑网络,我们计算了两个单词选择任务之间的管理LIFG中的经颅磁刺激位点的网络可控性。我们发现,量化的LIFG的理论预测控制难以达到的状态的统计解释的脆弱性TMS的语言任务,不同的响应(认知控制)的要求:开放响应(字生成)与封闭响应(数字命名)的任务。此外,我们发现,量化的LIFG的理论预测控制的通信模块在人类连接体的统计解释TMS引起的变化,在开放式响应语言任务的性能。这些发现建立了网络可控性,认知功能和TMS效应之间的联系。
2018-01-30 q-bio.NC
Developmental trajectory of Caenorhabditis elegans nervous system governs its structural organization
神经科学的一个中心问题是揭示控制神经系统组织的原则,这些原则确保大脑发育的稳健性。秀丽隐杆线虫为我们提供了研究这一问题的模式生物。在本文中,我们专注于不变的连接结构和空间排列的神经元组成的躯体神经元网络的这种生物体,了解其设计的关键发展限制。我们观察到具有某些共同特征的神经元-例如,神经过程长度,出生时间队列,谱系和双侧对称性-表现出相互连接的偏好。认识到这种同质性的存在有助于将神经元的物理位置和形态与网络的拓扑组织联系起来。此外,神经元的功能特性似乎决定了它们在发育过程中出现的时间层次。我们的研究提供了对许多生物体中可能共同的原则的重要见解,显示了发育景观中的轨迹如何限制神经系统的最终空间和网络拓扑组织。
2019-05-14 q-bio.NC
Parsing altered brain connectivity in neurodevelopmental disorders by integrating graph-based normative modeling and deep generative networks
University of Pennsylvania(宾夕法尼亚大学);Perelman School of Medicine, University of Pennsylvania(宾夕法尼亚大学佩雷尔曼医学院);Drexel University(德雷塞尔大学);Children’s Hospital of Philadelphia(费城儿童医院)
提出BRIDGE框架,结合规范建模与深度生成模型,通过基于连接性的大脑年龄差异生成全局神经差异评分和区域图谱,有效量化自闭症等神经发育障碍中的连接异常,为个性化诊断和干预提供影像标志物。
2024-11-18 cs.AI q-bio.NC q-bio.QM
Influence of Neighborhood SES on Functional Brain Network Development
儿童时期较高的社会经济地位(SES)与认知能力的提高、学业成就的提高以及发育后期精神疾病发病率的降低有关。越来越多的证据表明,这些影响可能是由于环境因素引起的大脑发育变化。虽然先前的工作已经映射了邻里SES和大脑结构之间的关联,SES和内在神经动力学之间的关系知之甚少。在这里,我们利用一个大的社区为基础的样本(费城神经发育队列,年龄8-22岁,n=1012),检查发展变化的功能性脑网络拓扑结构估计从静息状态功能磁共振成像数据。我们定量地描述了这种拓扑结构,使用称为聚类系数的网络隔离的本地措施,并发现它占了更大程度的SES相关的方差比中尺度隔离捕获的模块化。虽然全脑聚类随着年龄的增长而增加,但高SES青年的聚类增长速度比低SES青年快,这种效应在边缘系统、躯体运动系统和腹侧注意系统中最为明显。SES对集群发展增长的影响是最强的中间物理长度的连接,与快速下降,在这些地区的本地连接在低SES青年一致,并跟踪BOLD信号复杂性的变化,在区域同质性的形式。我们的研究结果表明,邻里SES可能会从根本上改变内在模式的区域间的相互作用,在人类大脑的方式是一致的信息处理在童年后期和青春期更大的隔离。
2018-07-23 q-bio.NC
Disentangling the Factors of Convergence between Brains and Computer Vision Models
Meta AI
为理解驱动脑-模型相似性的因素,本研究通过系统改变模型、训练和数据因素训练自监督视觉Transformer家族,结合fMRI和MEG分析其类脑表征,揭示了三因素的独立与交互影响及类脑表征的发展时序。
2025-08-25 cs.AI q-bio.NC
Patterns of imbalance states between sub-brain regimes during development in the resting state
本研究运用结构平衡理论分析静息态大脑子网络的不平衡三元组,揭示反相关模式从童年局部模块化经青春期灵活重组至成年期功能特化的发育轨迹,并强调DMN与FPN反相关成熟对认知控制的关键作用。
