A positive mood, a flexible brain
人脑网络的灵活重构支持认知灵活性和学习。然而,调节灵活性以增强学习需要了解灵活性和大脑状态之间的关系。在一个前所未有的纵向数据集,我们调查的灵活性和情绪之间的关系,表明灵活性与情绪状态呈正相关。我们的结果为大脑状态的调节提供了信息,以增强对健康和伤害训练的反应。
2016-01-28 q-bio.NC
Auto-encoding brain networks with applications to analyzing large-scale brain imaging datasets
Virginia Tech(弗吉尼亚理工大学);The University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Duke University(杜克大学)
人们对研究从不同成像方式推断的人脑连接体并探索它们与人类特征(如认知)的关系产生了巨大的兴趣。大脑连接体通常表示为网络,其中节点对应于不同的感兴趣区域(ROI),边缘对应于ROI之间的连接强度。由于网络的高维性和非欧几里德性质,描述其总体分布并将其与人类特征联系起来是具有挑战性的。目前的方法集中在总结网络使用预先指定的拓扑特征或主成分分析(PCA)。在本文中,基于深度学习的最新进展,我们开发了一个非线性潜在因子模型来表征脑图的总体分布,并推断大脑结构连接体与人类特征之间的关系。我们将我们的方法称为图形自动编码(GATE)。我们将GATE应用于两个大型脑成像数据集,青少年脑认知发展(ABCD)研究和成人人类连接组计划(HCP),以了解结构脑连接组及其与认知的关系。数值结果表明,GATE在预测精度、统计推断和计算效率方面比竞争对手具有巨大优势。我们发现,结构连接体与广泛的人类认知特征之间的联系比使用以前的方法明显。
2021-09-13 cs.LG q-bio.NC stat.ML
Multi-Region Markovian Gaussian Process: An Efficient Method to Discover Directional Communications Across Multiple Brain Regions
School of Computational Science & Engineering, Georgia Institute of Technology(佐治亚理工学院计算科学与工程学院)
本研究提出多区域马尔可夫高斯过程(MRM-GP),结合高斯过程与线性动力系统,以线性推断成本高效发现跨大脑区域的方向性通信并分离振荡频带。
2024-05-30 cs.LG 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
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
Quasi-Conscious Multivariate Systems
有意识的体验充斥着潜在的关系。此外,对于诸如视觉皮层的各种大脑区域,系统偏向于某些状态。使用概率分布表示这种偏差表明系统可以定义预期的数量。本文中的数学理论通过使用期望浮点熵(efe)来联系这些事实,期望浮点熵是对所需信息的预期量的度量,用于指定系统的状态,超出了从作为参数出现的关系中已知的系统状态。在关系参数最小化efe的要求下,大脑定义关系。有人提出,当大脑状态被解释在这些关系的上下文中,大脑状态获得的相关经验的关系内容的形式的意义。对于一个给定的集合,该理论使用加权关系来表示关系,该加权关系将从0到1的连续权重分配给该集合的笛卡尔积的元素。关系参数包括关于系统的节点和关于它们的状态集合的加权关系。使用蒙特卡罗方法(其中的关系参数是随机选择均匀)得到的例子表明,具有长左尾的efe分布是最重要的。
2015-08-09 q-bio.NC
Nonlinear shift along the sensorimotor-association-axis in brain responses to task performance
the University of Hong Kong(香港大学);Chang’an University(长安大学);Florida International University(佛罗里达国际大学)
本研究利用HCP数据发现,面孔工作记忆任务中大脑激活与表现的关系沿感觉运动-联合轴从U形渐变为倒U形,揭示感觉运动区与联合区功能属性的非线性差异。
2025-10-16 q-bio.NC
BrainMAE: A Region-aware Self-supervised Learning Framework for Brain Signals
The Pennsylvania State University(宾夕法尼亚州立大学);Institute for Computational and Data Sciences, The Pennsylvania State University(宾夕法尼亚州立大学计算与数据科学研究所)
针对fMRI脑网络表示学习中Fixed-FC无法捕捉时间动态且Dynamic-FC易受噪声影响的问题,提出区域感知自监督框架BrainMAE,通过图注意力机制和掩码自编码捕捉时间动态并提升鲁棒性,在四个下游任务中显著优于基线。
2024-06-24 cs.LG q-bio.NC q-bio.QM
