Decline of long-range temporal correlations in the human brain during sustained wakefulness
睡眠对于白天的功能，认知能力和整体健康至关重要。已知日常生活的这些方面在长时间清醒后受损，然而，潜在的神经元相关性一直难以识别。越来越多的证据表明，大脑的正常功能是以皮层中的长距离时间相关（LRTC）为特征的，它支持决策和工作记忆任务。在这里，我们评估LRTC在静息状态下的人类EEG数据在40小时的睡眠剥夺实验通过评估的衰减自相关和从EEG振幅波动的去趋势波动分析的标度指数。我们发现，这两种措施，LRTC下降睡眠剥夺的进展。当适当考虑信号功率的变化时，这种下降变得明显。我们的研究结果证明了睡眠对维持人类大脑中LRTC的重要性。在复杂网络中，LRTC自然出现在临界状态附近。因此，在清醒期间观察到LRTC下降，为我们的假设提供了额外的支持，即睡眠重组皮层网络，使其朝着临界动力学方向发展，以实现最佳功能。
2017-06-12 q-bio.NC
Exploring the changes in brain network SC-FC coupling patterns of partial sleep deprivation based on DTI-fMRI fusion analysis
本研究通过DTI-fMRI融合分析，探讨部分睡眠剥夺对脑网络SC-FC耦合模式的影响，发现睡眠剥夺导致神经网络结构和功能连接的异常，提出SC-FC耦合方法作为睡眠相关情绪失调的新型生物标记物。
2025-11-24 q-bio.NC
Visceral theory of sleep and origins of mental disorders
睡眠的内脏理论指出，在清醒状态下处理外部信息的相同大脑神经元在睡眠期间切换到处理来自各种内脏系统的内部信息。在这里，我们假设大脑中的外感受性和内感受性信息流的转换失败可以表现为精神疾病。
2018-08-21 physics.bio-ph q-bio.NC
Night-to-Night Variability of Sleep Electroencephalography-Based Brain Age Measurements
目的脑年龄指数（BAI）是根据睡眠脑电图（EEG）计算的，被认为是脑健康的生物标志物。这项研究量化了BAI的夜间变异性，并建立了基于患者BAI推断潜在脑病理学的概率阈值。方法选择86例连续多夜脑电图监测结果在正常范围内的癫痫患者。使用先前描述的算法计算每个12小时患者数据段的BAI，并测量BAI的夜间变异性。结果BAI患者内夜间标准差为7.5年。通过对2、3和4个夜晚进行平均得出的BAI估计值的标准差分别为4.7、3.7和3.0年。结论：平均BAI超过n个夜晚，降低了BAI的夜间变异性的一个因素的平方根的n，使BAI更适合作为一个生物标志物的大脑健康在个人水平。随着EEG采集（包括可穿戴技术）的日益便利，BAI有可能跟踪大脑健康并检测正常生理功能的偏差。在临床环境中，BAI可用于识别应接受进一步检查或监测的患者。
2020-03-02 q-bio.NC
Modeling the relationship between regional activation and functional connectivity during wakefulness and sleep
整体大脑活动自组织成离散的模式，其特征在于不同的行为可观察性和信息处理模式。人类丘脑皮质系统是一个紧密相连的网络，局部神经激活会影响协调的集体动力学。我们引入了一个半经验模型来研究自然清醒-睡眠周期中不同大脑状态下区域激活和长程功能连接之间的关系。我们的模型结合了功能磁共振成像（fMRI）数据，在体内估计的结构连接，和解剖学上知情的先验约束区域激活的独立变化。正如预期的那样，基于功能连贯网络的先验导致了经验和模拟大脑活动之间的最佳拟合。我们发现，睡眠逐步划分的皮层区域呈现相反的动力学行为：额顶叶区域接近局部振荡动力学的分叉，而感觉运动区域呈现稳定的动力学噪声。与人类电生理学实验一致，睡眠开始诱导皮层下失活和解偶联，随后在更深的阶段逆转。最后，我们引入了可变强度的外部强迫来模拟外部扰动，并确定了与深度睡眠觉醒恢复特别相关的关键区域。我们的模型将睡眠表示为一种状态，在这种状态下，长程解耦和区域失活与向清醒快速过渡的潜力共存。我们的模拟提供的机制的见解，允许在硅片参数探索这种转变的外部扰动方面，具有潜在的应用程序的生理和病理大脑状态的控制。
2019-07-29 q-bio.NC
Characterizing sleep stages through the complexity-entropy plane in human intracranial data and in a whole-brain model
本文通过复杂度-熵平面分析106名患者颅内记录的四个睡眠阶段时间序列，用Bandt和Pompe符号方法计算WPE与SCM，且全脑AdEx神经元网络模型可复现实证结果，SVM分类皮质状态准确率高。
2025-11-12 physics.bio-ph q-bio.NC
Neural correlates of self-generated imagery and cognition throughout the sleep cycle
几千年来，人类已经意识到睡眠有多种形式，伴随着不同种类的精神内容。我们回顾了第一人称报告文献的频率和类型的内容所经历的不同阶段的睡眠，表明不同的睡眠阶段是分离的主观水平。然后，我们将这些主观差异与越来越多的文献区分不同的睡眠阶段在神经生理学水平，包括证据，从电生理学，神经化学和功能性神经影像学。我们认为，睡眠阶段，神经生理活动和主观经验之间的关系有新的证据。具体来说，我们强调，功能性神经影像学工作表明，默认网络和视觉网络脑区的激活和失活之间的平行和不同的频率和强度的图像和梦的心理状态在睡眠阶段;此外，额顶叶控制网络活动在睡眠阶段可能平行的认知控制和元意识水平。总之，这些发现表明了有趣的大脑-思维同构，并可能成为全面理解睡眠和做梦中神经生理学和心理学之间关系的第一步。
2016-10-06 q-bio.NC
Avalanche analysis from multi-electrode ensemble recordings in cat, monkey and human cerebral cortex during wakefulness and sleep