2025-09-08 physics.bio-ph q-bio.NC
Network controllability in transmodal cortex predicts psychosis spectrum symptoms
精神病谱与集中在跨模态关联皮层中的结构性连接障碍相关。然而,这种病理生理学的理解一直受到限制的直接连接到一个区域的独家关注。使用网络控制理论,我们测量了一个区域的直接和间接结构连接的变化,以获得对精神病谱的病理生理学的新见解。我们使用了来自费城神经发育队列的1,068名8至22岁的青少年的精神病症状数据和结构连接。应用网络控制理论度量称为平均可控性,我们估计了每个大脑区域利用其直接和间接结构连接来控制线性大脑动力学的能力。接下来,使用非线性回归,我们确定了平均可控性在样本外测试中预测阴性和阳性精神病谱症状的准确性。我们还比较了平均可控性与强度的预测性能,其中仅索引与区域的直接连接。最后,我们评估了精神病谱症状的预测性能如何在单峰到跨峰皮层的功能层次上变化。平均可控性在预测阳性精神病谱症状方面优于强度,表明将间接结构连接索引到一个区域提高了预测性能。关键的是,改进的预测集中在关联皮层的平均可控性,而预测性能的强度是均匀的整个皮层,这表明索引间接连接是至关重要的关联皮层。检查个体间差异的直接和间接的结构连接到关联皮层是至关重要的准确预测阳性精神病谱症状。
2020-10-01 q-bio.NC
Time-evolving controllability of effective connectivity networks during seizure progression
据估计,美国300万癫痫患者中有三分之一以上对药物具有抗药性。来自长期植入电极的反应性神经刺激提供了一种有前景的治疗选择和切除手术的替代方案。然而,确定个性化的最佳刺激参数,包括何时何地进行干预以保证积极的患者结果,是一个重大的挑战。网络神经科学和控制理论提供了有用的工具,可以指导参数选择控制异常神经活动的改进。在这里,我们使用一种新的方法来表征动态可控性连续有效连接(EC)网络的基础上植入电极之间的正则化偏相关性的发病,传播和终止阶段的34个癫痫发作。我们使用图形最小绝对收缩和选择算子(GLASSO)从颅内皮层电图记录的一秒时间窗估计正则化偏相关邻接矩阵。平均和模态可控性度量计算每个EC网络跟踪随时间变化的可控性的大脑上的条件依赖网络相互作用的不断发展的景观。我们发现,平均可控性增加整个癫痫发作和模态可控性呈负相关。此外,我们的研究结果支持的假设,驱动大脑从一个发作状态到无癫痫状态所需的能量是最小的癫痫发作期间,然而,我们发现,在癫痫发作区的电极施加控制能量可能并不总是积极有利的。我们的工作表明,一个低复杂度的时间演化可控性模型可能为开发和改进针对癫痫发作抑制的控制策略提供新的见解。
2020-04-07 q-bio.NC
From Caenorhabditis elegans to the Human Connectome: A Specific Modular Organisation Increases Metabolic, Functional, and Developmental Efficiency
连接体,或由网络表示的神经系统的整个连接,范围从单个神经元之间的突触连接到大脑区域之间的纤维束连接的各种尺度。虽然它们通常表现出的模块性已经被广泛研究,但还不清楚这种网络的连接特异性是否已经完全可以用模块性来解释。为了回答这个问题,我们研究了两个网络,C。elegans和人脑的纤维束网络通过扩散光谱成像(DSI)产生。我们将它们与各自具有不同模块性的基准网络进行比较,这些网络是通过链路交换生成的,具有所需的模块性值,但在其他方面最大程度地随机。我们发现了几个特定于神经网络的网络特性,并且不能完全用模块化来解释。首先,研究了C. elegans和人类连接体的模块性都高于具有相似模块性的基准网络。高聚类系数表明有效的局部信息分布,高特征路径长度表明降低了全局集成。其次,总布线长度小于具有类似模块化的替代配置。这是由于连接的分散性较低,这意味着C中的每个神经元。线虫连接体或人类连接体中的每个感兴趣区域(ROI)分别到达较少的神经节或皮质区域。第三,两个神经网络显示出较低的算法熵相比,替代安排。这意味着需要更少的规则来编码神经系统的组织。
2014-09-30 q-bio.NC q-bio.PE
Structural subnetwork evolution across the life-span: rich-club, feeder, seeder
