Segregation, integration and balance of large-scale resting brain networks configure different cognitive abilities
不同的认知过程对局部分离和全局整合的大脑活动提出了不同的要求。然而，目前尚不清楚休息的大脑如何配置其功能组织，以平衡网络隔离和整合的需求，以最好地服务于认知。在这里，我们使用基于特征模的方法来识别功能性脑网络中的分层模块，并量化网络分离和整合之间的功能平衡。在一个大样本的健康的年轻人（n=991），我们结合全脑静息状态功能磁共振成像（fMRI）数据与平均场模型的结构网络来自扩散张量成像，并证明静息脑网络平均接近平衡状态。这种状态允许在隔离和集成配置下保持平衡的时间，并在它们之间进行高度灵活的切换。此外，我们采用结构方程模型来估计一般和特定领域的认知表型从九个任务，并表明，网络隔离，整合和他们的平衡在休息的大脑预测不同的认知表型的个体差异。更具体地说，更强的整合与更好的一般认知能力有关，更强的分离促进了结晶智力和处理速度，而个人的平衡倾向支持更好的记忆。我们的研究结果提供了对大脑支持不同功能需求和认知能力的功能原理的全面和深入的理解，并推进了人类认知的现代网络神经科学理论。
2021-02-28 q-bio.NC
Kurt Lewin, psychological constructs and sources of brain cognitive activity
理解心-脑-环境的关系是心理学的关键课题之一。Kurt Lewin受到理论物理学的启发，试图建立拓扑和向量心理学，分析个人与环境之间的互动模式。重新制定他雄心勃勃的目标的时机已经成熟，他正在寻找用合适的心理结构来解释客观测量的大脑过程的方法。将认知和社会心理学结构与神经表型组学联系起来，就像现在在精神病学中所做的那样，应该使它们在物理现实中扎根。
2017-11-06 q-bio.NC
Cognitive chimera states in human brain networks
人类大脑是一个复杂的动力系统，它通过大脑区域之间连贯和不连贯活动的时空模式来产生认知。由于不同的区域动态地相互作用以执行认知任务，可以观察到部分同步的可变模式，形成嵌合体状态。我们认为，这种状态的出现在大脑的认知组织中起着根本性的作用，并提出了一种新的认知信息，基于嵌合体的框架，以探索大规模的大脑结构如何影响大脑的动力学和功能。使用个性化的大脑网络模型，我们系统地研究了区域性脑刺激如何在预定义的认知系统中产生不同的同步模式。然后，我们在我们的新框架内分析这些新兴模式，以了解特定主题和特定区域的结构变异对大脑动力学的影响。我们的研究结果表明，认知系统分为四组不同程度的主题和区域的变化，反映了他们不同的功能角色的分类。
2018-07-05 math.DS physics.data-an q-bio.NC
Static and dynamic measures of human brain connectivity predict complementary aspects of human cognitive performance
在认知网络神经科学中，大脑网络的连通性和社区结构与认知有关。这方面的研究主要集中在两个连接性的措施-模块化和灵活性-这往往是孤立的审查。通过使用52名年轻人的静息状态fMRI数据，我们研究了模块性，灵活性和认知任务的性能之间的关系。我们发现，灵活性和模块化是高度负相关的。然而，我们也表明，灵活性和模块化作出独特的贡献，以解释任务的性能，与模块化预测性能简单的任务和灵活性预测性能复杂的任务，需要认知控制和执行功能。这里提出的理论和结果允许大脑网络连接和认知过程的测量之间有更强的联系。
2017-11-27 q-bio.NC
On Reverse Engineering in the Cognitive and Brain Sciences
各种研究计划试图利用生物体和大脑的运作原理来开发替代的、受生物启发的计算范式和人工认知系统。本文回顾了认知科学和脑科学中复杂性研究的标准方法，即分解分析或逆向工程的主要特征。大脑和心灵的复杂性是无可争议的，这就提出了一个问题：是否可以通过标准方法来理解它们。事实上，最近在实验和理论领域的发现，问题的核心假设和假设的逆向工程。利用罗伯特·罗森所分析的模型关系，对科学分析方法本身进行了讨论。认知科学的基本假设，即复杂的认知系统可以通过逆向工程来分析、理解和复制，必须放弃。生物和行为的调查，以及工程人工认知系统的影响进行了讨论。
2012-01-23 nlin.AO q-bio.NC
Topological data analysis suggests human brain networks reconfiguration in the transition from a resting state to cognitive load
该研究利用拓扑数据分析比较静息与 SIRP 工作记忆任务下的脑功能网络，发现认知负荷引发更高整合，且同调群生成元更快出现、连接枢纽作用关键。
2023-09-18 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
Brain temperature: what it means and what it can do for (cognitive) neuroscientists
温度对从单细胞到神经回路水平的神经活动的各个方面的影响早已为人所知。然而，温度如何影响使用非侵入性成像技术的实验中典型的系统水平的活动，例如脑电图的磁脑成像，其中既不可能直接测量也不可能操纵，基本上是未知的。从它的基本物理定义开始，我们讨论了可能的方式，其中温度可以被用来作为一个参数，控制通过观察大脑活动的其他变量的演变，并作为一个集体变量描述大脑活动。这两个方面在与学习相关的大脑活动中得到了进一步的说明。最后，从实验数据中提取温度的方法进行了评论。
2013-10-10 q-bio.NC
Functional Whole-Brain Models: A New Framework for Unifying Brain Structure and Cognitive Function
Maastricht University（马斯特里赫特大学）；Institute of Biomedical Research August Pi i Sunyer (IDIBAPS)（奥古斯特·皮伊·苏内尔生物医学研究所）；Masaryk University（马萨里克大学）；University of Amsterdam（阿姆斯特丹大学）；The Czech Academy of Sciences（捷克科学院）