自组织临界态存在于许多自然系统中，从地震到森林火灾，它们也在神经系统中被观察到，特别是在神经元培养中。然而，在清醒的大脑中临界状态的存在仍然存在争议。在这里，我们比较了雪崩分析不同的体内制剂在觉醒，慢波睡眠和REM睡眠，使用高密度电极阵列在猫运动皮层（96个电极），猴子运动皮层和运动前皮层和人类颞叶皮层（96个电极）癫痫患者。在从单位（高达160个单位）定义的神经元雪崩中，雪崩的大小从未明显地按幂律缩放，而是按指数缩放或显示中间缩放。我们还分析了不同电极之间局部场电位（LFP）的动态变化，特别是LFP负峰（nLFP）（颞叶皮质中多达96个位点或相邻运动和前运动皮质中多达128个位点）。在这种情况下，从nLFP定义的雪崩显示幂律缩放双对数表示，如先前在猴中所报道的。然而，雪崩定义为正LFP（pLFP）峰，这是不太直接相关的神经元放电，也表现出明显的幂律缩放。使用更可靠的累积分布函数（CDF）和其他严格的统计方法对这种比例进行更仔细的检查，并没有证实幂律比例。同样的模式也出现在猫、猴子和人类身上，以及清醒和睡眠的不同大脑状态。我们还测试了其他替代发行版。多重指数拟合得到了雪崩动力学与双指数分布的最佳拟合。总的来说，这些结果没有明确的证据表明，从猫到人，哺乳动物清醒和睡眠的大脑中存在幂律缩放或自组织临界状态。
2012-07-15 nlin.AO q-bio.NC
A Blueprint for the Study of the Brain's Spatiotemporal Patterns
像大脑这样的器官的功能来自于其组成部分之间的相互作用。此外，这种相互作用在时间上不是一成不变的，而是以一系列模式展开的，从而使大脑能够适应不断变化的外部和内部环境。这就需要一个能够研究大脑组成部分之间模式化时空相互作用的框架。一个理论和方法的框架来研究大脑的协调动力学。在这里，我们提出了一个工具集，旨在破译连续动态的电生理数据及其关系（dys-）功能。了解大脑模式的时空组织及其与行为，认知和临床相关变量的关联是神经科学和生物启发工程领域的一个重要挑战。希望这样一个全面的框架不仅能揭示人类行为和人类思维，还能帮助理解越来越多的与大脑连接障碍有关的病理学。
2021-06-01 q-bio.NC
Spike Avalanches Exhibit Universal Dynamics across the Sleep-Wake Cycle
在细胞培养物和切片以及麻醉和清醒的大脑中观察到了尺度不变的神经元雪崩，这表明大脑在临界状态附近运行，即雪崩传播和灭绝之间的狭窄范围内。从理论上讲，临界性为大脑的行为提供了许多理想的特征，优化了计算能力，信息传输，对感官刺激的敏感性和记忆库的大小。然而，在自由行为（FB）动物的神经元雪崩的彻底表征仍然缺失，从而提高了怀疑他们的脑功能的相关性。为了解决这个问题，我们采用长期植入的多电极阵列（MEA）记录雪崩的尖峰从大脑皮层（V1和S1）和海马（HP）的14只大鼠，因为他们自发地穿越觉醒-睡眠周期，探索新的对象或进行麻醉（AN）。然后，我们模拟尖峰雪崩，以评估其统计稀疏MEA采样的影响。我们发现，穗雪崩的大小分布是很好的拟合对数正态分布在FB动物，和截断的权力法律在AN组。FB数据的特点还在于多个关键功能兼容的临界在时间域中，如1/f谱和长期相关性，通过去趋势波动分析测量。这些特征在清醒、慢波睡眠和快速眼动睡眠中非常稳定，但在麻醉期间会崩溃。同样，等待时间分布服从一个单一的标度函数在所有的自然行为状态，但不是在麻醉期间。从V1、S1和HP记录的神经元集合的结果是等同的。总而言之，这些数据提供了行为和大脑临界性之间的全面联系，揭示了所有主要行为中尖峰雪崩的独特尺度不变机制。
2011-01-10 physics.data-an q-bio.NC
Thalamo-cortical spiking model of incremental learning combining perception, context and NREM-sleep-mediated noise-resilience
大脑表现出从少数嘈杂的例子中快速增量学习的能力，以及将相似的记忆关联到精心创建的类别中并将上下文提示与感官知觉结合起来的能力。与睡眠一起，这些机制被认为是许多高级认知功能的关键组成部分。然而，人们对不同大脑状态的潜在过程和具体作用知之甚少。在这项工作中，我们利用了结合的上下文和感知的丘脑-皮层模型的基础上，一个软赢家通吃电路的兴奋性和抑制性尖峰神经元。在校准这个模型来表达清醒和深度睡眠状态的功能与生物措施相媲美后，我们证明了模型的快速增量学习能力，从几个例子中，它的弹性时，提出了嘈杂的看法和上下文信号，并改善视觉分类后，睡眠由于诱导突触稳态和类似的记忆。
2021-08-05 cs.DC q-bio.NC
Generative embeddings of brain collective dynamics using variational autoencoders
我们考虑的问题，编码成对的耦合动力系统之间的相关性在一个低维的潜在空间基于几个不同的意见。我们使用变分自编码器（VAE）嵌入耦合非线性振荡器之间的时间相关性，该振荡器将清醒-睡眠周期中的大脑状态建模为二维流形。用两种不同的参数组合生成的样本训练VAE，产生了一个代表集体动力学的整个库的嵌入，以及底层连接网络的拓扑。我们首先遵循这种方法，从该轨迹的两个端点推断从清醒到深度睡眠测量的大脑状态的轨迹;接下来，我们证明了相同的架构能够表示通过复杂网络拓扑耦合的通用Landau-Stuart振荡器的成对相关性。
2020-07-02 q-bio.NC
What your brain activity says about you: A review of neuropsychiatric disorders identified in resting-state and sleep EEG data
Fraunhofer Institute for Digital Media Technology（弗劳恩霍夫数字媒体技术研究所）；University Medical Center Schleswig-Holstein (UKSH)（石勒苏益格-荷尔斯泰因大学医学中心）
本文综述静息态与睡眠EEG数据可识别的神经精神疾病及个人信息，调研相关研究方法与结果，指出EEG数据存在隐私泄露风险，强调匿名化及隐私保护工具开发的重要性。
2026-09-29 cs.CR cs.CY cs.NE
Sleep, Neuroengineering and Dynamics
意识相关现象的建模和神经工程学是一起快速发展的领域。我们回顾了最近的方法和发展，并指出未来研究的一些有前途的方向：了解意识状态和相关振荡的动力学，病理性振荡以及它们的治疗刺激，神经修复和脑-机接口的方法，和刺激方法，探测，影响和加强记忆巩固。在所有这些领域，计算模型连接理论，神经生理学和神经工程研究，并为医学应用铺平了道路。
2013-12-30 q-bio.NC
A Novel Approach to Image EEG Sleep Data for Improving Quality of Life in Patients Suffering From Brain Injuries Using DreamDiffusion
本文通过改进DreamDiffusion代码库并引入Google Colab，实现将EEG脑电信号（包括睡眠数据）直接转换为图像，以帮助理解脑损伤患者思维并改善其生活质量。
2024-07-02 cs.AI q-bio.NC
Branched chain amino acids, an ''essential'' link between diet, clock and sleep?