发育和衰老过程对大脑连接和连接体的影响已被广泛研究。网络理论测量和某些拓扑原则是从整个大脑计算的,但是需要分离和理解对这些观察到的整体连接组学改变有贡献的底层子网络。其中一个组织原则是富人俱乐部(rich-club),这是一个大脑区域的核心子网络,这些区域紧密相连,形成了一个高成本、高容量的骨干网络,对网络中的有效沟通至关重要。研究主要集中在其随疾病和年龄的变化。在这里,我们提出了一个系统的分析,不仅丰富的俱乐部,但也来自这个骨干网的其他子网-即馈线和种子子网。我们的分析适用于结构连接体在一个正常的队列从一个大型的,公开的寿命研究。我们展示了丰富的俱乐部会员随着年龄的变化,同时从“外围”播种机的重要性转移到馈线子网络。我们的研究结果表明,丰富的俱乐部结构内的细化(增加传递性和介数中心性),以及提高效率的馈线子网络和减少措施的网络集成和隔离的种子子网络。这些结果表明,不同的发展模式时,根据其丰富的俱乐部分层的连接体分析和利用这个子网络分析,以揭示整个生命周期的大脑结构变化的演变的潜力。
2018-09-16 q-bio.NC
Neural source/sink phase connectivity in developmental dyslexia by means of interchannel causality
Universidad de Málaga(马拉加大学);Northumbria University(诺森比亚大学)
虽然大脑连接网络可以为发展性阅读障碍的理解和诊断提供信息,但其因果关系尚未得到足够的研究。采用脑电信号和带限白噪声刺激在4.8 Hz(韵律音节频率),我们测量通道之间的相位格兰杰因果关系,以确定学习障碍的学习者和控制之间的差异,从而提出了一种方法来计算方向连接。由于因果关系在两个方向上运行,我们探讨三种情况,即渠道的活动作为源,作为汇,并在总。我们提出的方法可以用于分类和探索性分析。在所有的情况下,我们发现确认建立的右侧Theta采样网络异常,符合时间采样框架的假设,在Theta和Gamma波段的振荡差异。此外,我们表明,这种异常主要发生在因果关系的渠道作为汇,它是显着更明显的比只有总活动时,观察。在水槽的情况下,我们的分类器获得0.84和0.88的准确度和0.87和0.93 AUC的Theta和Gamma波段,分别。
2023-01-02 cs.AI q-bio.NC
SurfAge-Net: A Hierarchical Surface-Based Network for Interpretable Fine-Grained Brain Age Prediction
Gansu Provincial Key Laboratory of Wearable Computing, School of Information Science and Engineering, Lanzhou University(甘肃省可穿戴计算重点实验室,信息科学与工程学院,兰州大学);Department of Medical Imaging Center, Gansu Provincial Maternity and Child-Care Hospital(医学影像中心,甘肃省妇幼保健院);Department of Magnetic Resonance, Lanzhou University Second Hospital(磁共振科,兰州大学第二医院);Department of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)(计算机科学与技术系,哈尔滨工业大学(深圳));Key Laboratory for Biomedical Engineering of Ministry of Education, Department of Biomedical Engineering, College of Biomedical Engineering & Instrument Science, Zhejiang University(教育部生物医学工程重点实验室,生物医学工程学院,浙江大学)
SurfAge-Net通过结合皮层组织的连接组原理,提出了一种基于层次表面的网络,用于可解释的细粒度脑年龄预测,有效识别异常发育人群中的异质延迟和区域特定异常。
2026-01-28 cs.AI cs.CV q-bio.NC
Towards Understanding Human Functional Brain Development with Explainable Artificial Intelligence: Challenges and Perspectives
Centre for Computational Intelligence, University of Essex(埃塞克斯大学计算智能中心)
在过去的几十年里,非侵入性神经成像技术取得了重大进展,越来越多地被用于检查人类大脑发育。然而,这些改进并不一定伴随着更复杂的数据分析措施,这些措施能够解释功能性大脑发育的机制。例如,从单变量(大脑中的单个区域)到多变量(大脑中的多个区域)分析范式的转变具有重要意义,因为它允许研究不同大脑区域之间的相互作用。然而,尽管多变量分析有可能揭示发育中的大脑区域之间的相互作用,但应用的人工智能(AI)技术使分析无法解释。本文的目的是了解当前最先进的人工智能技术在多大程度上可以为功能性大脑发育提供信息。此外,还审查了哪些人工智能技术更有可能根据发展认知神经科学(DCN)框架定义的大脑发育过程来解释其学习。这项工作还提出,可解释AI(XAI)可以提供可行的方法来研究DCN框架所假设的功能性大脑发育。
