以下部分是基于《Fundamentals of Data Visualization》学习笔记,要是有兴趣的话,可以直接看原版书籍:https://serialmentor.com/dataviz/
已有研究表明,作为人类大脑基本特征的大脑功能模块化组织会随着成年期的发展而发生变化。然而,这些研究假设每个大脑区域都属于一个单一的功能模块,尽管已经有趋同的证据支持人类大脑中功能模块之间存在重叠。为了揭示年龄对重叠功能模块组织的影响,本研究采用了一种重叠模块检测算法,该算法不需要对年龄在18 - 88岁之间的健康队列(N = 570)的静息态fMRI数据进行事先了解。推导出一系列的测量来描述重叠模块结构的特征,以及从每个参与者中识别出的重叠节点集(参与两个或多个模块的大脑区域)。年龄相关回归分析发现,重叠模度和模块相似度呈线性下降趋势。重叠节点数目随年龄增长而增加,但在脑内的增加并不均匀。此外,在整个成年期和每个年龄组内,节点重叠概率始终与功能梯度和灵活性呈正相关。此外,通过相关和中介分析,我们发现年龄对记忆相关认知表现的影响可能与重叠功能模块组织的变化有关。同时,我们的研究结果从大脑功能重叠模块组织的角度揭示了与年龄相关的分离减少,这为研究成年期大脑功能的变化及其对认知表现的影响提供了新的视角。
在迄今为止规模最大、范围最广的寿命脑磁图(MEG)研究中(n = 434,6至84岁),我们提供了静息状态自发活动的规范轨迹及其时间动态的关键数据。我们进行了尖端的分析,研究了年龄和性别对全脑、空间分辨的相对和绝对功率图的影响,并在两种类型的图的所有谱波段发现了显著的年龄影响。具体而言,较低的频率与年龄呈负相关,而较高的频率与年龄呈正相关。通过层次回归进一步探讨了这些相关性,揭示了关键大脑区域的显著非线性轨迹。性别影响出现在绝对功率图中,而不是相对功率图中,突出了通常可互换使用的结果指标之间的关键差异。我们严谨和创新的方法提供了多谱图,显示了整个生命周期中自发神经活动的独特轨迹,并通过广泛使用的自发皮质动力学的相对/绝对功率图阐明了关键的方法论考虑。
2021年到2022年初,cell reports、nature communications等子刊连续发表了多篇与年龄相关的肿瘤研究论文,包括2021年4月发表在nature communications的An integrative analysis of the age-associated multi-omic landscape across cancers,2021年8月发表在cell reports的Evaluating the impact of age on immune checkpoint therapy biomarkers,2021年12月发表在cell reports的Pan-cancer analysis reveals molecular patterns associated with age,2022年1月发表在nature communications的Age influences on the molecular presentation of tumours。这些指明了肿瘤生物信息学研究的一个崭新的方向。我们以最早的NC文章为例,为大家呈现作者的新颖研究思路。
在早期大脑发育过程中,由于多种内在和外在的机械力的影响,大脑皮层以一种高度可调节的方式折叠成脑回和脑沟。这种皮层折叠不仅允许更大的表面积来适应颅顶,而且还减少了神经元之间的距离,导致更快的信号传输。因此,脑沟形态的测量与认知表现相关,而皮层折叠的缺失(无脑回畸形)伴有严重的智力迟钝。异常的折叠可由神经元增殖、迁移和分化的缺陷引起,并与主要的神经发育和神经退行性疾病有关。