Expert2Coder: Capturing Divergent Brain Regions Using Mixture of Regression Experts
International Institute of Information Technology(国际信息技术研究所)
使用语言编码模型的fMRI语义类别理解试图学习将刺激与相应的大脑激活相关联的前向映射。最先进的编码模型使用单个全局模型(线性或非线性)来预测给定刺激的大脑激活。然而,在这些方法中的关键假设是,先验不同的大脑区域以相同的方式对所有刺激作出反应,也就是说,没有模块化或专业化假设的任何区域。这违背了模块化理论,许多认知神经科学研究表明,大脑中存在功能专门化的区域。在本文中,我们通过将相似的区域聚类在一起来实现这一点,对于每个聚类,我们使用线性专家模型的混合来学习不同的线性回归模型。这里的关键思想是,每个线性专家都捕捉到了相似大脑区域的行为。给定一个新的刺激,所提出的模型的效用是双重的(i)预测大脑激活作为多个线性专家的激活的加权线性组合和(ii)学习对应于不同的大脑区域的多个专家。我们认为,每个专家捕捉活动模式相关的一个特定区域的利益(ROI)在人类大脑。这项研究有助于理解大脑区域在不同刺激下被激活。重要的是,我们认为回归专家混合(MoRE)框架成功地结合了大脑功能组织的两个原则,即专业化和整合。实验的fMRI数据从范例1 [1],其中参与者查看语言刺激表明,所提出的MoRE模型具有更好的预测精度相比,传统的模型。
2020-05-29 cs.CL cs.LG q-bio.NC
Understanding brain networks and brain organization
大脑和行为之间的关系是什么?要回答这个问题,就必须描述结构和功能之间的映射。本文的目的是讨论围绕大脑结构和功能之间联系的广泛问题,这将激发网络视角来理解这个问题。和过去的其他人一样,我认为网络视角应该取代从单个区域来理解大脑的常见策略。尽管这一观点对于更全面地描述心灵-大脑是必要的,但它不应被视为灵丹妙药。首先,区域和功能之间的多对多映射所带来的挑战并没有被网络视角所解决。虽然这个问题得到了改善,但当采用网络方法时,不应预期一对一的映射。此外,根据有意义的区域集群来分解大脑网络,例如由社区发现算法生成的区域集群,本身并不能揭示“真正的”子网络。鉴于区域之间的层次和多关系关系,多重分解将提供大脑内更广泛网络景观的不同“切片”。最后,我描述了如何通过多样性轮廓的想法以多维方式表征大脑区域的功能。这个概念也可以用来描述不同的大脑区域参与网络的方式。
2014-03-27 q-bio.NC
Preliminary Report: Cerebral blood flow mediates the relationship between progesterone and perceived stress symptoms among female club athletes after mild traumatic brain injury
女运动员在脑震荡研究领域的研究严重不足,尽管受伤的患病率较高,而且往往有较长的恢复时间。由于正常月经周期(MC)或激素避孕药(HC)的使用引起的激素波动已被证明会影响损伤后症状和神经影像学指标,但尚未在脑震荡研究中得到解释。在这项初步研究中,我们比较了动脉自旋标记测量脑血流量(CBF)脑震荡的女性俱乐部运动员受伤后3-10天(mTBI)和人口统计学,HC/MC匹配的对照组(CON)。我们测试CBF是否介导血液中孕酮水平与损伤后症状之间的关系,这可能是孕酮在神经保护中作用的证据。我们发现一个显着的三向关系孕酮,脑血流量和感知压力评分(PSS)在左颞中回。较高的孕酮与较低(更规范)的PSS以及较高(更规范)的CBF相关。CBF介导孕酮和PSS之间100%的关系(Sobel的p值=0.017)。这些发现表明,孕激素可能在脑震荡后具有神经保护作用,并强调了在未来的脑震荡研究中控制性激素影响的重要性。
2020-02-28 q-bio.NC
Brain perfusion mediates the relationship between miRNA levels and postural control
转录组学,局部脑血流量(rCBF),和空间运动虚拟现实任务整合使用中介分析在一个新的示范“成像组学”。在赛季训练前被允许参加比赛的NCAA I组足球运动员中收集的数据显示,a)miR-30 d和miR-92 a水平升高与壳核rCBF升高,(b)壳核rCBF升高与平衡得分受损,以及(c)平衡得分受损与miRNA水平升高之间存在显著关系。rCBF作为异常miRNA水平和受损平衡评分之间的中介变量(最小70%中介,显著Sobel检验)。鉴于这些miRNA参与炎症和免疫功能,并且血管灌注是炎症反应的一个组成部分,这些发现支持重复头部加速事件(HAE)的慢性炎症模型。rCBF是一种系统生物学指标,是miRNA影响行为所必需的。这些结果表明miRNA作为重复性HAE的潜在诊断生物标志物。
2019-12-05 q-bio.NC
Resting state fMRI-based brain information flow mapping
提出一种基于fMRI的全脑区域信息流映射工具,可估算单一区域到全脑、不同区域、不同日期及不同个体间的信息流,为脑功能与疾病研究提供新见解。