2021-12-24 cs.AI q-bio.NC
Mapping the Human Brain from the Prenatal Period to Infancy Using 3D Magnetic Resonance Imaging
本章重点介绍利用无创三维磁共振成像(MRI)技术,研究从胎儿期到婴儿期这一最具动态变化阶段的人类大脑发育,包括皮层和白质的宏观与微观结构特征及其连接性。
2025-04-30 q-bio.NC
Cognitive Control in the Controllable Connectome
认知是由神经生理过程支持的,这些过程既发生在局部解剖学邻域中,也发生在分布式大规模回路中。网络控制理论的最新证据表明,连接大规模大脑区域的白质通路提供了一个关键的底物,限制了单个区域影响控制这些过程的能力。然而,没有直接的证据存在大脑网络的可控性和认知控制性能之间的关系。在这里,我们通过从125名健康成年人获得的弥散张量成像数据构建结构脑网络来解决这一差距。我们定义了一个简化的大脑动力学模型,并模拟网络控制来量化模态和边界可控性,它们共同描述了一个区域的理论预测偏好的互补特征,以驱动大脑进入不同的认知状态。我们观察到,这些控制功能的结构连接性的个体差异显着相关的认知控制性能的个体差异,测量的连续性能注意力测试,颜色/形状切换任务,Stroop抑制任务,和空间n-回工作记忆任务。事实上,像前扣带回这样的控制中枢与默认模式和额叶联想区的区别在于它们的控制特性与认知功能的个体差异之间的关系。这些结果提供了第一个经验证据,网络控制形成了认知控制的基本机制。
2016-06-29 q-bio.NC
Developmental time windows for axon growth influence neuronal network topology
早期的大脑连接发展包括多个阶段:神经元的诞生,它们的迁移以及轴突和树突的随后生长。每个阶段都发生在一定的时间内,这取决于神经元和皮质层的类型。通过在所有神经元的相似时间(大量重叠的时间窗口)或在不同时间点(较少重叠)开始生长轴突来形成神经元之间的突触可能会影响神经元网络的拓扑和空间特性。在这里,我们探讨了轴突形成的极端情况,特别是在早期发育过程中的短距离连接,无论是在同一时间开始的所有神经元(平行,即最大重叠的时间窗口)或发生在每个神经元分别一个接一个(串行,即没有重叠的时间窗口)。在这两种情况下,潜在的和建立的突触的数量仍然相当。拓扑和空间特性,但是,不同的:神经元,开始轴突生长早期在串行增长实现了更高的出度,更高的本地效率,和更长的轴突长度,而神经元表现出更均匀的连接模式,并行增长。第二,连接概率下降更迅速地与神经元之间的距离平行生长比串行生长。第三,双向连接更多,平行增长。最后,我们用C测试了我们的预测。elegans数据。总之,这表明轴突生长的时间窗口影响神经元网络的拓扑和空间特性,从而有可能基于发达网络的网络特性来后验估计发育机制。
2015-03-13 physics.bio-ph physics.soc-ph q-bio.NC
The modular organization of human anatomical brain networks: Accounting for the cost of wiring
大脑网络应该是模块化的。然而,现有的技术,用于估计网络的模块,使其难以评估的组织原则,如布线成本降低对检测到的模块的影响。在这里,我们提出了一种修改现有的模块检测算法,使我们能够专注于连接,是意想不到的下,降低成本的布线规则,并确定模块从这些连接。我们将这种技术应用于解剖大脑网络,并表明我们检测到的模块与使用标准技术检测到的模块不同。我们证明,这些新的模块在空间上分布,表现出独特的功能指纹,并与丰富的俱乐部有很大的重叠,从而产生一个替代和补充的解释特定的大脑区域的功能作用。最后,我们证明,使用修改后的模块检测方法,我们可以检测模块的发展数据集,跟踪规范模式的成熟。总的来说,这些发现支持了大脑网络由模块组成的假设,并为这些模块的功能提供了额外的见解。
2016-11-11 q-bio.NC
ASD Classification on Dynamic Brain Connectome using Temporal Random Walk with Transformer-based Dynamic Network Embedding
Institute of Data and Information, Tsinghua Shenzhen International Graduate School(清华大学深圳国际研究生院数据与信息研究所)