背景:注意缺陷多动障碍(ADHD)睡眠障碍合并症可严重影响日常生活,并对儿童和家庭的生活质量产生负面影响。然而,ADHD和睡眠障碍之间的动态关系尚不清楚,潜在的共同大脑机制也不清楚。
摘要:典型的病例对照研究往往忽略了精神疾病患者的个体异质性,这种研究依赖于群体均值比较。在此,我们对1294例诊断为6种疾病(注意缺陷/多动障碍、自闭症谱系障碍、双相情感障碍、抑郁症、强迫症和精神分裂症)的患者和1465例匹配对照患者的灰质体积(GMV)异质性进行了全面、多尺度的表征。规范模型表明,个人对区域GMV预期的偏差是高度异质性的,在同一诊断的人群中,影响同一地区的<7%。然而,在多达56%的病例中,这些偏差嵌入在共同的功能电路和网络中。显着-腹侧注意系统与其他系统有选择性地涉及抑郁症、双相情感障碍、精神分裂症和注意缺陷/多动障碍。因此,相同诊断的病例之间的表型差异可能源于特定区域偏差的异质定位,而表型相似性可能归因于共同功能回路和网络的功能障碍。
早期帕金森病(PD)的诊断仍然是临床上的一大挑战。以往的研究仅用黑质(SN)中的铁、神经肽(NM)或黑体-1(N1)征本身并不能为这些方法的临床应用提供足够高的诊断性能。本研究的目的是利用单个三维磁化传递对比(MTC)梯度回波序列提取代表整个SN的NM复合体体积、铁含量和体积,以及N1征作为潜在的互补成像生物标志物,并评估它们在早期PD中的诊断性能和临床相关性。对40例早期特发性帕金森病患者和40例年龄、性别匹配的健康对照(HCS)进行3T扫描。使用动态编程(DP)边界检测算法半自动地确定NM边界(代表SN部致密区(SNPC)和脑桥臂旁色素神经核)和铁边界(代表总SN(SNPC和SN网状部))。受试者操作特性分析用于评估这些成像生物标志物在早期帕金森病诊断中的作用。应用相关分析研究这些影像指标与临床评分的关系。我们还引入了NM和总铁重叠体积的概念,以证明NM相对于含铁SN的损失。此外,所有80例患者均独立评估N1征象。PD组SN中NM和SN体积低于HCS组,而SN中铁含量高于HCS组。有趣的是,双侧N1信号缺失的帕金森病患者的铁含量最高。单项测量的两个半球的平均值的曲线下面积(AUC)值为:NM复合体体积为0.960;SN总体积为0.788;SN铁含量为0.740;N1标志为0.891。通过二元Logistic回归将NM复合体体积与以下测量中的每一项相结合,得到了右侧和左侧的平均0AUC值:总铁含量为0.976;总SN体积为0.969,重叠体积为0.965,N1符号为0.983。我们发现SN体积与UPDRS-III呈负相关(R2=0.22,p=0.002)。虽然N1标志表现良好,但它不包含任何有关铁含量或NM数量的信息,因此,将该标志与NM和RON测量结合起来,可以更好地解释当N1标志在PD受试者中消失时发生的情况。总之,从单个MTC序列得出的NM复合体体积、SN体积、铁含量和N1征的组合为理解和诊断早期PD提供了补充信息。
最近评估大脑功能连接体的遗传性的努力主要集中在静态连接上。然而,评估随时间变化的连通性可以为大脑功能的内在动态本质提供有价值的见解。在这里,研究人员检查了人类连接组计划静息态fMRI数据的遗传率,以确定功能连接的动态波动是否有遗传基础。除了动态平均值和标准静态连通性外,还对动态连通性变化进行了评估。