支链氨基酸：亮氨酸、异亮氨酸和缬氨酸在必需氨基酸中占有特殊的地位，因为它们不仅在蛋白质结构中而且在一般代谢和脑代谢中都很重要。在食物摄入后首先吸收的氨基酸中，它们在蛋白质合成和胰岛素分泌的调节中起主要作用。它们参与调节脑对单胺前体的摄取，它们可能与单胺前体竞争共同转运蛋白的占用。在大脑中，支链氨基酸不仅参与蛋白质合成，而且参与GABA和谷氨酸的代谢循环以及能量代谢。特别是，它们可以影响GABA能神经元和兴奋/抑制平衡。已知支链氨基酸的血浆浓度具有24小时节律性，这在啮齿动物模型中非常保守。这种节律部分是昼夜节律，独立于睡眠和食物。此外，当睡眠受到干扰以及肥胖和糖尿病时，它们的浓度会增加。调节这些节律的机制及其生理影响仍然知之甚少。在这种情况下，果蝇模型还没有被广泛使用，但它是高度相关的，第一个结果表明，它可以产生新的概念。支链氨基酸的代谢和流动的阐明开始揭示生物钟，睡眠和代谢之间的神秘联系，打开新疗法的可能性。
2022-11-07 q-bio.NC
On why a few points suffice to describe spatiotemporal large-scale brain dynamics
最近引入的启发式信号处理方案显示了如何通过稀疏时空点过程有效地表示大脑信号。该方法已被验证不同的相关条件下，证明保留和压缩的信号信息的一个令人惊讶的大部分。在本文中，这种压缩成功的条件进行了调查，以及这种良好的性能的根本原因。结果表明，关键在于所考虑的时间序列的相关性。据发现，具有长程相关性的信号特别适合于这种类型的压缩，其中拐点包含大部分的信息。由于这种类型的相关性在自然界的信号中无处不在，包括音乐、天气模式、生物信号等，我们期望这种方法成为分析这些问题的有用工具。
2017-07-03 q-bio.NC
Emergent Spatiotemporal Dynamics in Large-Scale Brain Networks with Next Generation Neural Mass Models
本文提出next generation神经质量模型，揭示大规模脑网络中复杂时空动态的涌现机制，通过分析同质与异质状态的动力学特性，展示了其在捕捉脑复杂动力学方面的优势。
2025-12-03 q-bio.NC
Spatiotemporal Dissociation of Brain Activity underlying Subjective Awareness, Objective Performance and Confidence
尽管最近有大量的研究，有意识的视觉感知的神经相关性仍然难以捉摸。研究有意识知觉背后的大脑机制的最成熟的范式是保持物理感觉输入恒定，并识别与有意识的变化内容相关的大脑活动。然而，这种基于意识内容的对比不仅会揭示直接有助于意识知觉的大脑活动，而且还包括在它之前或之后的大脑活动。为了解决这个问题，我们设计了一个范式，通过这个范式，我们收集了一次又一次的试验，客观表现，主观意识和主观意识的置信水平。使用健康志愿者的脑磁图记录，我们分离了这些不同认知现象背后的大脑活动。我们的研究结果提供了强有力的证据表明，广泛分布的慢皮层电位（SCP）与主观意识，即使在客观性能和信心的影响都被删除。有意识知觉的SCP相关性在其波形、相位和功率中表现得很强。相比之下，客观表现和信心都是由相对短暂的大脑活动贡献的。这些结果为意识、无意识和元认知加工的脑机制提供了新的线索。
2014-03-20 q-bio.NC
Brain-JEPA: Brain Dynamics Foundation Model with Gradient Positioning and Spatiotemporal Masking
National University of Singapore（新加坡国立大学）
Brain-JEPA是一个基于联合嵌入预测架构的脑动力学基础模型，通过脑梯度定位和时空掩码两项技术，在人口统计预测、疾病诊断与特质预测等任务上达到最先进性能，并展现出跨种族优越泛化能力，为脑活动分析开辟了新范式。
2024-09-28 cs.AI cs.CV q-bio.NC
Entropy analyses of spatiotemporal synchronizations in brain signals from patients with focal epilepsies
研究了20例不同脑源性、不同发作类型、不同年龄和性别的癫痫患者的脑内脑电图（EEG）数据（近7亿个数据）。多通道单变量振幅分析表明，时间依赖性香农熵可以用来预测局灶性癫痫发作发作在不同的致痫性脑区的不同患者。利用熵的空间或时间差异，进一步研究了癫痫发作间期和发作间期患者致痫区和非致痫区脑信号同步化的形成和时间演变。
2010-02-18 physics.bio-ph physics.data-an q-bio.NC
Intrinsic timescales of spiking activity in humans during wakefulness and sleep
大脑中的信息处理需要随着时间的推移整合信息。如果信号在网络活动中保持所需的时间段，则可以实现这种集成，如由固有时间尺度量化的。虽然短时间尺度被认为有利于对刺激的快速反应，但长时间尺度有利于信息存储和整合。我们量化了人类内侧颞叶尖峰活动的内在时间尺度。我们发现了从几十毫秒到几百毫秒的延长和高度多样化的时间尺度，尽管没有证据表明子区域之间存在差异。然而，值得注意的是，睡眠阶段之间的时间尺度不同，并且在慢波睡眠期间最长。这支持了这样一个假设，即内在时间尺度是调整网络以适应不同任务和认知状态要求的核心机制。
2022-05-20 q-bio.NC
Towards model-based design of causal manipulations of brain circuits with high spatiotemporal precision
本文提出一种两步法，通过识别自发神经活动中的有效扰动枢纽并结合非线性动力学与控制理论设计多站点刺激模式，实现高时空精度的大脑回路因果操纵。
2025-05-30 q-bio.NC
Discriminative Sleep Patterns of Alzheimer's Disease via Tensor Factorization