针对静态脑连接组难以表征脑活动时变特性的问题,提出BrainTWT动态网络嵌入方法,结合时间随机游走与Transformer学习判别表示,并在ABIDE上提升ASD分类性能。
2025-03-16 cs.LG q-bio.NC
Longitudinal structural connectomic and rich-club analysis in adolescent mTBI reveals persistent, distributed brain alterations acutely through to one year post-injury
轻度创伤性脑损伤(mTBI)的扩散性质会影响脑白质通路,即使在最初的症状已经解决后,也会产生潜在的长期后果。为了了解青少年mTBI后的恢复,需要进行纵向研究,以确定高度个性化的恢复轨迹和持续发展之间的相互作用。为了捕捉mTBI和恢复的分布式性质,我们采用连接体来探测大脑的结构组织。我们提出了一个弥散MRI研究青少年mTBI受试者扫描一天,两周和一年后与对照组受伤。随着时间的推移,纵向全球网络的变化表明,损伤后的网络拓扑结构发生了变化,更加“扩散”(特别是传递性和全球效率降低)。通过其骨干(称为“丰富俱乐部”)对连接体进行分层,这些网络变化由“外围”局部子网通过增加网络密度、分数各向异性和降低扩散率来驱动。局部子网络的这种增加的结构完整性可能是为了补偿受损的网络,或者它可能对mTBI具有鲁棒性并且表现出正常的发展趋势。富人俱乐部还显示,随着时间的推移,控制扩散率较低,可能表明长期的结构性后果。我们的研究结果显示,青少年mTBI连接体的变化是不断发展的,弥漫性的,从急性开始,持续到一年。
2019-09-17 q-bio.NC q-bio.QM
Persistent homology broadens the controllable subspace in human structural connectomes
Scuola Superiore Meridionale(南方高等学院);Macquarie University(麦考瑞大学);Michigan State University(密歇根州立大学)
该研究提出基于持续拓扑环的驱动节点选择标准,与基于度的标准控制能相近但可控子空间几何更优,能捕捉标量能量遗漏的脑网络控制信息。
2026-08-05 q-bio.NC q-bio.QM
Towards a Network Control Theory of Electroconvulsive Therapy Response
电休克疗法(ECT)可以说是治疗难治性抑郁症最有效的干预措施。虽然存在较大的个体间差异,但能够预测个体对ECT反应的理论仍然难以捉摸。为了解决这个问题,我们基于网络控制理论(NCT)提出了ECT响应的定量、机制框架。然后,我们经验性地测试我们的方法,并采用它来预测ECT治疗反应。为此,我们推导出发作后抑制指数(PSI)-ECT癫痫发作质量指数-和全脑模态和平均可控性之间的正式关联,分别基于白质脑网络架构的NCT指标。利用已知的ECT反应和PSI的关联,然后我们假设我们的可控性指标和由PSI介导的ECT反应之间的关联。我们在N=50例接受ECT治疗的抑郁症患者中正式验证了这一猜想。我们表明,全脑可控性指标的基础上,前ECT结构连接体数据预测ECT响应与我们的假设。此外,我们通过PSI显示了预期的调解效果。重要的是,我们的理论动机指标至少与基于前ECT连接体数据的广泛机器学习模型相当。总之,我们推导并测试了一个控制理论框架,该框架能够基于个体大脑网络架构预测ECT反应。它对个体治疗反应进行了可测试的定量预测,这些预测得到了强有力的经验证据的证实。我们的工作可能构成一个全面的,定量的理论,个性化ECT干预植根于控制理论的起点。
2021-12-14 cs.SY eess.SY q-bio.NC
The exploration-exploitation paradigm for networked biological systems
本文提出一种模拟进化的通用探索-利用形式体系,并将其用于秀丽隐杆线虫脑连接组成熟建模,证明 maxent 成体脑描述结合该框架可再现其完整发育轨迹。
2024-01-20 physics.bio-ph q-bio.NC
Unique Scales Preserve Self-Similar Integrate-and-Fire Functionality of Neuronal Clusters
识别大脑的神经元簇大小以在网络计算中呈现为节点对神经科学和人工智能都至关重要,因为这些定义了构建智能计算所需的认知块。实验支持许多形式和大小的神经聚类,而神经质量模型(NMM)假设尺度不变的功能。在这里,我们使用脑源性功能磁共振成像网络的计算模拟,以表明不仅大脑网络保持结构上的自相似连续跨尺度,但也神经元样的信号整合功能被保存在特定的尺度。因此,我们提出了一种粗粒度的神经元网络的集合节点,多个尖峰组成它的集合尖峰,时间重新缩放因子定义它的集合时间步长。出现的分形时空结构和功能,允许跨实验规模的计算建模的桥接策略选择,同时也建议监管限制发展和/或进化的“生长突增”的大脑大小,在进化生物学的间断平衡理论。