2024-04-23 q-bio.NC
Topology of the mesoscale connectome of the mouse brain
小鼠大脑的接线图最近在艾伦小鼠大脑连接地图集中以介观尺度绘制。使用绿色荧光蛋白追踪来自大脑区域的轴突投射。所得到的数据被配准到一个共同的三维参考空间。他们得出了213个大脑区域之间的连接强度矩阵。全局特征,例如由相似强度的连接形成的闭合环,可以使用持久同源性的工具来推断。我们将小鼠大脑的接线图映射到单纯复合体(通过连接强度过滤)。我们求出了第一个同调群的生成元。有些区域,包括脑桥核,通过回路连接到整个大脑,而没有一个区域与所有大脑区域的连接强度为非零。成千上万的回路穿过同皮质,纹状体和丘脑。另一方面,髓质是唯一包含超过100个回路的主要脑区室。
2018-12-21 q-bio.NC
Generative Modeling of Hidden Functional Brain Networks
功能连接性是指空间上不同的脑区域之间的时间统计关系,并且通常从感兴趣区域之间的脑活动的时间序列相干性/相关性推断。在人类脑功能网络中,网络结构通常由功能磁共振成像(fMRI)的血氧水平依赖(BOLD)信号推断。由于BOLD信号是神经元活动的代理,因此学习潜在的功能网络结构是有意义的。此外,尽管有一组关于函数网络的核心观察,如小世界性,模块性,指数截断度分布,以及各种类型的枢纽的存在,但对引起这些观察的计算原理知之甚少。本文介绍了一个隐马尔可夫随机场框架的目的表示,估计和评估潜在的神经元功能之间的关系,不同的大脑区域使用功能磁共振成像数据。
2015-02-27 q-bio.NC stat.ML
On The Causal Network Of Face-selective Regions In Human Brain During Movie Watching
University Of Tehran(德黑兰大学)
本研究采用DAGMA因果发现方法分析自然电影刺激下的fMRI数据,揭示了面孔刺激对大脑面孔选择性网络连接数量的因果影响,并强调了皮层下区域在满足因果充分性中的关键作用。
2025-05-30 cs.LG eess.IV q-bio.NC
Marker Genes for Anatomical Regions in the Brain: Insights from the Allen Gene Expression Atlas
定量标准被提出来识别其表达标记特定脑区域(或一组脑区域)的基因(和基因组)。基因表达能量,获得数以千计的小鼠基因的原位杂交图像在艾伦基因表达图谱的数字化,被用来测试这些方法在小鼠大脑。单个基因通过其在大脑区域的表达能量的积分进行排名。的排名是广义的基因集和经典区域的最佳标记的问题得到线性代数的解决方案。此外,基因的表达谱与脑区域的谱的拟合的良好性与基因的共表达密切相关。这一事实的几何解释导致一个定量的标准来检测标记对大脑区域。基因表达谱的局部特性也用于检测将给定的谷物区域与其环境分开的基因。
2011-05-06 q-bio.NC q-bio.QM
The mind-brain relationship and the perspective of meaning
针对现象意识与心理因果性构成的心身问题,本文提出融合唯物主义与形而上学意识观的非物理主义框架,论证其符合物理规律且能解决心理因果问题,阐明意义视角作为心脑桥梁及与自我觉知、外部表征的关联。
2024-04-17 q-bio.NC quant-ph
BrainCognizer: Brain Decoding with Human Visual Cognition Simulation for fMRI-to-Image Reconstruction
Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳));The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Harvard University(哈佛大学)
针对fMRI到图像重建中信息不对称导致视觉保真度不足的问题,本文提出受人类视觉认知启发的BrainCognizer模型,通过认知整合与关联模块提取多级语义,无需微调生成模型,在多个指标上超越现有方法。
2025-10-22 q-bio.NC
Multi-Region Neural Representation: A novel model for decoding visual stimuli in human brains
Nanjing University of Aeronautics and Astronautics(南京航空航天大学)
多变量模式(MVP)分类具有巨大的潜力解码视觉刺激在人类大脑中采用基于任务的功能磁共振成像数据集。MVP技术面临着广泛的挑战,即降低噪声和稀疏性,定义有效的感兴趣区域(ROI),可视化结果以及大脑研究的成本。为了克服这些挑战,本文提出了一种新的神经表征模型,它可以自动检测每个视觉刺激的活动区域,然后利用这些解剖区域进行可视化和分析的功能活动。因此,该模型为神经科学家提供了一个机会来问这个问题:刺激对每个检测到的区域的影响是什么,而不仅仅是研究手动选择的ROI中体素的波动。此外,我们的方法引入了分析大脑图像的快照,而不是使用整个fMRI时间序列来降低稀疏性。在此基础上,提出了一种新的高斯平滑方法,用于在感兴趣区水平上去除体素噪声。所提出的方法使我们能够结合不同的fMRI数据集,以减少大脑研究的成本。对4个视觉类别(单词,辅音,物体和无意义的照片)的实验研究证实,所提出的方法实现了优于国家的最先进的方法的性能。