本文提出功能全脑模型（fWBMs），旨在整合脑结构和动态真实性与任务执行能力，通过三个支柱路线图在短期、中期和长期目标上推进，为脑科学研究提供新的工具和跨尺度假设。
2026-05-18 q-bio.NC
Transfer learning to decode brain states reflecting the relationship between cognitive tasks
Southern University of Science and Technology（南方科技大学）
迁移学习通过利用特定源任务的数据来提高目标任务的性能：源任务和目标任务之间的关系越密切，迁移学习的性能提高就越大。在神经科学中，认知任务之间的关系通常由激活的大脑区域或神经表征的相似性来表示。然而，没有研究将迁移学习和神经科学联系起来，以揭示认知任务之间的关系。在本研究中，我们提出了一个迁移学习框架来反映认知任务之间的关系，并比较了迁移学习和大脑区域重叠（例如，neurosynth）。我们的迁移学习的结果创建了认知任务学，以反映认知任务之间的关系，这与来自neurosynth的任务关系非常一致。如果源认知任务和目标认知任务激活相似的脑区，迁移学习在使用fMRI数据进行任务解码时表现更好。该研究揭示了多个认知任务之间的关系，为基于小样本数据的神经解码迁移学习中的源任务选择提供了指导。
2022-08-30 cs.AI cs.LG q-bio.NC
AI of Brain and Cognitive Sciences: From the Perspective of First Principles
如今，我们已经见证了人工智能在各种应用中的巨大成功，包括图像分类、游戏、蛋白质结构分析、语言翻译和内容生成。尽管有这些强大的应用程序，但在我们的日常生活中仍然有许多任务对人类来说相当简单，但对人工智能构成了巨大的挑战。这些包括图像和语言理解，Few-Shot学习，抽象概念和低能耗计算。因此，从大脑学习仍然是一种很有前途的方法，可以为下一代人工智能的发展提供帮助。大脑可以说是宇宙中唯一已知的智能机器，它是在自然环境中生存的动物进化的产物。在行为层面，心理学和认知科学已经证明，人类和动物的大脑可以执行非常智能的高级认知功能。在结构层面，认知和计算神经科学揭示了大脑具有极其复杂但优雅的网络形式来支持其功能。多年来，人们一直在收集有关大脑结构和功能的知识，最近随着世界范围内巨型大脑项目的启动，这一过程正在加速。在这里，我们认为大脑功能的一般原理是激发人工智能发展的最有价值的东西。这些一般原则是大脑提取、表示、处理和检索信息的标准规则，在这里我们称之为大脑的第一原则。本文收集了六个这样的第一原则。它们是吸引子网络、临界性、随机网络、稀疏编码、关系记忆和感知学习。在每一个主题中，我们都回顾了它的生物学背景，基本特性，在人工智能中的潜在应用以及未来的发展。
2023-01-20 q-bio.NC
Cognitive computation of brain disorders based primarily on ocular responses
本综述介绍了多种技术，其中眼部评估可以作为一种非侵入性的方法，用于早期诊断各种认知和精神疾病，如阿尔茨海默病（AD），自闭症谱系障碍（ASD），精神分裂症（SZ），和重度抑郁症（MDD）。实时眼部反应与中枢神经系统内的情绪和认知处理密切相关。眼跳、瞳孔反应和眨眼中观察到的模式，以及通过办公室眼科成像可视化的视网膜微血管和形态，是筛查和评估认知和精神疾病的潜在生物标志物。此外，人工智能（AI）的快速发展为使用基于机器学习的AI，特别是深度学习神经网络提供了越来越多的机会，为认知神经科学领域带来了新的曙光，这可能会导致通过视觉方法对认知和精神疾病进行新的评估和干预。
2020-04-03 q-bio.NC
A region-specific brain dysfunction underlies cognitive impairment in long COVID brain fog
State Key Laboratory of Cognitive Neuroscience and Learning, IDG/McGovern Institute for Brain Research, Beijing Normal University, Beijing, China（北京师范大学认知神经科学与学习国家重点实验室、IDG/麦戈文脑科学研究院）；Chinese Institute for Brain Research, Beijing, China（北京脑科学与类脑研究中心）；Department of Neurology & Innovation Center for Neurological Disorders, Xuanwu Hospital, Capital Medical University, National Center for Neurological Disorders, Beijing 10053, China（首都医科大学宣武医院神经内科及神经系统疾病创新中心、国家神经系统疾病临床医学研究中心）；Department of Physical Therapy, Shandong Daizhuang Hospital, Jining, Shandong, China（山东戴庄医院物理治疗科）；Jining Key Laboratory of Neuromodulation, Jining, Shandong, China（济宁神经调控重点实验室）；State Key Laboratory of Cognitive Science and Mental Health, Institute of Psychology, Chinese Academy of Sciences, Beijing 1001101, China（中国科学院心理研究所认知科学与心理健康国家重点实验室）；Department of Psychology, University of Chinese Academy of Science, Beijing 100049, China（中国科学院大学心理学院）；Max Planck University College London Centre for Computational Psychiatry and Ageing Research, London, UK（伦敦大学学院马克斯·普朗克计算精神病学与衰老研究中心）；Department of Human Neuroimaging, Institute of Neurology, UCL, London, UK（伦敦大学学院神经学研究所人类神经影像系）；Key Laboratory of Neurodegenerative Diseases, Ministry of Education of the People’s Republic of China, Beijing 100053, China（教育部神经退行性疾病重点实验室）