2020-02-24 q-bio.NC
The control of brain network dynamics across diverse scales of space and time
人类大脑由不同的区域组成,每个区域都与特定的功能和控制神经动力学的不同倾向相关。然而,这些功能和控制配置文件之间的关系知之甚少,因为是在不同尺度的空间和时间的这种关系的变化。在这里,我们探讨控制和动力学之间的关系,在一个大的社区为基础的样本的年轻人的扩散张量成像数据构建的大脑网络。具体来说,我们探测每个大脑区域的控制特性,并使用拉普拉斯特征谱研究它们与不同空间尺度的动态关系。此外,通过分析区域模式的可控性和分区的模式,我们确定相关的动态是快还是慢,以及它们是否交替或单调。我们发现,促进控制能量上容易的转换的大脑区域与短长度尺度和慢时间尺度上的活动有关。相反,大脑中有助于控制困难过渡的区域与长时间尺度和快时间尺度上的活动有关。基于线性动力学模型,我们的研究结果为不同神经解剖结构区域支持的活动传播和网络控制配置文件提供了简洁的解释。
2020-06-01 q-bio.NC q-bio.QM
The Grossberg Code: Universal Neural Network Signatures of Perceptual Experience
Centre National de la Recherche Scientifique(法国国家科学研究中心);Strasbourg University(斯特拉斯堡大学)
自适应共振理论的两个普遍功能原理模拟了所有生物学习和自适应智能的大脑代码。多感官刺激在其直接环境背景下的低级别表征是在自下而上激活的基础上形成的,并在自上而下匹配规则的控制下,这些规则集成了高级别的长期痕迹的上下文配置。这些普遍的编码原则导致所有生物物种(从猿类到灵长类)建立持久的感知经验大脑签名。他们在本文中重新访问的基础上,从原来的代码和一些最近的相关实证研究结果的背景下调制在大脑中的例子,突出了潜在的Grossberg的开拓性的见解和开创性的理论工作的智能解决方案领域的发展和认知机器人。
2023-03-03 cs.RO q-bio.NC
Temporal sequences of brain activity at rest are constrained by white matter structure and modulated by cognitive demands
多样化的白质网络和微调的神经元膜特性使大脑能够在认知状态之间无缝转换。然而,目前尚不清楚静态结构连接如何引导不同认知状态下大规模大脑活动模式的时间进展。在这里,我们分析了大脑的轨迹,通过一个高维的活动空间在单时间点活动模式的水平,从功能磁共振成像数据采集被动视觉固定(休息)和n-回工作记忆任务。我们发现,特定的状态空间轨迹,这代表了大脑活动的时间序列,调制的认知负荷和相关的任务性能。使用从相同的主题获得的扩散加权成像,我们使用网络控制理论的工具,以表明沿白质连接的活动的线性传播约束大脑的状态空间轨迹在休息。此外,考虑刺激驱动的视觉输入解释了在n-back任务期间采取的不同轨迹。我们还使用了网络重新布线的模型,以表明这些发现是白质结构的非平凡几何和拓扑特性的结果。最后,我们研究了年龄和时间分辨的大脑状态动态之间的关联,揭示了默认模式和执行控制网络功能变化的新见解。总体而言,这些结果阐明了认知和发育相关的时空脑动力学的结构基础。
2019-09-30 q-bio.NC
Applications of optimal nonlinear control to a whole-brain network of FitzHugh-Nagumo oscillators
我们应用最优非线性控制的框架来引导FitzHugh-Nagumo振荡器的全脑网络的动态。它的节点对应于人类大脑皮层的基于图谱的分割的皮层区域,并且节点间耦合强度来自人脑连接体的扩散张量成像数据。节点使用无延迟的加性方案耦合,并由具有固定均值和加性高斯噪声的背景输入驱动。通过最小化惩罚与期望网络动态、控制能量和空间非稀疏控制输入的偏差的成本泛函来确定节点的最优控制输入。使用背景输入的强度和整体耦合强度作为序参数,网络的状态空间分解成由高振幅极限环分离的低活性和高活性不动点的区域,所有这些定性地对应于孤立网络节点的状态。然而,沿着边界,可以观察到额外的极限环,异步状态和多稳定性。最优控制应用于几个状态切换和网络同步任务,并将结果与线性控制理论对同一连接体的可控性措施进行比较。我们发现,从后者的直觉的节点在引导网络动力学的作用,这是完全基于连接体的功能,一般不结转到非线性系统,如前所述。相反,节点在最优非线性控制下的作用关键取决于指定的任务和系统在状态空间中的位置。我们的研究结果揭示了大脑网络状态的可控性,并可能为设计新的非侵入性脑刺激范例提供灵感。