2016-12-26 cs.LG q-bio.NC stat.ML
Comparative Connectomics: Mapping the Inter-Individual Variability of Connections within the Regions of the Human Brain
人脑神经网络或连接体是对大脑连接的描述:图中的节点对应于灰质的小区域,如果基于扩散MRI的工作流程发现这些大脑区域之间的纤维,则两个节点通过边缘连接。我们已经构建了1015顶点图从395人受试者的扩散MRI脑图像,并比较了几个不同的大脑区域的个别图。发现并描述了不同脑区内图形的个体间变异性。我们发现额叶和边缘叶更保守,而颞叶和枕叶的边缘则更多样化。有趣的是,在中央旁小叶和梭状回中发现了一种“混合”的保守和多样性分布。较小的皮质区域也进行了评估:中央前回被认为是更保守的,和中央后回和颞上回是非常多样化的。
2015-07-01 q-bio.NC
Brain Structural Saliency Over The Ages
University of Cape Town(开普敦大学);The National Institute for Theoretical and Computational Sciences(国家理论与计算科学研究所);Institut National de la Recherche Scientifique(国家科学研究所);Cardiff University(卡迪夫大学)
通过深度学习估计大脑年龄(BA)已经成为大脑健康的一个强大而可靠的生物标志物,但神经网络的黑盒性质并不容易让我们深入了解大脑衰老的特征。我们训练了一个ResNet模型作为来自524人的小型横断面队列的T1结构MRI体积的BA回归器。使用分层相关传播(LRP)和DeepLIFT显着性映射技术,我们分析了训练的模型,以确定与网络大脑老化最相关的结构,并比较显着性映射技术之间的差异。我们通过老化的过程中的相关性归因于不同的大脑区域的变化。一个三分模式的相关性归因于大脑区域出现。一些区域的相关性随着年龄的增长而增加(例如,右侧的横颞回);一些区域的相关性随着年龄的增长而下降(例如,右侧的第四回);而其他区域在不同年龄段之间始终相关。我们还研究了脑年龄差距(BAG)对脑容量内相关性分布的影响。希望这些发现将提供正常大脑老化的临床相关区域轨迹,以及比较大脑老化轨迹的基线。
2022-07-23 cs.LG eess.IV q-bio.NC
NeuroCBIR: A Fast and Accurate Image Retrieval System for Whole-Brain and Region-Specific MRI
KTH Royal Institute of Technology(瑞典皇家理工学院);Massachusetts General Hospital and Harvard Medical School(麻省总医院和哈佛医学院);Karolinska Institute(卡罗林斯卡学院);Universidad Fernando Pessoa Canarias(费尔南多·佩索阿大学加那利分校)
NeuroCBIR提出了一种基于VAE和对比学习的快速图像检索系统,支持全脑和区域级MRI查询,实现高精度受试者识别及零样本年龄和病理预测。
2026-10-06 cs.CV cs.LG q-bio.NC
The Scalable Brain Atlas: instant web-based access to public brain atlases and related content
可扩展的大脑图谱(SBA)是一个Web服务的集合,提供对不同物种的大量大脑图谱模板的统一访问。其主要组件是一个图谱查看器,它将脑图谱数据显示为一堆切片,其中可以选择立体定位坐标和脑区域。这些随后用于启动对需要坐标或区域名称作为输入的资源的Web查询。它支持在查看器内部运行的插件,并在选择新切片,坐标或区域时做出响应。它包含六个物种的20个图谱模板,以及计算坐标转换、显示解剖连接和基准点、检索大脑区域的属性、描述、定义和3d重建的插件。SBA的目标是直接在Web浏览器中提供所有公开可用的大脑地图集的统一表示,同时保持响应和轻量级资源,专门用于地图集比较,搜索,坐标转换和交互式显示。
2014-12-11 q-bio.NC
Optimally controlling the human connectome: the role of network topology
为了满足持续的认知需求,人类大脑必须从一种大脑状态无缝转换到另一种状态,在这个过程中利用不同的认知系统。大脑的解剖连接网络是如何帮助促进这种转变的?这个网络的哪些特征有助于使一个过渡容易而另一个过渡困难?在这里,我们使用网络控制理论来解决这些问题。我们计算最佳输入信号,以驱动大脑进入和离开由不同认知系统主导的状态。输入信号使我们能够评估不同大脑区域的贡献。我们表明,这种贡献,我们衡量的能量,与区域的加权度。我们还表明,网络的可沟通性,一个衡量大脑区域之间的直接和间接连接,预测在何种程度上大脑区域补偿时,输入到另一个区域被抑制。最后,我们确定了大脑应该开始(和结束)的最佳状态,以最大限度地减少过渡能量。我们发现,最佳的目标状态显示高活性的枢纽地区,暗示大脑的丰富的俱乐部。此外,当富人俱乐部组织被破坏时,与状态转换相关的能量成本显著增加,这表明大脑区域的丰富性使它们成为理想的目标。