研究发现右下顶叶岛叶功能障碍导致长期新冠认知障碍，通过非侵入性神经调节可改善感知缺陷。
2025-11-30 q-bio.NC
Adversarial Learning Based Structural Brain-network Generative Model for Analyzing Mild Cognitive Impairment
Southern University of Science and Technology（南方科技大学）；Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
轻度认知功能障碍（MCI）是阿尔茨海默病（AD）的先兆，MCI的检测具有重要的临床意义。分析患者的脑结构网络对于MCI的识别至关重要。然而，目前对结构脑网络的研究完全依赖于特定的工具箱，这是耗时和主观的。很少有工具可以从脑扩散张量图像中获得结构脑网络。在这项工作中，提出了一个基于对抗学习的结构脑网络生成模型（SBGM），以直接从脑扩散张量图像中学习结构连接。通过分析不同受试者脑结构网络的差异，我们发现，从老年正常对照（NC）到早期轻度认知障碍（EMCI）再到晚期轻度认知障碍（LMCI），受试者的脑结构网络呈现出一致的趋势：随着病情的恶化，结构连接逐渐减弱。此外，我们提出的模型三分类EMCI，LMCI和NC科目，实现了83.33%的阿尔茨海默氏病神经影像学倡议（ADNI）数据库的分类准确率。
2022-08-09 cs.CV eess.IV eess.SP
An Adaptively Weighted Averaging Method for Regional Time Series Extraction of fMRI-based Brain Decoding
针对fMRI脑解码中传统脑区时间序列平均法忽略空间信息的问题，提出与解码器联合训练的自适应加权体素平均方法，在HCP数据集上实现准确率最高提升5%，可完善fMRI处理基础流程。
2024-07-11 cs.HC q-bio.NC
Cognitive networks: brains, internet, and civilizations
Max–Planck–Institut für Mathematik（马克斯·普朗克数学研究所）
在这篇短文中，我们讨论了认知活动在几个不同时空尺度上的一些基本特征：从大脑中的神经网络到文明。这种比较研究的动机之一是它的启发性价值。通过将其与计算设备进行比较来更好地理解涉及中枢神经系统的认知活动的“湿件”的功能的尝试具有悠久的传统。我们认为，与互联网相比可能更充分。我们简要地触及这样的主题，编码，压缩，和索绪尔的语言/语言/言语在不同的环境。
2017-09-10 cs.AI cs.SI physics.soc-ph
Reverse engineering the brain input: Network control theory to identify cognitive task-related control nodes
提出基于网络控制理论的输入识别框架，通过逆向工程识别认知任务中的大脑控制节点及输入，在合成数据与200名受试者运动任务fMRI数据上验证了其能准确重构神经动力学并识别出28个控制节点。
2024-04-25 cs.SY eess.SY q-bio.NC
Deep learning and whole-brain networks for biomarker discovery: modeling the dynamics of brain fluctuations in resting-state and cognitive tasks
Electric and Computer Engineering Department, Universidad Nacional del Sur（国家南方大学电子与计算机工程系）；Institute of Computer Science and Engineering, National Scientific and Technological Research Council of Argentina (CONICET)（阿根廷国家科学与技术研究理事会计算机科学与工程研究所）；Center for Brain and Cognition, Computational Neuroscience Group, Department of Information and Communication Technologies, Universitat Pompeu Fabra（庞培法布拉大学脑认知中心、信息与通信技术系计算神经科学组）；Institució Catalana de la Recerca i Estudis Avançats (ICREA)（加泰罗尼亚高级研究与教育研究所）；Department of Information and Communication Technologies, Universitat Pompeu Fabra（庞培法布拉大学信息与通信技术系）；ViRVIG, University of Girona（吉罗纳大学ViRVIG）
本研究利用深度学习和全脑网络模型，通过分析分岔参数在静息态和认知任务中的差异，探索其作为生物标志物的潜力。
2025-11-25 cs.LG q-bio.NC
Flexibility of brain regions during working memory curtails cognitive consequences to lack of sleep
以前的研究已经表明睡眠和记忆之间存在明确的关系，研究了睡眠剥夺在非常短的时间内或特殊人群中对关键认知过程的影响。在这里，我们在一项为期16周的纵向研究中表明，健康成年人的自然，不受约束的睡眠调节对大脑有显着影响。使用动态网络方法结合分层统计建模，我们表明，特定的大脑区域，跨越一个大的网络，包括枕叶，颞叶和额叶皮层区域的灵活性增加时，参与者进行工作记忆任务低睡眠发作。关键的是，表现本身并没有随着睡眠而改变，这意味着大脑网络的适应性，通过招募必要的资源来完成任务，以弥补夜间睡眠不足。我们进一步探讨这种补偿效应是否是由（i）随着时间的推移增加网络资源的招聘和/或（ii）网络本身的扩张驱动的。我们的研究结果增加了连接睡眠和记忆的文献，提供了一个分析框架，以研究大脑中的补偿调制，并突出了大脑对日常外部压力波动的适应能力。