阿尔茨海默病（AD）患者的睡眠改变是常见的，他们的脑电波研究显示做梦和非做梦阶段的减少。虽然睡眠障碍通常被认为是AD的后果，但新的生物学证据表明，睡眠障碍也可能是AD的危险因素。利用国家睡眠研究资源（NSRR），我们建立了一个独特的队列，其中包括83例病例和331例对照，具有临床变量和EEG信号。监督张量分解方法应用于这个时间数据集，以提取有区别的睡眠模式。在提取的30种模式中，我们确定了5种显著模式（4种模式可能为AD，1种模式为正常模式），它们的视觉模式与睡眠、反复觉醒、失眠、癫痫发作等之间存在有趣的联系。这项研究是初步的，但发现是有趣的，这是第一步，为测量睡眠作为AD的危险因素提供了可量化的证据。
2019-05-14 cs.IR q-bio.NC
On the robustness of the emergent spatiotemporal dynamics in biophysically realistic and phenomenological whole-brain models at multiple network resolutions
Technische Universität Berlin（柏林工业大学）；University Medicine, Greifswald（格赖夫斯瓦尔德大学医学中心）；German Center for Neurodegenerative Diseases（德国神经退行性疾病中心）；Bernstein Center for Computational Neuroscience（伯恩斯坦计算神经科学中心）；Einstein Center for Neuroscience（爱因斯坦神经科学中心）
研究比较了生物物理真实和现象学模型在不同网络分辨率下的动态表现，揭示了模型类型和网络分辨率对模拟结果的影响，表明粗粒度动态具有鲁棒性，但某些情况下预测不具泛化性。
2025-04-24 nlin.AO q-bio.NC
Learning spatiotemporal signals using a recurrent spiking network that discretizes time
学习产生时空序列是大脑必须解决的常见任务。大脑可以使用相同的神经基质来产生不同的顺序行为。大脑学习和编码这些任务的方式仍然未知，因为当前的计算模型通常不使用现实的生物学上合理的学习。在这里，我们提出了一个模型，其中兴奋性和抑制性生物物理神经元的尖峰递归网络驱动读出层：驱动递归网络的动态被训练来编码时间，然后通过读出神经元映射来编码另一个维度，例如空间或相位。不同的时空模式可以通过突触权重被学习和编码到遵循共同的赫布学习规则的读出神经元。我们证明，该模型能够学习时空动态的时间尺度上的行为相关的，我们表明，学习的序列是鲁棒性重放期间的自发活动的制度。
2019-12-19 cs.NE nlin.AO physics.bio-ph
Spatiotemporal Information Processing with a Reservoir Decision-making Network
Chongqing University（重庆大学）；Peking University（北京大学）
时空信息处理是大脑功能的基础。本文研究了一种时空模式识别的规范神经网络模型。该模型由水库子网络和决策子网络两个模块组成。前者将复杂的时空模式投射到空间分离的神经表征中，后者通过随时间整合信息来读出这些神经表征;这两个模块通过使用已知示例的监督学习结合在一起。我们阐明了该模型的工作机制，并证明了其可行性的复杂的时空模式的歧视。我们的模型再现了神经系统中识别隐约模式的现象，并且可以用很少的训练样本学习区分步态。我们希望这项研究能让我们深入了解时空信息是如何在大脑中处理的，并帮助我们开发大脑启发的应用算法。
2019-07-28 cs.LG cs.NE q-bio.NC
CSBrain: A Cross-scale Spatiotemporal Brain Foundation Model for EEG Decoding
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Sun Yat-sen University（中山大学）；The Chinese University of Hong Kong（香港中文大学）；Karlsruher Institut fur Technologie（卡尔斯鲁厄理工学院）
提出跨尺度时空脑基础模型CSBrain，通过CST和SSA交替堆叠整合多尺度时空依赖，在16个数据集的11项EEG任务上显著优于基线，确立了跨尺度建模的关键作用。
2025-06-29 cs.HC cs.LG eess.SP
Modeling Spatiotemporal Neural Frames for High Resolution Brain Dynamic
Fudan University（复旦大学）；Southern University of Science and Technology（南方科技大学）；Shanghai Innovation Institute（上海创新研究院）
本文提出一种基于EEG条件的框架，用于高保真重建动态fMRI，通过引入空域中间帧重建解决采样不规则问题，提升时空连续性与应用性。
2026-03-31 cs.CV eess.IV q-bio.NC
Diurnal variations of resting-state fMRI data: A graph-based analysis
昼夜节律使各种生理过程同步，从神经活动和激素分泌到睡眠周期和进食习惯。尽管存在显着的昼夜变化，但在人脑研究中很少记录或分析一天中的时间（TOD）。此外，睡眠-觉醒模式、昼夜偏好和白天警觉性因人而异，称为睡眠时间类型。在这里，我们进行了图论网络分析的休息状态功能磁共振成像（rs-fMRI）数据，以探讨拓扑结构的差异，全脑功能网络之间的上午和晚上的会议（TOD效应），极端的早晨型和晚上型的时间类型。为此，62名受试者（31名极端早晨型，31名晚上型）接受了两次功能性磁共振成像（fMRI）：起床时间（早晨）后约1小时，之后10小时，根据他们宣布的习惯性睡眠-觉醒模式进行安排。TOD显著改变了功能连接（FC）模式，但在时间型类别中没有显著差异。与上午的会议相比，我们发现相对增加的小世界，模块化，非线性，和同步在晚上的会议，表明更有效的功能拓扑结构。当地措施在白天主要是在涉及躯体运动，腹侧注意，以及默认模式网络的领域发生了变化。此外，连接性和枢纽分析表明，躯体运动、腹侧注意和视觉网络分别是两个阶段中连接最紧密的大脑区域，前者在晚上更活跃，后者在早上更活跃。总的来说，这些研究结果表明，TOD可以影响人类神经影像学中使用的经典分析，如功能连接，并应记录并纳入功能神经影像学数据的分析。