2016-03-16 q-bio.NC
A Structure-guided Effective and Temporal-lag Connectivity Network for Revealing Brain Disorder Mechanisms
脑网络为许多脑疾病的诊断提供了重要的见解,如何有效地对脑结构进行建模已成为脑成像分析领域的核心问题之一。最近,已经提出了各种计算方法来估计因果关系(即,有效连接)之间的大脑区域。与传统的基于相关性的方法相比,有效的连通性可以提供信息流的方向,这可能为脑部疾病的诊断提供额外的信息。然而,现有的方法要么忽略了大脑区域之间的信息传输存在时间滞后的事实,要么简单地将所有大脑区域之间的时间滞后值设置为固定值。为了克服这些问题,我们设计了一个有效的时间滞后神经网络(简称ETLN),同时推断的因果关系和大脑区域之间的时间滞后值,它可以在一个端到端的方式进行训练。此外,我们还介绍了三种机制,以更好地指导大脑网络的建模。在阿尔茨海默病神经影像学倡议(ADNI)数据库上的评估结果证明了该方法的有效性。
2022-12-01 cs.AI eess.IV q-bio.NC
Differential activation patterns in the same brain region led to opposite emotional states
在人类研究中,大脑区域的平均激活与人类行为的关系已经得到了广泛的研究。这种方法导致了这样的发现,积极和消极的面部偏好由不同的大脑区域代表。然而,使用多体素模式感应方法,我们发现,不同模式的扣带皮层(CC)内的神经激活在代表相反的情绪状态中发挥作用。在本研究中,虽然中性偏好的面孔,激活模式在CC对应于更高(或更低)的偏好反复诱导的模式诱导方法。结果,先前中性偏好的面孔变得更(或更少)偏好。我们的结论是,不同的激活模式的CC,而不是平均激活在不同的区域,代表和因果关系决定积极或消极的面部偏好。这种新方法可能揭示了大脑区域内激活模式在许多认知功能中的重要性。
2016-03-04 q-bio.NC
Functional brain modules reconfigure at multiple scales across the human lifespan
人类大脑是一个复杂的网络,由相互连接的大脑区域组成,这些区域被组织成在认知和行为中具有不同作用的功能模块。一个重要的问题是这些模块在人类生命周期中的持久性和稳定性。在这里,我们使用图论分析来算法揭示大脑在多个空间尺度上的内在模块化组织,从仅由几个大脑区域组成的小社区到由许多区域组成的大社区。我们发现,在粗尺度模块变得越来越隔离,而在更细的尺度隔离减少。模块组成也表现出规模特异性和年龄依赖性的变化。在粗略的尺度上,通常与控制、默认模式、注意力和视觉网络相关的区域的模块分配是高度灵活的。在精细尺度下,最灵活的区域与默认模式网络相关联。最后,我们发现,随着年龄的增长,在默认模式网络的一些区域,特别是压后皮质,保持更大比例的功能连接到自己的模块,而与躯体运动和显着性/腹侧注意网络相关的区域分布更均匀地跨模块的链接。
2015-10-27 q-bio.NC
Homeostatic plasticity and emergence of functional networks in a whole-brain model at criticality
理解大规模结构和功能脑网络之间的关系仍然是现代神经科学中的一个关键问题。最近,人们越来越感兴趣地研究跨不同时空尺度的稳态可塑性机制在调节网络活动和大脑功能以对抗广泛的环境条件和大脑状态(例如,在学习、发育、衰老、神经疾病期间)。在本研究中,我们研究如何纳入稳态可塑性的随机全脑模型,实现作为一个正常化的传入节点的兴奋性输入,影响休息期间的宏观活动和功能网络的形成。重要的是,我们在组和基于个体的水平上解决结构-功能关系。在这项工作中,我们表明,正常化的节点的兴奋性输入提高了模型的模拟神经模式和各种脑功能数据之间的对应关系。事实上,我们发现,当模型控制参数处于其临界值时,实现了最佳匹配,并且归一化最大限度地减少了受试者之间的临界点和神经元活动模式的变异性。因此,我们的研究结果表明,纳入稳态原则导致更现实的大脑活动与关键性的标志一致。我们的理论框架在个性化的大脑建模中开辟了新的视角,并具有潜在的应用,以调查由于结构性病变(如中风)或大脑疾病而导致的偏离临界状态。
2018-09-27 q-bio.NC
Hypergraph representation in brain network analysis
该研究聚焦脑网络功能研究,基于脑网络功能区域开展超图表示研究,提出可衡量功能包含多功能区域数量及功能间相关性的新参数。
2023-12-19 q-bio.NC
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
Quantifying the cost of network computations to unpack structure-function relationships in the brain