2020-09-15 q-bio.NC
Complex network analysis of brain functional connectivity under a multi-step cognitive task
功能性脑网络已被广泛研究，以了解大脑组织和行为之间的关系。本研究旨在探讨在包含连续行为的\emph{multi-step}认知任务下脑网络的功能连接，进一步了解行为对脑组织的影响。基于高空间和时间分辨率的fMRI数据集构建功能脑网络，并通过基于复杂网络的方法进行分析。我们发现，在体素水平上的功能性脑网络显示出强大的小世界性和无标度特性，而它的可扩展性和丰富的俱乐部组织略有限制的行为执行的顺序。更有趣的是，脑网络的功能连接在激活的ROI与行为密切相关，并表现出明显的差异，限于行为执行的顺序。这些实验结果表明，大脑组织具有小世界性和无标度性的共性特征，其由激活的感兴趣区产生的多样性功能连接是由这些行为活动通过大脑的可塑性强烈驱动的。
2017-11-28 physics.bio-ph physics.data-an 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
Building machines that adapt and compute like brains
建造像人类一样学习和思考的机器不仅对认知科学至关重要，对计算神经科学也至关重要，计算神经科学的最终目标是了解认知如何在生物大脑中实现。新的认知计算神经科学应该建立认知水平和神经水平的模型，理解它们之间的关系，并用大脑和行为数据测试这两种类型的模型。
2017-11-11 cs.AI q-bio.NC
Explainable fMRI-based Brain Decoding via Spatial Temporal-pyramid Graph Convolutional Network
大脑解码是利用神经活动来识别大脑状态的一种方法，对认知神经科学和神经工程具有重要意义。然而，现有的用于基于fMRI的大脑解码的机器学习方法或者遭受低分类性能或者较差的可解释性。在这里，我们解决这个问题，提出了一个生物启发的架构，时空金字塔图卷积网络（STpGCN），捕捉功能性大脑活动的时空图表示。通过设计多尺度时空通路和自底向上通路来模拟大脑中的信息处理和时间整合，STpGCN能够通过图形明确地利用大脑活动的多尺度时间依赖性，从而实现高的大脑解码性能。此外，我们提出了一种称为BrainNetX的敏感性分析方法，通过从脑网络的角度自动注释与任务相关的大脑区域来更好地解释解码结果。我们对人类连接组计划（HCP）S1200的23个认知任务下的fMRI数据进行了广泛的实验。结果表明，与竞争基线模型相比，STpGCN显著提高了大脑解码性能; BrainNetX成功地注释了任务相关的大脑区域。基于这些区域的事后分析进一步验证了STpGCN的层次结构对模型的可解释性、鲁棒性和泛化性有显著贡献。我们的方法不仅提供了在多个认知任务下大脑中的信息表征的见解，但也表明了一个光明的未来，基于fMRI的大脑解码。
2022-10-08 cs.NE eess.SP q-bio.NC
Major Depressive Disorder Recognition and Cognitive Analysis Based on Multi-layer Brain Functional Connectivity Networks
Shandong Normal University（山东师范大学）；Shandong University（山东大学）
随着抑郁症发病率的上升，对抑郁症的认识和治疗引起了许多研究者的关注。现有的MDD识别算法多采用单一的时频域方法，但单一的时频域方法过于简单，不利于模拟大脑功能之间复杂的联系关系。针对这一问题，提出了一种基于多层脑功能连接网络（MBFCN）的抑郁症识别方法，并进行了认知分析。基于MBFCN的认知分析发现，Alpha-Beta1频段是识别MDD的关键子带。基于相位滞后指数（PLI）的脑功能连接网络（BFCN）显示，极端抑郁障碍（EDD）患者右侧前额叶与颞叶之间的连接存在缺陷。此外，通过抑郁症特征和PHQ-9的显著性分析，可以发现潜在的生物标志物。
2021-11-02 cs.LG q-bio.NC
Discovering the Computational Relevance of Brain Network Organization
理解神经认知计算不仅需要定位分布在整个大脑中的认知信息，还需要确定这些信息是如何到达那里的。本文综述了将经验和模拟的脑网络组织与认知信息处理联系起来的最新进展。在这些进展的基础上，我们提供了一个新的框架来理解连接在认知中的作用-网络编码（编码/解码）模型。这些模型利用连通性来指定通过神经活动流过程的信息传递，成功地预测了经验神经数据中认知表征的形成。这些模型的成功支持的可能性，本地化的神经功能机械地出现（计算）从分布式活动流程，主要是由连接模式指定。
2019-10-21 q-bio.NC
Brain's Statistical Learning and its Embodied Mechanisms Towards Understanding Creativity and Individuality in Music
本文探讨了大脑统计学习如何通过具身机制解释音乐中的创造力与个体性，揭示了不同认知特质与创造能力之间的关系。
2025-11-20 q-bio.NC
Mapping cognitive ontologies to and from the brain
Inria Saclay Ile-de-France（法国国家信息与自动化研究所萨克雷-法兰西岛分部）
影像神经科学通过相关研究将大脑激活图与行为和认知联系起来。由于个体实验的性质，基于从少量刺激中引发神经反应，这种联系是不完整的，并且从因果关系的角度来看是单向的。要想对大脑区域的激活所隐含的功能得出结论，就必须将对各种大脑功能的广泛探索与对统计推断的一些反演结合起来。在这里，我们介绍了一种方法，用于积累知识，实现观察到的大脑活动和相应的功能之间的双向联系。我们依赖于大量的成像研究和预测引擎。从技术上讲，挑战是在不改变语料库丰富性的情况下找到研究之间的共性。我们贡献的关键要素是标记与认知本体执行的任务，并在语料库中建模罕见的范例的长尾。据我们所知，我们的方法是预测全新大脑图像的认知内容的第一个演示。为此，我们提出了一种预测不同研究中实验范式的方法。