最近的研究强调了与健康老化有关的大规模大脑网络的变化,其最终目的是帮助区分正常的神经认知老化和同样随着年龄增长而产生的神经退行性疾病。功能性磁共振成像(fMRI)的新证据表明,特定大脑网络的连接模式,特别是默认模式网络(DMN),将阿尔茨海默病患者与健康人区分开来。此外,支持高水平认知的大规模大脑系统的破坏性改变被证明伴随着行为层面的认知下降,这在老龄人口中是普遍观察到的,即使他们没有疾病。虽然fMRI对于评估大脑网络的功能变化很有用,但它的高成本和有限的可及性使那些需要大量人口的研究望而却步。在这项研究中,作者使用高密度脑电图和电生理源成像研究了人类大脑大规模网络的老化效应,这是一种成本较低且更容易获得的fMRI替代方法。特别的,这项研究考察了一组健康受试者,其年龄范围从中年到老年,这在文献中是一个研究不足的范围。采用高分辨率的计算模型,这项研究结果揭示了DMN连接模式中的年龄关联,与之前的fMRI发现一致。特别是结合标准的认知测试,这项研究的数据显示,在DMN的后扣带/楔前区,较高的大脑连接与较低的偶发记忆任务表现有关。这些发现证明了使用电生理成像来描述大规模大脑网络的可行性,并表明网络连接的变化与正常老化有关。
背景:脑卒中后的运动结果可以通过下行皮质运动通路的结构和功能生物标志物来预测,通常分别通过磁共振成像和经颅磁刺激来测量。然而,完整的皮质运动功能的确切结构决定因素尚不清楚。识别皮质运动通路的结构和功能联系可以为脑卒中后运动损伤的机制提供有价值的见解。这项研究使用监督机器学习来分类上肢运动诱发电位状态,使用卒中早期获得的MRI测量。方法:回顾性分析脑卒中后1周内上肢中重度无力患者91例(女性49例,年龄35 ~ 97岁)的资料。使用T1和弥散加权MRI的指标训练支持向量机分类器来分类运动诱发电位状态,使用经
丘脑是位于大脑中心的重要交流中枢,由不同的核组成,对意识和高级皮层功能至关重要。丘脑结构和功能的改变涉及到常见的大脑疾病的发病机制,但丘脑的遗传结构仍然很大程度上未知。在这里,使用来自30114个个体的大脑扫描和基因型数据,我们在42个遗传位点和391个与丘脑及其核体积相关的基因中确定了55个前导单核苷酸多态性(SNPs)。在一个独立验证样本(n = 5173)中,发现样本的55个先导SNPs中的53个显示出相同的作用方向。我们绘制了丘脑核和180个大脑皮层区域之间的遗传关系,发现重叠的遗传结构与丘脑皮层连接一致。丘脑体积与十种精神和神经疾病之间的多效性分析显示所有疾病都有共同的变异。总之,这些分析确定了与丘脑核相关的遗传位点,并证实了丘脑在皮质功能和常见大脑疾病中发挥核心作用的新兴观点。
流行病学研究表明,胰岛素抵抗加速了以年龄为基础的认知障碍的进展,而神经成像则与大脑葡萄糖代谢低下有关。作为细胞输入,与葡萄糖相比,酮使ATP的吉布斯自由能变化增加27%。在这里,我们测试了饮食变化是否能够通过将主要的饮食燃料从葡萄糖转化为酮来调节大脑区域之间持续的功能通信(网络稳定性)。我们首先建立了网络稳定性作为大脑老化的生物标志物,使用了两个大规模的3 T功能MRI数据集。为了确定饮食是否会影响大脑网络的稳定性,我们另外扫描了42名成年人,使用超高场(7 T)超快(802 ms) fMRI优化单参与者水平检测灵敏度。一组在标准饮食、夜间禁食和生酮饮食条件下进行扫描。为了分离燃料类型的影响,一个独立的夜间禁食组在给予热量匹配的葡萄糖和外源性酮酯(D-β-羟基丁酸)丸前后进行了扫描。在整个生命周期中,大脑网络的不稳定与大脑活动和认知灵敏度的降低相关。影响在47岁时出现,60岁时降解最快。无论酮中毒是通过生酮饮食还是外源性酮酯实现的,葡萄糖都使网络不稳定,而酮则使网络稳定。总之,我们的结果表明,脑网络的不稳定可能反映了与痴呆相关的低代谢的早期迹象。膳食干预导致酮的利用增加可用能量,因此可能显示出保护老化的大脑的潜力。