University of Pennsylvania(宾夕法尼亚大学);Cornell University(康奈尔大学);Massachusetts General Hospital, Harvard Medical School(哈佛医学院马萨诸塞州总医院);University of California, Irvine(加州大学尔湾分校);Yale University(耶鲁大学)
本研究建立定量框架,利用控制理论定义计算 affordance 景观,揭示大脑网络结构与计算成本的关系,发现人类脑网络及训练后的循环神经网络的景观异质性与功能角色相关。
2026-08-03 physics.bio-ph q-bio.NC
Graph analysis of spontaneous brain network using EEG source connectivity
在休息时探索人类大脑网络是一个非常有趣的话题。一些结构和功能的研究已经进行了研究的内在脑网络。在本文中,我们专注于研究人类大脑网络拓扑结构,使用密集的脑电图(EEG)源连接方法。我们应用图论方法从14名健康受试者的EEG采集的静息状态数据重建的功能网络。我们的研究结果证实了被认为是功能枢纽的大脑区域的存在。特别是,扣带峡部和眶额区揭示了高水平的整合。结果还强调了默认模式网络(DMN)在实现大脑区域之间有效通信方面的关键作用。
2016-07-04 q-bio.NC
Global excitability and network structure in the human brain
本研究利用Wilson-Cowan振荡器模型仿真基于人类连接组的脑网络自发动力学,探究脑结构-功能关系,发现脑网络拓扑可在低布线成本与强功能间平衡,且具备非活跃到全局兴奋的强转变能力。
2023-01-03 nlin.AO physics.bio-ph 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
Fibration symmetry-breaking supports functional transitions in a brain network engaged in language
本文利用源自 Grothendieck 纤维化的局部对称性理论,研究人脑语言网络的结构连接与功能同步之间的关系,发现静息态的纤维化对称性在向语言转换时发生破缺,从而揭示大脑网络对称性决定其相干功能。
2024-09-04 physics.app-ph q-bio.NC
Region segmentation for sparse decompositions: better brain parcellations from rest fMRI
INRIA Saclay-Île-de-France(法国国家信息与自动化研究所萨克雷-法兰西岛分部);CEA(法国原子能和替代能源委员会);Stony Brook University(石溪大学);Ecole Centrale(中央理工学院)
在静息状态下采集的功能性磁共振图像通过测量大脑区域之间的相关性提供有关大脑功能组织的信息。独立成分分析是从弱结构化数据(如脑信号时间过程)中估计空间成分的参考方法;这些成分中的每一个都可以被称为脑网络,并且整个成分集可以被概念化为脑功能图谱。最近,出现了使用稀疏先验的新方法来处理低信噪比数据。然而,即使使用复杂的先验知识,结果也可能不是非常稀疏,并且通常不会将空间分量分离到大脑区域。这项工作提出了后处理技术,自动稀疏脑地图和分离区域正确使用几何操作,并比较这些技术根据忠实的数据和稳定性指标。特别是,在基于阈值的方法,滞后阈值和随机步行者分割,后者显着提高了稠密和稀疏模型的稳定性。
2014-12-12 cs.CV q-bio.NC
Vocabulary and the Brain: Evidence from Neuroimaging Studies
总结本文的研究结果,大脑的各个区域与词汇和词汇习得相关。词汇的语义关联似乎位于大脑区域附近,这些区域根据词汇的类型而变化,例如,腹侧颞区对于可以看到的事物的单词很重要。语义加工被认为与ANG密切相关。语音能力与SMG的前表面密切相关。通过后SMG的通路被认为连接前SMG和ANG。在词汇任务中,中颞叶结构可能与长时记忆加工有关,左海马和海马旁区分别与长时记忆和工作记忆有关。中央前结构与语音提取有关。此外,大脑中更多的区域对词汇任务感兴趣,特别是在视觉和听觉处理的重要区域。此外,大脑解剖结构之间的差异可以归因于不同语言的词汇需求。
2016-11-30 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
Estimating direction in brain-behavior interactions: Proactive and reactive brain states in driving
传统的神经影像学分析揭示了局部脑区的计算特异性,利用功能磁共振成像中的减法技术和脑电图中的事件相关电位分析。超越这一惯例,许多研究人员已经开始探索基于网络的神经动力学和大脑区域之间的协调作为行为参数或环境统计的函数;然而,大多数方法在整个实验会话中平均诱发活动来研究任务依赖网络。在这里,我们研究了正在进行的振荡活动,并使用一种方法来估计大脑行为相互作用的方向性。在源重建之后,先验感兴趣区域中特定频带内的活动与连续的行为测量相关联,并且我们使用预测过滤方案来估计大脑对行为和行为对大脑预测之间的不对称性。我们将这种方法应用于模拟驾驶任务,并研究大脑活动和连续驾驶行为(转向或航向错误)之间的直接关系。我们的研究结果表明,两个神经行为状态出现在这个自然的环境:一个积极主动的大脑状态,积极计划的感官信息的反应,和一个反应性的大脑状态,处理传入的信息,并对环境统计数据作出反应。