2013-11-20 cs.LG q-bio.NC stat.ML
High-Accuracy Machine Learning Techniques for Functional Connectome Fingerprinting and Cognitive State Decoding
University of Denver（丹佛大学）；Indiana University, Bloomington（印第安纳大学伯明顿分校）
人类大脑是一个复杂的网络，由功能和解剖学上相互连接的大脑区域组成。越来越多的研究表明，大脑网络的经验估计可能有助于发现疾病和认知状态的生物标志物。然而，实现这一目标的先决条件是，大脑网络也可以作为个体的可靠标记。在这里，使用人类连接组项目数据，我们建立在最近的研究检查基于大脑的指纹的个人科目和认知状态的认知要求的任务，评估，例如，工作记忆，心理理论和运动功能。我们的方法实现了高达99\%的准确性识别的fMRI扫描的主题，并在扫描中的一个以前看不见的主题的认知状态的分类。更广泛地说，我们探索了五种不同的机器学习技术对受试者指纹识别和认知状态解码目标的准确性和可靠性，使用来自大量受试者（865）在许多认知状态（8）上的fMRI扫描的功能连接数据。这些结果代表了基于功能连接的脑指纹和状态解码的现有技术的进步。此外，16个不同的预处理管道进行比较，以表征功能连接体（FC）的生产的不同方面对主题和任务分类的准确性的影响，并确定可能的混淆。
2022-11-14 cs.LG q-bio.NC
Neural Decoding as Cognitive Inference
Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；University of Chinese Academy of Sciences（中国科学院大学）；The Hong Kong Polytechnic University（香港理工大学）；Hong Kong Baptist University（香港浸会大学）
本研究将神经解码重新表述为受大脑固有先验约束的认知推理方法，在多模态神经记录的多认知领域实验中，成功从可变神经观测中恢复稳定认知状态，揭示了大脑维持认知稳定性的机制。
2026-10-09 cs.AI q-bio.NC
Continuous monitoring of cognitive load using advanced computerized analysis of brain signals during virtual simulator training for laparoscopic surgery, reflects laparoscopic dexterity. A comparative study using a novel wireless device
基于模拟的培训是获得实践技能的有效工具，特别是在受控和无危险的环境中训练新外科医生，但是重要的是要测量参与者的认知负荷，以决定他们是否准备好进入真正的手术。在本研究中，我们测量了医学生和实习生在手术模拟器上的表现，而他们的大脑活动由移动EEG设备监测。38名医学生在Simbionix模拟器上进行了3项实验，同时使用单通道EEG设备（Aurora）测量他们的大脑活动。在每个实验中，参与者使用腹腔镜手重复进行3次模拟任务。在每个实验中，任务之间的保留是不同的，以检查在任务期间或作为夜间睡眠巩固的结果发生的性能和认知负荷生物标志物的变化。在所有3个实验中，参与者的行为表现随着试验重复而改善。在Exps。如图1和图2所示，θ带活动随着更好的个体表现而显著降低，如模拟器的一些行为测量所示。新的VC9生物标志物（先前显示与认知负荷相关）表现出显著降低，所有行为测量显示出更好的个体表现。与先前的研究相一致，θ随着认知负荷的降低和性能的提高而降低，并且新的生物标志物VC 9对负荷变化表现出更高的敏感性。总之，这些测量可能是神经影像学评估认知负荷，同时执行模拟腹腔镜任务。这可能会扩展到评估不同的医疗模拟的有效性，为医务人员提供更有效的培训，并在真正的腹腔镜手术中测量认知和精神负荷。
2021-04-12 q-bio.NC
Proton Conducting Graphene Oxide Coupled Neuron Transistors for Brain-Inspired Cognitive Systems
神经元是大脑中最重要的组成部分，神经元的信息处理涉及到将输入突触脉冲序列转换为相应的输出脉冲序列。利用单个离子/电子混合器件实现神经元的硬件实现，对于增强我们对大脑的理解，解决感觉处理和复杂识别任务具有重要意义。在这里，我们提供了一种基于质子传导氧化石墨烯（GO）耦合氧化物基双电层（EDL）晶体管的原理验证人工神经元，该晶体管具有多个驱动输入和一个调制输入端子。成功地模拟了成对脉冲促进、树突整合和方向调整。此外，还对频率编码方案中的神经元增益控制（算术）进行了实验验证。我们的研究结果为构建大脑启发的认知系统提供了一种新的概念方法。
2015-10-21 cond-mat.mtrl-sci cs.ET q-bio.NC
Is controlling a brain-computer interface just a matter of presence of mind? The limits of cognitive-motor dissociation
该研究指出完全性闭锁综合征患者的BCI失效或不仅源于技术问题，还可能因运动及动眼相关脑区损伤损害内隐注意等认知前提，主张重新评估认知-运动分离的局限。
2023-09-30 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
Functional Hubs in Mild Cognitive Impairment
我们研究了功能性大脑网络的枢纽如何由于轻度认知障碍（MCI）而被修改，这是一种导致认知能力轻微但明显下降的情况，有时会在阿尔茨海默病发作之前发生。我们使用脑磁图（MEG）研究一组MCI患者和对照组健康受试者在执行短期记忆任务期间的功能性脑网络。大脑网站之间的耦合进行了评估，使用同步的可能性，从网络的功能相互依赖的构建和中心性，即重要性，它们的节点量化。结果表明，相对于健康对照组，MCI患者分别与枕部和中央头皮区域的中枢中心性降低和增加相关，支持MCI改变功能性脑网络拓扑结构，导致更多随机结构的假设。
2013-07-10 q-bio.NC
Designing Artificial Cognitive Architectures: Brain Inspired or Biologically Inspired?