2021-09-03 cs.SY eess.SY nlin.AO
Robust probabilistic measurement of structural-functional module consistency in infant brain development
ShanghaiTech University(上海科技大学);Shanghai Clinical Research and Trial Center(上海临床研究试验中心);Shanghai United Imaging Intelligence Co., Ltd.(上海联影智能有限公司)
提出基于随机模块的概率方法,鲁棒测量婴儿大脑结构-功能模块一致性,发现0-5岁间一致性下降,初级脑区一致性更高。
2026-06-19 q-bio.NC
Neuroplasticity in adult human visual cortex
全世界每100人中就有1到5人从未经历过正常视力,这是由于一种叫做弱视的疾病,每4000人中就有1人患有遗传性视网膜营养不良,逐渐导致失明。虽然正在开发各种技术和治疗方法来恢复视力,但一个基本问题仍然没有答案:成年人的视觉大脑是否会保留足够的可塑性潜力,以便在长时间的异常视觉体验后学习如何观看?在这篇综述中,我们总结了研究表明,视觉大脑的视力正常的成年人保留一种类型的发育可塑性,称为稳态可塑性,这一属性最近已被成功地利用成人弱视的恢复。接下来,我们将讨论当视觉刺激通过仿生眼部分恢复时,大脑回路是如何重组的。这些患者的初级视觉皮层慢慢地被人工视觉刺激激活,这表明视力恢复治疗可以依赖于成年后相当程度的备用可塑性。
2019-05-07 q-bio.NC
Accurately Predicting Functional Connectivity from Diffusion Imaging
了解神经过程的动力学和大脑的解剖基质之间的关系是神经科学的中心问题。一方面,现代神经成像技术,如扩散张量成像,可用于构建结构图,代表连接皮质和皮质下结构的白质流线的架构。另一方面,神经活动的时间模式可用于构建表示脑区域之间的时间相关性的功能图。尽管一些研究提供了证据表明,全脑功能连接是由潜在的解剖结构塑造的,但观察到的功能和结构之间的关系很弱,解剖结构约束脑动力学的规则仍然难以捉摸。在这篇文章中,我们介绍了一种方法来预测高精度的功能连接的主题在休息,从他或她的结构图。使用我们的方法,我们能够系统地揭示结构路径在功能相关性形成中的作用。此外,在我们的实证评估中,我们观察到预测的功能连接的特征模式与不同认知系统相关的活动模式一致。我们的工作提供了潜在的推断临床或发育人群的脑动力学特性与功能性神经影像学的低耐受性。
2016-04-20 q-bio.NC stat.AP
Brain Connectivity Impairments and Categorization Disabilities in Autism: A Theoretical Approach via Artificial Neural Networks
自闭症谱系障碍(ASD)是一种严重损害沟通和社会功能的发育障碍,也表现出与精神僵化,重复行为和抽象推理困难有关的方面。此外,兴奋性和抑制性大脑状态之间的不平衡,以及皮层连接中断,是自闭症行为的根源。我们的主要目标是揭示这些局部兴奋性失衡和/或长脑连接中断与上述认知特征之间的联系。我们开发了一个基于自组织映射(SOM)的理论模型,其中一个三级人工神经网络定性地结合了在ASD患者大脑中观察到的这些变化。我们的模型的计算模拟表明,高兴奋状态或长距离连接不足是认知改变的起源,如分类困难和心理僵化。更具体地说,在皮层地图开发中兴奋性突触到达区域的扩大导致低分类(过度选择性)和差的概念形成。而且,局部兴奋性突触的过度强化和长距离连接不足,尽管通过不同的机制,有助于受损的分类(选择性不足)和精神僵化。我们的研究结果表明,如何,在一起,局部和全球的大脑连接性的改变引起损坏的皮层结构在不同的方式和不同的皮层区域。这些改变会破坏感官刺激的编码、概念的表征,从而破坏分类的过程--通过这种方式,严重限制了自闭症推理中的心理灵活性和概括能力。
2018-11-16 cs.NE q-bio.NC
BOLDSimNet: Examining Brain Network Similarity between Task and Resting-State fMRI
Hanyang University(汉阳大学);Luleå University of Technology(吕勒奥理工大学);Hankuk University of Foreign Studies(韩国外国语大学)
本文提出BOLDSimNet框架,利用多变量传递熵测量不同认知状态下的因果连接与脑网络相似性,发现儿童与青少年在任务态和静息态网络重构上存在显著发育差异。