这两天一直在看《推荐系统实战》。书中提到基于用户行为推荐算法的时候,提到一个场景,其实用 SQL 来解,也非常容易。
成年人的大脑在功能上是灵活的,这是一个被认为有助于认知灵活性的独特特征。虽然缺乏评估早期婴儿认知灵活性的工具,但我们的目的是评估生命前2年神经灵活性的时空发展特征。52名0- 2岁正常发育的儿童在自然睡眠期间使用静息状态功能性磁共振成像进行了多达7次的纵向成像。使用滑动窗口方法,MR衍生的神经灵活性,一个定量测量大脑区域在给定的时间内从一个功能模块转变到另一个功能模块的频率,被用来评估早期婴儿时期神经灵活性的出现。结果表明,随着年龄的增长的全脑的灵活性变化,包括运动和高阶脑功能网络/区域的神经灵活性显著增加,而视觉区域表现出时间稳定的模式,表明神经灵活性在空间和时间上的不均匀发展特征。此外,3个月时初级视觉网络的神经灵活性与5/6岁时评估的认知能力显著且负相关。灵活的“俱乐部”由神经灵活性显著高于全脑神经灵活性的大脑区域组成,与已知控制成人认知灵活性的大脑区域一致,与功能中枢和不同的“俱乐部”区域相比,表现出独特的特征。因此,磁共振衍生的神经灵活性有可能揭示婴儿早期认知灵活性大脑发育的潜在神经基质。
背后的依据,来自于国内30个省级行政区近9000病例的分析,是迄今为止样本量最大的新冠病毒研究。
自闭症是发展性障碍,会严重影响患者的社会交往、行为和执行功能。以往研究发现学龄期儿童自闭症患者会表现出局部脑区脑回指数(LGI,脑回指数是用来衡量皮层皱褶程度的常见指标,由科学家齐勒斯在1988年提出)的增加,但从儿童期到青少年期脑回指数会逐渐减少。因此,本研究进一步关心的问题是:成年自闭症患者的LGI指数是否会随着年龄的发展而持续减少。为了回答该问题,本研究纳入20名中老年ASD患者和21名年龄匹配的控制组。研究者测量了他们的脑结构和行为测验的得分。结果发现,ASD患者在一些特定脑区表现出LGI的减少;另外,有一些脑区的LGI会随着年龄而减少;ASD组在局部脑区LGI指数的减少与其在执行功能测验中较低的得分有关。这表明中老年ASD患者的皮层折叠异常,皮层折叠异常与ASD患者社会功能的变化有关。该文章发表在著名期刊Neurology上,研究者来自美国圣地亚哥州立大学。
传统的ERP的数据分析方法存在一些严重问题,例如时间窗口和感兴趣区域的随意选取,以及潜在的多成分的混合。时间主成分分析可以有助于解决这些问题,但是它在发展心理学应用中却有一些其他困难,比如年龄差异导致的成分结构差异(违背了测量一致性)。所以,本研究主张对群组运用单独的主成分分析法(Separate PCAs),可以重新缩放单独PCA的结果到原始单元,再进行推理统计。本文使用来自儿童和成人群体的真实数据演示了PCA在发展研究问题上如何应用,同时,还探讨了该方法的一些缺陷。
认知神经科学的一个关键目标是从神经结构和功能来预测行为,从而为谁可能从临床和/或教育干预中受益提供关键的见解。在整个发育过程中,分布的大脑区域之间功能连接的强度与儿童的数学技能有关。因此,在本研究中,我们使用基于连接体的预测模型来研究数字处理和休息期间的功能连接是否“预测”儿童的数学技能(N = 31, Mage = 9.21岁,14名女性)。总的来说,我们发现功能连通性在符号数比较和休息期间,而非非符号数比较期间,能预测儿童的数学技能。每一项任务都揭示了分布在典型大脑网络和主要脑叶上的一组明显不同的预测性连接。大多数这些预测性联系与儿童的数学技能呈负相关,因此,较弱的连接预示着较好的数学技能。值得注意的是,这些预测性连接在不同的任务状态下很大程度上是不重叠的,这表明儿童的数学能力可能取决于网络隔离和/或区域专门化的状态依赖模式。此外,目前的预测建模方法超越了大脑行为相关性,并朝着建立大脑连接模型的方向发展,最终可能有助于预测未来的数学技能。