VIDIA-mant
人工神经网络（ANN）被设计为用于人工智能设计实现的工具。然而，很快就发现他们无法履行自己的职责。人工神经网络完全自主的工作方式，排除了任何人为干预或监督，剥夺了任何理论基础，导致了一种奇怪的状态，当人工神经网络设计师无法解释为什么以及如何实现其惊人和显着的结果。因此，当代人工智能研发看起来更像是一个现代炼金术企业，而不是一个受人尊敬的科学或技术事业。另一方面，现代生物科学认为，智力不仅可以在人脑中区分。今天，智力被认为是每个生物的基本属性。因此，自然智能的较低简化形式更适合在人工认知架构中进行研究和进一步复制。
2018-12-12 cs.AI q-bio.NC
BrainCodec: Neural fMRI codec for the decoding of cognitive brain states
针对fMRI数据规模小、信噪比低的问题，提出受神经音频编解码器启发的BrainCodec，在心理状态解码中性能更优，兼具可解释性与去噪潜力，为神经科学分析提供新可能。
2024-10-06 cs.CL q-bio.NC
How Does the Brain Organize Information?
大脑中的认知过程，如学习、记忆的形成、记忆图像的恢复、物体的分类，有两个特点：第一，大脑中没有控制这些过程的监督者。其次，有大量的神经元（10^{6}到10^{10}）参与这些认知任务。出于这个原因，理解认知过程的研究使用了从大量神经元构建的模型，但非常简化的神经元。所谓的神经网络在描述大脑功能的某些方面已经相当成功，比如联想记忆的机制或最近的癫痫发作预测。在Kohonen网络的手，我们讨论的信息在大脑中的治疗，特别是大脑如何组织这样的信息没有监督。最近，小世界网络和无标度结构成为人们关注的焦点。有证据表明，大脑（猫皮层，猕猴皮层，人脑）使用这种连接结构。信息处理、学习和分类等任务利用了这种无标度和小世界连接，因此在大脑的自组织中发挥了潜在的重要作用。
2009-02-19 q-bio.NC
Design for a Darwinian Brain: Part 1. Philosophy and Neuroscience
Queen Mary University of London（伦敦玛丽女王大学）
开放式认知需要物理符号系统。理解物理符号系统的一个好方法是将思想与化学进行比较。两者都具有系统性、生产性和组合性。批判性地评估了开放式认知的认知架构的最新发展。我的结论是，一个认知架构，在大脑中的符号结构的演变是一个很有前途的候选人来解释开放式认知。本文的第2部分提出了这样一个认知架构。
2013-03-28 cs.AI q-bio.NC
Association of Timing and Duration of Moderate-to-Vigorous Physical Activity with Cognitive Function and Brain Aging: A Population-Based Study Using the UK Biobank
J. Crayton Pruitt Family Department of Biomedical Engineering, University of Florida（朱·克雷顿·普瑞特生物医学工程系，佛罗里达大学）；Department of Health Services Research, Management and Policy, University of Florida（健康服务研究、管理与政策系，佛罗里达大学）；Department of Radiation Oncology, Stanford University（放射肿瘤学系，斯坦福大学）；Norman Fixel Institute for Neurological Diseases, University of Florida（诺曼·菲克斯神经疾病研究所，佛罗里达大学）；Center for Cognitive Aging and Memory, McKnight Brain Institute, University of Florida（认知衰老与记忆中心，麦金尼脑研究所，佛罗里达大学）；Department of Electrical and Computer Engineering, University of Florida（电气与计算机工程系，佛罗里达大学）
本研究基于英国生物银行4.5万余名老年人的数据，发现中高强度体力活动与更好的认知功能和更大的区域脑容量显著相关，且存在剂量-反应关系，提示增加体力活动有助于健康脑老化。
2025-08-24 cs.AI q-bio.NC
Brain-inspired AI Agent: The Way Towards AGI
本文提出类脑AI智能体概念，从人脑机制提取兼容智能体的皮层功能与连接网络以实现类人基础认知，同时分析了其实现局限、挑战及未来方向，为AGI发展提供新路径。
2024-12-12 cs.ET cs.NE q-bio.NC
Functional brain networks reveal the existence of cognitive reserve and the interplay between network topology and dynamics
我们研究了在健康老年人的记忆任务中，功能性脑网络的组织与认知储备（CR）的关系。我们获得了20名高、低CR水平老年人的脑磁图功能网络，分析其网络特征的差异。我们报告了整个网络的同步和CR之间的负相关性，并观察到在节点和网络层面的差异：平均最短路径和网络外展。具有高CR的个体需要具有较低链接的功能网络来成功地执行记忆任务。这些结果可能表明，那些低CR水平的个体表现出双重模式的补偿和网络损伤，因为他们的功能是更积极的成本高CR组执行任务。此外，我们评估了不同大脑区域的动力学特性与网络参数的相关性，得出熵与强度和聚类系数呈正相关，而复杂性则相反。因此，功能网络的高度连接节点显示出更随机和更不复杂的信号。我们认为，网络方法可能是一个相关的工具，以更好地了解大脑功能老化。