2016-06-14 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
Brain Gene Expression Analysis: a MATLAB toolbox for the analysis of brain-wide gene-expression data
艾伦脑图谱项目(ABA)使用原位杂交产生了一个基因组规模的基因表达谱集合。这些配置文件共同注册的三维艾伦参考图谱(ARA)的成年小鼠大脑。一组超过4,000个这样的体积数据可用于整个大脑,分辨率为200微米。这些数据以体素-基因矩阵呈现。ARA带有几个注释系统,分层(40个皮质区域,整个大脑中的209个皮质下区域)或非分层(左半球的12个区域,细化为94个区域和皮质层)。该数据集的高维性质以及解剖学和基因表达之间的可能联系对数据分析提出了挑战。我们开发了脑基因表达分析仪,其功能包括:确定脑区域的标记基因,全脑共表达模式的统计分析,以及用细胞类型特异性微阵列数据计算全脑相关图。
2017-09-05 q-bio.GN q-bio.NC q-bio.QM
Role of Data-driven Regional Growth Model in Shaping Brain Folding Patterns
本研究首次利用机器学习辅助符号回归构建区域皮层生长模型并模拟大脑折叠,证明区域异质性生长比均匀生长更真实地再现折叠模式,为脑发育障碍早期诊断提供新工具。
2024-09-04 cs.CE cs.SC q-bio.NC
White matter tract crossing and bottleneck regions in the fetal brain
该研究基于59例胎儿脑扩散MRI和概率纤维束成像,量化孕23–36周白质纤维束交叉与瓶颈区域的分布,揭示其高发性及对连接评估的挑战。
2024-07-20 q-bio.NC
Delta-alpha cross-frequency coupling for different brain regions
本研究基于Desikan-Killiany脑分区,利用自适应动态贝叶斯推断方法分析健康受试者脑电图,重构了不同脑区的delta-alpha跨频率耦合函数,揭示了delta相位对alpha相位动力学的影响随脑区而异,并发现扣带额叶和顶叶脑叶在耦合中起关键作用。
2023-09-27 nlin.AO physics.bio-ph physics.data-an
Speech language models lack important brain-relevant semantics
Inria Bordeaux(法国国立计算机与自动化研究所波尔多分部);Max Planck Institute for Software Systems(马克斯·普朗克软件系统研究所);Technische Universität Berlin(柏林工业大学)
本文通过系统性移除语言模型表征中的文本、语音和视觉低层特征并比较其与 fMRI 记录的对齐,发现语音模型能表征早期听觉信息却缺乏晚期语言语义。
2024-06-16 cs.CL cs.LG eess.AS
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
Construction and Evaluation of Hierarchical Parcellation of the Brain using fMRI with Prewhitening
脑图谱是用于分析和解释脑成像数据集的普遍存在的工具。传统上,大脑地图集将大脑划分为由解剖标志分隔的区域。在过去的十年中,已经进行了几次尝试,使用功能磁共振成像将大脑分成具有不同功能活动的区域。为了使用fMRI构建脑图谱,使用数据驱动算法将具有相似功能活动的体素分组在一起以形成区域。分层聚类是一种已经用于脑的功能性分组的分组方法,其导致与脑的细胞结构划分很好地对齐的分组。然而,很少有严格的数据驱动的方法进行了评价。此外,从fMRI时间序列中去除自相关趋势(预白化)对所得到的图谱结构的影响以前还没有被探索过。在本文中,我们使用层次聚类产生的功能分区的大脑使用层次聚类。我们使用预白化和原始fMRI时间序列来构建图谱。然后评价所得图谱的同质性、区域间的分离、受试者间的再现性和扫描间的再现性。
2018-02-07 q-bio.NC q-bio.QM
Learning about Learning: Human Brain Sub-Network Biomarkers in fMRI Data
由于意识到功能不能完全由专门区域的独立激活来解释,因此将大脑作为一个网络来研究变得越来越流行。相反,在大量的行为中,功能是由于大脑区域之间的动态相互作用而产生的。关于功能性脑网络的现有文献主要集中在表征“静息状态”的网络特性的电池上,例如使用区域之间的模块化、聚类或路径长度。与此相反,我们试图揭示子图的功能连接,预测或驱动个体差异的感觉运动学习的科目。我们采用一个原则性的方法来发现显着的子图的功能连接,诱导大脑活动(通过功能磁共振成像测量),而受试者执行运动学习任务。我们的目标是揭示功能连接的模式,区分高和低利率的学习科目。这种显着的歧视性子图的发现,承诺更好的数据驱动的理解与大脑可塑性相关的动态大脑过程。