年龄估计尝试根据面部图像预测实际年龄值或年龄组,这是计算机视觉中的一项重要任务,广泛应用于各个场景如视觉监控,人机交互,社交媒体和人脸检索等。尽管已经对该问题进行了多年的广泛研究,但从单张图像中估算出人的年龄仍非常困难。
儿童期虐待是发展精神障碍的最有力的危险因素之一,尤其是在女性中。证据表明,早期生活中的逆境可能与情绪处理神经回路的高级成熟有关。然而,虐待是否与早期回路成熟有关,以及成熟模式是否取决于精神障碍的存在尚不清楚。
几十年来,当前和未来网络最关键的性能指标一直是端到端延迟、吞吐量能效和服务可靠性。为了有效地刻画信息新鲜度,2011年法国阿维尼翁大学的Altman等提出了信息老化的概念,用于定量研究互联网用户基于较小信息更新成本获取信息服务费的问题。同年,为了刻画车联网中远程系统获取的状态信息在更新过程中的新鲜程度,美国罗格斯大学的Kaul等正式提出了信息年龄(AoI, age of information)的概念。
精神分裂症(Schizophrenia, SZ)与终身认知障碍、年龄相关性慢性疾病和过早死亡的风险增加相关。在ENIGMA精神分裂症工作组进行的一项前瞻性荟萃分析研究中,我们调查了成人SZ患者的高级脑老化证据,以及这是否与临床特征相关。本研究纳入了来自全球26个队列的数据,共2803例SZ患者(平均年龄34.2岁;年龄18 ~ 72岁;67%为男性)和2598名健康对照(平均年龄33.8岁,范围18 ~ 73岁,55%为男性)。脑预测年龄由68个皮层厚度和表面积测量值,7个皮层下体积,侧脑室体积和总颅内体积组成,所有这些数据都来自于t1加权的脑磁共振成像(MRI)扫描。通过脑预测年龄和实际年龄(脑预测年龄差异[brain- predicted age difference, brain- PAD])之间的差异评估健康脑老化轨迹的偏差。在校正了年龄、性别和研究地点后(Cohen′s d = 0.48), SZ组患者的脑- PAD平均为+3.55岁(95% CI: 2.91, 4.19;I² = 57.53%)。在SZ患者中,脑- PAD与特定的临床特征(发病年龄、病程、症状严重程度或抗精神病药使用和剂量)无关。这项大规模合作研究表明,SZ的提前结构性脑老化。对SZ和一系列身心健康结局的纵向研究将有助于进一步评估脑- PAD增加的临床意义及其受干预措施影响的能力。
自主神经系统和中枢神经系统之间的相互作用对人类大脑功能和健康的相关性尚不清楚,特别是当这两个系统在睡眠剥夺(SD)下受到挑战时。我们测量了健康参与者的大脑活动(用功能磁共振成像)、脉搏和呼吸信号以及基线脑淀粉样蛋白β负荷(用PET)。我们发现,相对于休息清醒(RW), SD导致同步低频(LF, <0.1 Hz)在自主相关网络(AN)中的活动,包括背侧注意、视觉和感觉运动区域显著增加,我们之前发现这些区域与LF脉冲信号变化具有一致的时间耦合(由交感神经张力调节)。SD导致脉冲信号的LF成分与中脑网状结构中具有峰值效应的内侧网络之间,以及呼吸变化(由呼吸运动输出调节)的LF成分与小脑网络之间存在显著的相位一致性。SD期间AN的LF功率与脉中网和呼吸-小脑网络相位相干性独立且显著相关。SD期间AN的高LF功率(而非RW)与较低的β淀粉样蛋白负荷相关。总之,SD触发了同步大脑活动的自主模式,这种模式与不同的自主中枢相互作用有关。研究结果强调了整体皮质同步与大脑清除机制的直接相关性。