2021-10-12 q-bio.NC
Induction of slow oscillations by rhythmic acoustic stimulation
慢振荡是具有$\sim$ 0.8 Hz的频谱峰值频率的电位振荡，并且是慢波睡眠期间的脑电图的标志。最近的研究表明，在慢波睡眠期间，慢振荡对记忆的巩固有因果关系，这就提出了一个问题，即这种振荡在多大程度上可以由外部刺激引起。在这里，我们研究是否可以有效地诱导缓慢振荡的节奏声刺激。人类受试者在三种条件下接受检查：（i）以0.8 Hz的频率呈现音调（“0.8 Hz刺激”）;（ii）以随机序列呈现音调（“随机刺激”）;（iii）在对照条件下不呈现音调（“假”）。刺激在睡眠前的清醒期间开始，并持续睡眠的前$\sim$ 90分钟。与其他两种条件相比，0.8 Hz刺激显著延迟睡眠开始。然而，一旦睡眠建立，0.8 Hz刺激显着增加，并夹带内源性慢振荡活动。90分钟刺激后的睡眠在不同条件下没有差异。我们的数据表明，有节奏的声刺激可以用来有效地增强慢振荡活动。然而，效果取决于大脑状态，需要稳定的非快速眼动睡眠的存在。
2014-07-30 q-bio.NC
Shaping dynamical neural computations using spatiotemporal constraints
本文探讨了神经系统如何利用动态进行计算，并提出利用塑造大脑网络的生物学约束（如资源效率、空间嵌入和神经发育）来改进人工神经网络（RNN）的实现。
2023-11-27 q-bio.NC
Ranking of Communities in Multiplex Spatiotemporal Models of Brain Dynamics
University College London（伦敦大学学院）；University of Oxford（牛津大学）；The Alan Turing Institute（艾伦·图灵研究所）
作为一个相对较新的领域，网络神经科学倾向于关注大脑在许多连续实验或长时间记录中的平均行为，以构建强大的大脑模型。这些模型在解释大脑中作为正常大脑功能的结果而自发发生的动态变化方面能力有限。在神经成像时间序列数据上训练的隐马尔可夫模型（HMRM）已经作为产生易于训练但难以完全参数化或分析的动态模型的方法而出现。我们提出了一个解释，这些神经障碍的多重大脑状态图模型，我们长期隐马尔可夫图模型（HMGMs）。这种解释允许使用完整的网络分析技术来分析动态大脑活动。此外，我们提出了一种在没有外部数据的情况下选择HMM超参数的通用方法，基于最大熵的原则，并使用它来选择多重模型中的层数。我们产生了一个新的工具，用于确定重要的社区的大脑区域使用时空随机行走为基础的程序，利用底层马尔可夫模型的结构。我们对真实的多学科功能磁共振成像数据的分析提供了新的结果，证实了大脑在休息时的模块化处理假设，并为动态大脑状态社区之间和内部的功能重叠提供了新的证据。我们的分析管道提供了一种在新的行为或条件下观察大脑动态网络活动的方法。
2022-05-17 cs.LG cs.SI q-bio.NC
Optogenetically Induced Spatiotemporal Gamma Oscillations in Visual Cortex
据推测，伽马皮层振荡在许多认知过程中发挥重要作用，并可能涉及精神疾病，包括焦虑症，精神分裂症和自闭症。在清醒和睡眠状态下，伽马节律通常在许多大脑区域中观察到，但它们的功能和机制仍然存在争议。时空伽马振荡可以解释神经元的表征、计算、皮层神经元间的信息传递，甚至新皮层的神经和神经精神疾病。在这项研究中，神经网络动力学和时空行为的大脑皮层检查在伽马脑活动。我们已经直接观察到伽马振荡的视觉加工作为时空波诱导的靶向光遗传学刺激。我们已经通过实验证明了在CaMK Ⅱ α启动子的控制下，基于ChR 2视蛋白的恒定光遗传学刺激可以在大鼠昏迷状态下在视觉皮层中诱导持续的窄带γ振荡。在两个不同深度（200和500 μm）进行病毒载体[慢病毒CaMKIIα ChR 2]的进样。最后，我们通过Wilson-Cowan模型计算分析了我们的结果。
2021-03-08 q-bio.NC
Crude EEG parameter provides sleep medicine with well-defined continuous hypnograms
为了评估EEG数据，可以在滑动窗口分析中以精细尺度计算局部最大值和最小值。这种简单的计算，简化和改进了以前的工作排列熵，直接定义了一个很好的代理脑活动的EEG通道在一个时期的30秒。当使用相同的设备和预过滤选项进行测量时，可以比较不同的通道和人员。这可能会导致一个严格定义和适当标准化的皮质活动生物标志物，如血压或实验室值。应用于睡眠EEG，该算法产生的睡眠图与连续规模显示惊人的一致性与睡眠阶段的注释由训练有素的专家。虽然是通过一种粗糙的方法产生的，但连续睡眠图提供了许多细节。例如，睡眠深度通常从晚上到早上减少，即使在相同的注释睡眠阶段，除了REM阶段，其中平均睡眠深度相当恒定，但在额叶和顶叶通道中不同。诊断潜力的方法证明了两个催眠发作性睡病患者。在所有10名受试者中，清晰地看到了波长在30秒至2分钟之间的超慢活动振荡，尤其是在睡眠开始时和S2阶段。建议的方法需要检查和改进。在其目前的形式，它似乎已经是一个适当的工具，筛选长期的脑电图数据。
2017-10-02 q-bio.NC stat.AP
A statistical method for analyzing and comparing spatiotemporal cortical activation patterns
我们提出了一种新的统计方法来分析多通道稳态局部场电位（LFP）记录在不同的感觉皮层不同的啮齿动物物种。我们的时空多维聚类统计（MCS）方法，使统计分析和比较集群的数据点在n维空间。我们证明，使用这种方法刺激特定的吸引子样时空活动模式可以检测到，并显着不同，彼此在刺激与持久的刺激。我们的方法可以应用于其他类型的多通道神经元数据，如EEG，MEG或尖峰响应，并用于开发新的大脑活动读出算法，并为脑机接口的发展开辟了新的前景。
2016-11-23 q-bio.NC q-bio.QM