2025-04-02 cs.CV q-bio.NC
Brain Age Group Classification Based on Resting State Functional Connectivity Metrics
本研究利用静息态fMRI功能连接指标,通过深度学习(MobileNet)分类脑发育阶段,发现衰老导致网络全局整合下降、局部连接增加,且MobileNet分类准确率最高。
2025-03-27 eess.SP q-bio.NC
Autaptic Connections Shift Network Excitability and Bursting
网络架构对神经元功能形成了关键约束。在这里,我们研究了结构自适应的作用,当一个神经元突触到自己,在驱动网络范围内的爆发行为。使用一个简单的尖峰模型的神经元活动,我们研究了autaptic连接如何影响活动模式,并评估神经元的程度或可控性是否是影响这些autaptic连接爆裂变化的重要因素。我们观察到,向兴奋性神经元添加越来越多的自发连接会增加网络中尖峰事件的数量和网络范围内爆发的数量,特别是在相空间的部分,其中兴奋性突触对爆发行为的贡献更大比抑制性突触。相比之下,与具有高平均可控性的兴奋性神经元的autaptic连接导致更高的突发频率,而不是将相同数量的自循环连接添加到具有高模态可控性的神经元。通过选择性地在高度兴奋性神经元上增加自触,可以减少诱发爆发行为所需的自触连接数。这些结果表明,autaptic连接在控制网络范围内的爆发在不同的哺乳动物大脑皮层和皮层下区域的作用。此外,它们为研究结构可控性的动态神经生理学相关性开辟了新的途径。
2016-08-01 q-bio.NC
Stimulation-based control of dynamic brain networks
University of Pennsylvania(宾夕法尼亚大学);US Army Research Laboratory(美国陆军研究实验室);University at Buffalo, SUNY(纽约州立大学布法罗分校);University of California, Riverside(加州大学河滨分校);University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
研究通过数据驱动模型探讨区域刺激对脑网络的影响,揭示区域可控性与局部/全局刺激效应的关系,并发现默认模式系统在结构约束下仍能产生大范围变化。
2016-01-05 cs.SY eess.SY q-bio.NC
Multiscale modeling of brain network organization
对大脑的完整理解需要对神经组织的众多尺度进行综合描述。这意味着研究基因,突触,甚至整个大脑区域的相互作用,最终导致不同类型的行为,从感知到行动,无论是睡着还是醒着。然而,多尺度大脑建模是具有挑战性的,部分原因是难以同时访问来自多个时空尺度的信息。虽然已经获得了关于特定微电路的作用的一些见解(例如,丘脑皮质),这是一个全面的表征,说明在一个尺度上发生的变化如何对其他尺度产生影响,仍然知之甚少。最近的努力,以解决这一差距,包括新的分析工具,主要是适应网络科学和动态系统理论的发展。这些理论贡献提供了一个强大的框架来分析和建模互连的复杂系统,表现出不同尺度或层之间的相互作用。在这里,我们提出了最近的进展表征的多尺度脑组织的结构功能,振荡频率和时间演化。回顾了神经元组装体高阶组织的多层网络特性,以及基于多模态网络的脑病理生物标志物(如阿尔茨海默病)的识别。最后,我们对多层网络理论的最新成果进行了前瞻性讨论,涉及生成建模,可控性和机器学习,可以用来解决现代神经科学中的新问题。
2022-08-08 physics.data-an q-bio.NC
Hierarchical feature extraction on functional brain networks for autism spectrum disorder identification with resting-state fMRI data
针对ASD现有诊断主观性强易误诊的问题,提出基于rs-fMRI的ASD-HNet分层神经网络模型,从ROI、社区、全局三层提取脑功能网络特征,在ABIDE-I数据集上表现优于现有方法。
2025-03-20 q-bio.NC
Diversity in the radiation-induced transcriptomic temporal response of mouse brain tissue regions
本研究通过生物信息学分析产前X射线暴露小鼠脑组织转录组,发现皮层、海马体和小脑等不同脑区在出生后1个月和6个月对辐射的基因表达响应存在显著差异,并揭示了与认知功能相关的通路变化。
2024-04-29 q-bio.NC stat.AP