2014-07-21 q-bio.NC
The refractory period matters: unifying mechanisms of macroscopic brain waves
复杂的脑振荡和单个神经元动力学之间的关系知之甚少。在这里,我们利用最大口径,一个动态推理原则,建立一个最小的,但一般的集体(平均场)的大种群的神经元动力学模型。与以前的实验观察一致,我们描述了一个简单的,可测试的机制,只涉及一种类型的神经元,其中许多复杂的振荡模式可能会出现。我们的模型预测,神经元的不应期,这是以前被忽视的,是必不可少的这些行为。
2020-09-03 q-bio.NC
A Review on Brain Mechanisms for Language Acquisition and Comprehension
本文回顾了语言习得和语言理解的主要观点。在语言习得方面,我们回顾了不同类型的语言习得,如第一语言习得,第二语言习得,手语习得和技能习得。神经语言习得检测的实验技术也进行了讨论。本文还讨论了获得检测的实验结果,包括获得后激活的脑区。研究结果表明,不同类型的习得涉及大脑的不同区域。在语言理解中,考虑了母语理解和双语者的理解。理解涉及不同的大脑区域对不同的句子或单词的理解,这取决于它们的语义和句法。不同的fMRIEEG分析技术(统计或图形理论)也论述了在我们的审查。还讨论了神经语言学计算工具。
2020-04-12 q-bio.NC
A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks
McGovern Institute for Brain Research, Massachusetts Institute of Technology(麻省理工学院麦戈文脑研究所);Complutense University of Madrid(马德里康普顿斯大学);Harvard Medical School(哈佛医学院)
表征与阿尔茨海默病(AD)的病理级联相关的功能性脑网络的细微变化对于在临床症状之前早期诊断和预测疾病进展是重要的。我们开发了一种新的深度学习方法,称为多图高斯嵌入模型(MG2G),它可以通过将高维静息态大脑网络映射到低维潜在空间来学习高度信息化的网络特征。这些基于潜在分布的嵌入能够定量表征不同区域的细微和异质的大脑连接模式,并且可以用作传统分类器的输入,用于各种下游图形分析任务,例如AD早期预测和跨大脑区域的组间显著改变的统计评估。我们使用MG2G检测MEG脑网络的内在潜在维度,预测轻度认知障碍(MCI)患者向AD的进展,并识别与MCI相关的网络改变的脑区。
2020-11-10 cs.LG eess.SP q-bio.NC
Demixed shared component analysis of neural population data from multiple brain areas
神经科学数据采集的最新进展允许在受试者执行复杂的认知任务时同时记录跨多个大脑区域的大量神经元。解释这些数据需要我们对任务相关信息如何在大脑区域之间共享进行索引,但这通常会被单个神经元水平上不同任务参数的混合所混淆。在这里,受为单个大脑区域开发的方法的启发,我们介绍了一种新的技术,用于在多个大脑区域中分离变量,称为分离共享成分分析(dSCA)。dSCA将群体活动分解为几个组件,以便共享组件在大脑区域之间捕获最大量的共享信息,同时还取决于相关的任务参数。这产生了可解释的组件,表达了不同大脑区域之间共享哪些变量以及这些信息何时跨时间共享。为了说明我们的方法,我们重新分析了啮齿动物和猕猴在决策任务期间记录的两个数据集。我们发现,dSCA为这些数据集中不同大脑区域之间的共享计算提供了新的见解,涉及决策形成的几个不同方面。
2020-10-26 q-bio.NC
Scalable Algorithms for Generating and Analyzing Structural Brain Networks with a Varying Number of Nodes
扩散磁共振成像(MRI)利用脑中水分子的各向异性扩散,从而能够以相对高的分辨率估计脑的解剖纤维束。特别地,纤维束成像方法可以用于生成全脑解剖连接矩阵,其中每个元素提供对应体素之间的连接强度的估计。使用连接信息和预定义的脑分组来构建结构脑网络,其中网络的节点表示脑区域,并且边权重捕获相应脑区域之间的连接强度。本文介绍了一些新的可扩展的方法来生成和分析具有不同数量的节点的结构脑网络。特别是,我们引入了一种新的并行算法,快速生成大规模的基于连通性的包裹体,在一个区域中的体素具有高度相似的连接模式的其余地区。我们表明,相应的区域结构的一致性总是优于随机生成的包裹在一个广泛的包裹大小。相应的大脑网络与不同数量的节点进行了分析,使用标准的图论的措施,以及来自频谱图理论的新措施。我们的研究结果表明,具有更多节点的大脑网络的统计能力越来越强,并且相对于其他知名网络,大型大脑网络的频谱轮廓具有相对独特的形状。
2016-09-13 cs.CE q-bio.NC stat.AP