BaRISTA: Brain Scale Informed Spatiotemporal Representation of Human Intracranial Neural Activity
University of Southern California（南加州大学）
BaRISTA提出了一种多区域神经活动时空变换器模型及自监督任务，通过调整空间尺度提升下游解码性能。
2025-12-13 cs.AI cs.LG q-bio.NC
An Analysis of How Spatiotemporal Dynamic Models of Brain Activity Could Improve MEG/EEG Inverse Solutions
脑磁图和脑电图是非侵入性的功能性神经成像技术，提供了高时间分辨率的大脑活动记录，从而提供了一个独特的窗口，研究快速的时间尺度在人类的神经动力学。然而，从这些数据得到的大脑活动估计的准确性是有限的，主要是因为1）传感器的数量远小于源的数量，以及2）记录设备对深或径向取向的源的低灵敏度。这些因素限制了可以恢复的源的数量，并且使估计偏向于表层皮层区域，导致需要包括关于源活动的先验信息。如何具体说明这一信息以及如何改进解决方案的问题仍然是一个关键的未决问题。在本文中，我们表明，纳入知识的大脑的底层连接和时空动态可以显着提高逆解。为此，我们开发的概念的\textit{dynamic lead field mapping}，它表示如何在一个给定的时间源活动的信息不仅被映射到即时测量，但测量的时间序列。有了这个映射，我们表明，可以恢复的源参数的数量可以增加到一个因素的${\sim20}$，这种改善主要是由深层皮质区。我们的研究结果意味着未来的发展，在MEG/EEG分析模型时空动态有可能显着提高源分辨率。
2015-11-11 q-bio.NC q-bio.QM stat.AP
Entropy production of Multivariate Ornstein-Uhlenbeck processes correlates with consciousness levels in the human brain
意识是由大脑活动的复杂模式支持的，这些模式表明了不可逆的非平衡动力学。虽然随机热力学的框架促进了对这类物理系统的理解，但它在从经验数据推断意识水平方面的应用仍然难以捉摸。我们面对这一挑战，通过计算熵产生的多变量奥恩斯坦-乌伦贝克过程适合功能磁共振成像大脑活动记录。为了测试这种方法，我们专注于从清醒到深度睡眠的过渡，揭示了熵产生和意识水平之间的单调关系。我们的研究结果构成了意识的强大签名，同时也从统计物理学的基本角度推进了我们对意识与复杂性之间联系的理解。
2023-01-25 q-bio.NC
Spatiotemporal Learning of Brain Dynamics from fMRI Using Frequency-Specific Multi-Band Attention for Cognitive and Psychiatric Applications
Interdisciplinary Program in Artificial Intelligence（人工智能跨学科项目）；Seoul National University（首尔国立大学）；Department of Psychology（心理学系）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；Brookhaven National Laboratory（布鲁赫斯国家实验室）；Computational Science Initiative（计算科学倡议）；Department of Brain and Cognitive Sciences（脑科学与认知科学系）
本研究提出基于transformer的MBBN框架，结合频率分解与多波段自注意力建模fMRI时空脑动力学，在大规模队列上提升了精神疾病与认知结果预测精度，还揭示了疾病特异性神经特征，助力精准精神病学研究。
2025-06-17 cs.AI q-bio.NC
Regions of Interest as nodes of dynamic functional brain networks
功能性大脑网络的特性在很大程度上取决于节点的选择。通常，节点由感兴趣区域（ROI）定义，即预先确定的fMRI测量体素分组。早些时候，我们已经证明了ROI的功能同质性，通过其空间一致性捕获，在常用的大脑图谱中，ROI之间存在很大差异。在这里，我们要问的是ROI如何作为动态大脑网络的节点。为此，我们使用两个措施：时空一致性措施的变化，空间一致性在整个时间和网络营业额量化的变化，在本地网络结构的投资回报率。我们发现，空间一致性在空间和时间上的变化是不均匀的，这反映在跨ROI的时空一致性的变化。此外，我们看到ROI的网络邻域的时间依赖性变化，反映在高网络周转率中。网络周转率在ROI之间是不均匀分布的：具有高时空一致性的ROI具有低网络周转率。最后，我们揭示了感兴趣区域内部存在丰富的体素级相关结构。由于ROI的内部结构和连接性随时间变化，因此使用静态节点定义的常见方法可能会非常不准确。因此，网络神经科学将大大受益于为动态网络量身定制的节点定义策略。
2018-02-06 q-bio.NC
Analyzing the Spatiotemporal Interaction and Propagation of ATN Biomarkers in Alzheimer's Disease using Longitudinal Neuroimaging Data
三种主要的生物标志物：β-淀粉样蛋白（A）、病理性tau（T）和神经变性（N）被认为是阿尔茨海默病神经病理学变化的有效代表。虽然对脑脊液生物标志物（淀粉样蛋白，tau）进行了广泛的研究，但缺乏跨脑的空间传播模式，并且它们与神经退行性变的相互作用机制仍不清楚。为此，我们的目标是使用大规模神经影像学数据分析ATN生物标志物之间的时空关联。我们首先研究淀粉样蛋白斑块，tau蛋白缠结和神经元损失的纵向过渡轨迹建模的时间外观。其次，我们提出了线性混合效应模型来量化病理相互作用和传播的ATN生物标志物在每个大脑区域。我们对当前数据的分析表明，淀粉样蛋白的积累到tau病理学和神经变性的发作存在时间延迟。淀粉样蛋白的传播模式可以通过其沿拓扑脑网络的扩散来表征。我们的模型提供了足够的证据表明，病理性tau蛋白和神经变性的进展有很强的区域关联，这与淀粉样蛋白不同。