2017-12-01 q-bio.NC
Relating cognition to both brain structure and function: A systematic review of methods
认知神经科学通过研究大脑结构和功能的相关性来探索认知的机制。在这里，我们报告了第一个系统的审查，评估如何从结构和功能神经影像学方法的信息可以整合到调查认知的大脑基板。在Web of Science和Scopus数据库中检索收集认知数据以及结构和功能神经影像学数据的健康年轻成人人群的研究。5%的筛选研究符合所有纳入标准。其次，54%的纳入研究将认知表现与大脑结构和功能联系起来，但没有定量分析这种关系。最后，32%的研究正式整合了大脑结构和功能数据。总的来说，许多研究考虑了认知的结构或功能神经相关性，而在那些同时考虑两者的研究中，它们很少被整合。我们确定了四种新兴的方法来表征大脑结构，功能和认知之间的关系：比较，预测，融合和互补。我们讨论了每种方法提供的见解，以及作者如何选择适合他们研究问题的方法。
2022-02-04 q-bio.NC
Harnessing XGBoost for Robust Biomarker Selection of Obsessive-Compulsive Disorder (OCD) from Adolescent Brain Cognitive Development (ABCD) data
Columbia University（哥伦比亚大学）
本研究基于ABCD模拟数据比较多种机器学习模型，发现XGBoost在高相关神经信号中能更稳健地选择强迫症相关预测特征，为神经影像分析提供方法选择依据。
2024-05-14 cs.LG q-bio.NC stat.AP
SimBrainNet: Evaluating Brain Network Similarity for Attention Disorders
本研究提出基于多变量转移熵的认知事件连接网络和新相似性度量SimBrainNet，评估注意力障碍个体的大脑网络相似性，发现儿童比青少年注意力变化更大且前额叶连接更弱，揭示了注意力水平变化及相关认知机制。
2024-10-12 cs.HC q-bio.NC
Modeling cognitive deficits following neurodegenerative diseases and traumatic brain injuries with deep convolutional neural networks
神经退行性疾病和创伤性脑损伤（TBI）的准确诊断和评估仍然是一个挑战。由于局灶性轴突损伤（FAS），两者都会导致认知和功能缺陷，但由于我们在体内细胞水平评估受损神经元的能力有限，因此难以提供预后。我们使用卷积神经网络（CNN）作为我们的认知模型来模拟神经退行性疾病和TBI的影响。我们利用FAS的生物药理学相关统计数据，以功能相关的方式破坏CNN中的连接。我们通过修剪CNN来减少过度设计，从而将能量约束纳入大脑。定性地，我们证明了损害会导致类似人类的错误。我们的实验还提供了准确性如何受到各种类型和水平的损害的定量评估。固定数量的损伤所导致的赤字在很大程度上取决于哪些连接是随机受损的，这为为什么难以预测损伤提供了直观的解释。在解释人类大脑等复杂系统的认知缺陷时，存在很大程度的主观性。然而，我们提供了重要的见解和定量框架的疾病，其中FAS牵连。
2016-12-13 q-bio.NC q-bio.QM stat.ML
What do neuroanatomical networks reveal about the ontology of human cognitive abilities?
Hong Kong Baptist University（香港浸会大学）；Carl von Ossietzky Universität Oldenburg（奥尔登堡卡尔·冯·奥西茨基大学）；East China Normal University（华东师范大学）；Humboldt University at Berlin（柏林洪堡大学）；Zhejiang Normal University（浙江师范大学）；Zhejiang University（浙江大学）
在过去的几十年里，认知心理学已经对人类智力的本体论结构达成了公平的共识。然而，它仍然是一个悬而未决的问题，是否大脑的解剖特性支持相同的本体论。本研究探讨了本体结构来自神经解剖网络与性能在15个认知任务，表明各种能力。结果表明，脑衍生（神经测量）本体是部分一致的认知性能衍生（心理测量）本体。然而，也存在可解释和互补的差异。此外，与不同推断能力相关的皮层区域是分离的，几乎没有重叠。然而，这些空间分离的皮质区是通过更密集的白质结构连接相比较，一般的大脑连接体。与能力相关的皮层网络的整合构成了一般智力的心理测量结构的神经对应物，而心理测量和神经测量本体之间的一致性和差异代表了理论构建，临床诊断和治疗的关键知识。
2021-12-07 q-bio.NC
Subtle variations in stiff dimensions of brain networks account for individual differences in cognitive ability
本研究将刚性-松弛分析应用于人脑任务fMRI数据，发现刚性维度的微小偏差能决定DMN与WMN间的动态分离与整合，从而解释认知能力的个体差异。
2025-04-27 q-bio.NC
Deep multivariate autoencoder for capturing complexity in Brain Structure and Behaviour Relationships
针对传统线性模型在高维数据分析中的局限，提出一种深度多变量自编码器探索大脑微观结构与认知间的非线性关系，验证表明其在样本外泛化能力上优于传统方法。
2024-09-03 q-bio.NC
Cognitive styles sex the brain, compete neurally, and quantify deficits in autism