2021-03-07 q-bio.NC q-bio.QM
Parsing spatiotemporal dynamical stability in ECoG during seizure onset, propagation, and termination
了解癫痫的脑动力学对于建立严格的控制目标至关重要，这些目标使新的治疗方法能够减轻癫痫发作的发生。在21名受试者共94次癫痫发作期间获得的多通道皮层脑电图（ECoG）记录中，我们应用动力系统稳定性分析来评估不同时间尺度和大脑区域癫痫发作动力学的平衡与不平衡。具体而言，我们考虑一个滑动时间窗口的多变量自回归线性近似的ECoG通道，其中估计的系数矩阵的特征分解描述了不同区域的时空过程（特征向量）与特定的时间尺度（特征值）的贡献所捕获的数据。有趣的是，我们观察到的特征值演变和缓慢变化（或近似时不变）的特征向量在癫痫发作和主题的模式。发病的特点是高频空间信息的增加，其中一些地区的贡献很长一段时间。相比之下，癫痫发作终止的特征在于多个区域促成的动力学的突然、小的时间段变化。当癫痫发作终止时，相对稳定的发作动力学迅速过渡到发作后状态，以相对快速的阻尼振荡为标志。我们的方法提供了一个特定主题的癫痫发作的时空行为的表征，提供了新的见解的动态模式和功能之间的相互作用，发生在不同的时间尺度的大脑区域。更一般地说，我们的方法通知工程目标，可用于部署新的控制策略，以防止癫痫发作的演变或加快癫痫发作终止的发展。
2017-06-26 q-bio.NC
A Spatiotemporal Dynamic Solution to the MEG Inverse Problem: An Empirical Bayes Approach
MEG/EEG是以高时间分辨率记录大脑活动的非侵入性成像技术。然而，从表面记录估计脑源电流需要解决一个不适定的逆问题。从神经元网络模型到静息态成像和神经生理学，神经科学中的证据表明皮层激活是一个分布式时空动态过程，由局部和长距离神经解剖连接支持。由于这种时空动力学是大脑生理学的核心，因此可以通过合并这些动力学模型来改进逆解。在这篇文章中，我们提出了一个模型的皮质活动的基础上最近邻自回归，采用局部时空之间的相互作用的方式与神经生理学和神经解剖学的分布式源。本文提出了一种基于卡尔曼滤波、固定间隔平滑和期望最大化算法的动态最大后验期望最大化（dMAP-EM）源定位算法。我们将dMAP-期望最大化算法应用于模拟实验以及人体实验数据。此外，我们推导出表达式，我们的动态估计公式的标准静态模型，并显示动态方法如何最佳地吸收过去和未来的数据。我们的研究结果建立了时空动态估计的可行性，在大规模的分布式源空间与数千个源位置和数百个传感器，由此产生的逆解决方案，提供了实质性的性能改进静态方法。
2016-06-19 q-bio.NC q-bio.QM stat.AP
Physical Foundations of Consciousness: Brain Organisation: The Role of Synapses
我们已经将意识的许多方面分析为两个不同的类别。第一个：任何时候神经网络的组织状态，它决定了一个人是有意识的清醒，还是无意识的睡眠。第二：在这些网络中电子信号传输的基础上的过程，解释了所有有意识的意识体验。这篇论文解决了前者;即，数十亿神经网络和数万亿额外的轴突、树突和突触的状态如何在日常周期中变化--当我们睡觉时会发生什么物理变化--当我们醒来时会发生什么。我们认为，突触裂缝的宽度不是固定的，而是可变的，这种跨越突触的可变张力是意识的神经关联。
2009-07-13 q-bio.NC
A Sensing Whole Brain Zebrafish Foundation Model for Neuron Dynamics and Behavior
针对现有全脑模型无法扩展至单神经元分辨率且忽略行为读数的问题，提出一种幼体斑马鱼稀疏注意力全脑基础模型（SBM），通过跨神经元和时间分解注意力实现高精度神经脉冲预测与行为关联，支持基于梯度的神经模式合成以诱发目标行为。
2025-10-31 q-bio.NC
Decoding Predictive Inference in Visual Language Processing via Spatiotemporal Neural Coherence
Department of Physics（物理系）；Carnegie-Mellon University（卡内基梅隆大学）；Department of Linguistics（语言学系）；University of Salzburg（萨尔茨堡大学）；Purdue University（普渡大学）；University of Alabama（阿拉巴马大学）；Department of Communicative Disorders（沟通障碍系）
本研究通过时空神经一致性方法解码聋人手语使用者在动态视觉语言处理中的预测推断，揭示了语言理解中左侧半球和前额低频相干性的重要性，并展示了经验驱动的感知生成模型的多模态探测方法。
2025-12-24 cs.CL q-bio.NC
Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification
Department of Electrical and Computer Systems Engineering, Monash University（墨尔本大学电气与计算机系统工程系）；Department of Biomedical Informatics, Emory University（埃默里大学生物医学信息学系）；Ritchie Centre, Hudson Institute of Medical Research, and the Department of Obstetrics and Gynaecology, Monash University（霍普金斯医学研究所以及墨尔本大学妇产科系）；Department of Biomedical Engineering, Georgia Institute of Technology（佐治亚理工学院生物医学工程系）
本研究综述了胎儿睡眠的跨物种生理、测量与分类，指出其周期性变化与神经发育的关系，并强调开发非侵入性监测技术以早期检测神经损伤的重要性。
2026-01-16 cs.LG eess.SP q-bio.NC