简介：心灵的两个关键维度是理解和回应他人的精神状态（移情），以及分析合法行为（系统化）。研究方法：两个问卷，系统商（SQ）和共情商（EQ），被施加到正常对照组和一组的个体，患有自闭症（AS）或高功能自闭症（HFA）。采用主成分分析法对关节评分的多变量相关性进行分析。结果：SQ和EQ得分的和与差能很好地近似主成分。分数的差异对应于对照组内的性别差异，也分离出AS/HFA组，其表现出比对照组更强的系统化，但低于平均水平的同理心。评分之和未显示性别差异，但确实区分了AS/HFA组。结论：这些测试可靠地显示了大脑的性别，它们之间的相关性表明，移情和系统化并不是独立的，而是在神经上相互竞争。他们的综合评分（EQ + SQ）量化了自闭症谱系障碍的缺陷。
2004-12-01 q-bio.NC
Clarifying Cognitive Control and the Controllable Connectome
认知控制研究者旨在描述支持适应性认知以实现特定目标的过程。控制理论家考虑如何影响系统的状态，以达到某些用户定义的目标。在大脑网络中，认知控制和控制理论之间的一些概念和词汇相似之处为科学发现提供了有吸引力的途径。然而，这些机会也伴随着概念混乱的风险。在这里，我建议每个研究领域都继续产生新颖而独特的见解。然后，我描述了协同研究的机会，在这些子学科的交叉点与批判的立场，减少概念混淆的风险。通过这个练习，我们可以观察到，认知神经科学和系统工程都有很大的贡献，在人类大脑网络的认知控制研究。
2018-06-01 q-bio.NC
The brain as a blueprint: a survey of brain-inspired approaches to learning in artificial intelligence
本文综述了深度学习借鉴神经科学原理的成功实践与局限，并探讨了基于生物突触更新机制改进误差计算与传播的未来方向。
2025-11-06 q-bio.NC
State-dependent changes of connectivity patterns and functional brain network topology in Autism Spectrum Disorder
解剖学和功能性大脑研究已经汇聚到自闭症谱系障碍（ASD）与非典型连接相关的假设。使用修改后的静息状态范式来驱动受试者的注意力，我们提供了ASD大脑功能连接和认知状态之间非常显着的相互作用的证据。我们表明，随着注意力从外部世界转向身体产生的信息，自闭症谱系障碍和典型患者的功能连接以相反的方式变化。此外，ASD受试者的跨认知状态连接性的改变比典型受试者更显著。利用不同条件下大脑连接的差异，我们对ASD受试者进行了分类，其性能约为80%，而基于任何给定认知状态下的连接模式的分类接近于偶然。前岛和背前扣带皮层之间的连接显示出最高的分类准确性，其强度随ASD严重程度增加。这些结果为基于从精神状态库获得的功能性脑网络的精神病理诊断铺平了道路。
2012-11-20 q-bio.NC
Functional switching among dynamic neuronal hub-nodes in the brain induces transition of cognitive states
认知状态大致分为清醒、快速眼动睡眠和非快速眼动睡眠。虽然状态转换的机制是未知的，它已被提出，不同的大脑区域之间的功能激活/失活导致这样的过渡。由于脑电图的分析可以让我们探索大脑区域之间的属性和关联，我们利用它来解决我们的查询。我们记录了额叶和枕叶皮层脑电图从手术准备慢性自由移动，正常行为的大鼠和分类的警觉状态和警觉状态转换。通过计算多重分形谱宽度进行的复杂性分析分类VST为高度非线性和复杂的比他们参与的警戒状态。将脑电信号分解为经典的人类Delta、Theta、Alpha、Beta和Gamma振荡的频率范围。这些振荡的动态网络属性显示了在意识状态下大脑额叶和枕叶区域之间令人信服的拓扑相关性。底层分层网络组织的拓扑趋势已经由集线器和非集线器节点的百分比表征，其进一步确定全局和局部连接趋势。这揭示了NREMS期间由于与清醒状态相比其中枢节点数量减少而导致的功能断开的有趣见解。在NREMS-唤醒和唤醒-NREMS转换期间，额叶和枕叶区域之间的中枢/非中枢节点的比率也存在切换行为。我们的研究结果提供了支持的功能区域失活或激活枢纽节点作为逐步切换机制的原则证明，以分级的方式向认知状态的过渡，清醒到睡眠或反之亦然;详细的神经生理化学机制需要进一步研究。
2021-09-19 q-bio.NC
Dynamic reshaping of functional brain networks during visual object recognition
新出现的证据表明，人类大脑的模块化组织允许更好和更有效的认知表现。这些认知功能中的许多是非常快的，并且发生在亚秒的时间尺度上，例如视觉物体识别。在这里，我们研究大脑网络模块化，同时控制刺激的意义和测量参与者的反应时间。我们特别提出了两个问题：i）在识别有意义和无意义的视觉图像时，动态脑网络模块化是否会发生变化？以及ii）网络模块化与参与者的反应时间之间是否存在相关性？为了解决这些问题，我们从20名健康的人类受试者中收集了密集的脑电图（EEG，256通道）数据，这些受试者执行认知任务，包括命名有意义的（工具，动物）和无意义的（杂乱）图像。在亚秒级的时间尺度上使用EEG源连接方法估计这两类脑功能网络。通过使用多切片模块化算法，我们跟踪了有意义和无意义图像识别过程中功能网络的重构。结果显示，在整合（模块之间的相互作用）和发生（任何两个大脑区域在任务期间落入同一模块的平均概率）方面，两种条件的模块特征存在差异。无意义的整合和发生率高于有意义的图像。我们的研究结果还表明，右额叶和左枕颞区的发生可以帮助预测大脑快速识别和命名视觉刺激的能力。我们推测，这些观察结果不仅适用于其他快速认知功能，而且适用于检测可能发生在某些大脑疾病中的快速断开。
2018-07-31 q-bio.NC