Predicting the spatiotemporal diversity of seizure propagation and termination in human focal epilepsy
最近的研究表明，癫痫发作可以通过丰富多样的时空模式在大脑区域传播和终止。特别地，虽然癫痫发作起始区域的位置在同一患者的癫痫发作中通常是不变的，但是在癫痫发作期间行进（2-3 Hz）尖峰和波放电（SWD）的源可以随着较慢传播的癫痫发作波前移动或者在癫痫发作起始区域处保持静止。此外，虽然大多数局灶性癫痫发作在脑区之间准同步终止，但有些会演变成不同的发作簇并异步终止。为了提供一个统一的视角观察到的多样性的时空动态癫痫发作的蔓延和终止，我们在这里介绍癫痫神经场模型。两个机制发挥着重要作用。首先，虽然缓慢的发作波阵面传播作为一个前在可兴奋的神经介质，更快的SWDs传播的耦合振荡器动力学的结果。其次，在癫痫发作扩散期间，多个时间尺度相互作用，允许低电压快速活动（>10 Hz）阻碍癫痫发作扩散，并允许SWD传播影响癫痫发作终止的方式。这些动态，以及在短期和长期的连接强度的变化，癫痫发作的蔓延，维持和终止发挥了核心作用。我们演示了如何癫痫电场模型结合上述机制预测以前报道的多样性癫痫蔓延模式。此外，我们证实了预测同步或异步（群集）癫痫发作终止人类癫痫发作记录通过立体定向脑电图。我们对癫痫发作时空动力学的新见解也可能有助于发展新的闭环神经调节治疗局灶性癫痫。
2017-07-03 q-bio.NC
Spatiotemporal Patterns in Neurobiology: An Overview for Future Artificial Intelligence
近年来，人们对开发模型和工具来解决脑组织中发现的复杂连接模式越来越感兴趣。具体来说，这是由于需要了解如何从这些网络结构中出现的紧急属性在多个时空尺度。我们认为，计算模型的关键工具，阐明可能出现的功能，从多尺度的时间和空间域上的复杂网络连接的异质神经元的相互作用。在这里，我们回顾了几类模型，包括尖峰神经元，具有短期可塑性（STP）的整合和激发神经元，基于STP的电导整合和激发模型，以及人口密度神经场（PDNF）模型，使用简单的例子强调神经科学应用，同时也为AI提供了一些潜在的未来研究方向。这些计算方法使我们能够从实验和理论上探索改变潜在机制对网络功能的影响。因此，我们希望这些研究能够为人工智能算法的未来发展提供信息，并帮助验证我们对基于动物或人类实验的大脑过程的理解。
2022-04-14 cs.AI q-bio.MN q-bio.NC
DIVE: A spatiotemporal progression model of brain pathology in neurodegenerative disorders
University College London（伦敦大学学院）；Inria（法国国家信息与自动化研究所）；Université Côte d'Azur（蔚蓝海岸大学）
在这里，我们提出了DIVE：数据驱动的顶点进化推理。DIVE是一种基于图像的疾病进展模型，具有单顶点分辨率，旨在从短期纵向数据集重建大脑病理学的长期模式。DIVE对在患者群体中具有类似时间动态的皮质表面上的逐顶点生物标志物测量进行聚类，并且同时估计每个聚类中的顶点测量的平均轨迹。DIVE独特地将皮质分割成具有共同进展模式的区域，从而为个体疾病提供新的签名。DIVE进一步估计每个受试者每次访视的疾病分期和进展速度，可能增强临床试验或管理的分层。在模拟数据上，DIVE可以恢复地面实况集群及其底层轨迹，前提是集群之间的平均轨迹有足够的差异。我们证明了DIVE的数据来自两个队列：阿尔茨海默病神经影像学倡议（ADNI）和痴呆症研究中心（DRC），英国，包含患者与后皮质萎缩（PCA）以及典型的阿尔茨海默病（tAD）。DIVE在两个独立的数据集（ADNI和DRC）中发现了tAD受试者的萎缩的相似空间模式，并进一步揭示了不同疾病（tAD vs PCA）和不同类型生物标志物数据的不同病理模式：来自磁共振成像（MRI）的皮质厚度vs来自正电子发射断层扫描（PET）的淀粉样蛋白负荷。最后，DIVE可用于使用任何种类的逐体素或逐顶点测量（包括雅可比压缩图、来自扩散成像的分数各向异性（FA）图或其他PET测量）来估计脑中病理的细粒度空间分布。DIVE源代码可在线获得：https://github.com/m…
2019-01-11 cs.CV cs.LG q-bio.NC
A geometry aware framework enhances noninvasive mapping of whole human brain dynamics
Southern University of Science and Technology（南方科技大学）；The University of Queensland（昆士兰大学）；University of Birmingham（伯明翰大学）；Fudan University（复旦大学）；Huashan Hospital（华山医院）
本文提出一种几何感知框架，通过嵌入个体皮层几何基函数提升全脑时空动态的非侵入性映射精度，验证了其在多种数据集上的有效性。
2026-04-28 eess.SP q-bio.NC
Dynamical Modeling of Behaviorally Relevant Spatiotemporal Patterns in Neural Imaging Data
Viterbi School of Engineering, University of Southern California (USC)（维特比工程学院，南加州大学）
针对神经成像数据中高维性、复杂时空依赖及行为无关动力学带来的建模难题，提出SBIND深度学习框架，可解耦行为相关动力学，在宽场及功能超声成像数据集验证中优于现有模型，为研究行为神经机制提供工具。
2025-09-23 cs.AI cs.CV cs.LG
Distinct neurodynamics of functional brain networks in Alzheimer's disease and frontotemporal dementia as revealed by EEG
本研究通过脑电与机器学习分析发现，阿尔茨海默病与额颞叶痴呆在神经活动的时空协调上呈现相反的异常模式，揭示了两种痴呆独特的神经动力学机制。
2025-07-11 q-bio.NC q-bio.QM