Whole-genome and multisector exome sequencing of primary and post-treatment glioblastoma reveals patterns of tumor evolution
来自法国艾克斯-马赛大学的Pierre Besson等人在Brain杂志上发文,作者使用立体定位脑电图技术(sEEG)确定癫痫发作脑区,并基于DWI成像技术对癫痫脑区和全脑进行高分辨率结构连接分析。结果显示,相较于正常人,病人的癫痫脑区和其余脑区间的连接显著降低,并且这种降低影响到了整个大脑功能网络。 1.简介 近年来,人们越来越认识到,癫痫是一种脑网络疾病。在纤维追踪技术得到广泛应用前,研究者们也做了一些关于癫痫的功能和结构脑网络的工作,但并未完全揭示是癫痫导致了脑网络的改变,还是脑网络的改变导致了癫痫发
java之所以发展到如今这个规模与生态呢很大程度上源于它的虚拟机,而内存管理又是虚拟机中的一个重要命题。可以说当JVM接手了内存管理的事宜之后呢,相对于C++手动控制管理内存,Java降低了开发者的门槛,也提高了程序的可维护性。那么JVM究竟是如何对内存进行管理的?
大家好,我是邓飞,今天继续介绍《统计遗传学》这本书,本次介绍第五章:多基因得分(PGS),主要是综述介绍,具体的实操介绍要到八九十章节。
脑地图集在研究大脑解剖和功能方面起着重要的作用。随着对多模态磁共振成像(MRI)方法(如结合结构MRI、弥散加权成像(DWI)和静息态功能MRI (rs-fMRI))的兴趣的增加,有必要基于这三种成像方式构建集成的脑地图集。本研究构建了中国成年人群(年龄22-79岁,n = 180)的多模态脑图谱,包括反映脑形态学的T1图谱、描绘复杂纤维结构的高角度分辨率弥散成像(HARDI)图谱和反映单一立体定向坐标下大脑固有功能组织的rs-fMRI图谱。我们采用大变形自形度量映射(LDDMM)和无偏自形图谱生成方法同时生成T1和HARDI图谱。利用谱聚类,我们从rs-fMRI数据中生成了20个脑功能网络。我们通过联合独立成分分析,展示了使用图谱来探索大脑形态、功能网络和白质束之间的一致性标记。
目标结构(例如,肿瘤)和高危器官 (OAR) 的描绘是治疗计划过程中的一个关键步骤。由于手动分割这些结构具有挑战性且耗时,因此开发准确的自动分割方法对于帮助治疗前放疗计划和 IGART 至关重要。近年来,已经引入了多种自动分割方法。然而,对于哪种分割方法最好,目前还没有达成共识。这可能是由于解剖结构的数量和种类繁多,每一个都针对特定的分割挑战。事实上,一些自动分割方法是为特定区域或模态设计的,并且可能在一个领域更准确而在其他领域不太准确。
阅读是一种进化上的新发展,它招募和调节连接初级和语言处理区域的大脑回路。我们研究了大脑物理结构的指标是否与阅读表现相关,以及遗传变异是否影响这种关系。为此,我们使用了9 - 10岁儿童的青少年大脑认知发展数据集(n = 9013),并关注了150项皮质表面积(CSA)和厚度的测量。我们的研究结果表明,阅读表现与包括阅读网络相关区域在内的九种大脑结构有关。此外,我们表明,这种关系部分是由遗传因素介导的,包括其中两个测量:整个左半球的CSA,特别是左颞上回的CSA。这些影响强调了基因、大脑和阅读之间复杂而微妙的相互作用,这是一种部分可遗传的多基因技能,依赖于分布式网络。
第一种是笔者小时候在掌上游戏机最先体验到的(不小心暴露了年龄),具体玩法是蛇吃完一定数量的食物后就通关,通关后速度会加快;第二种是诺基亚在1997年在其自家手机上安装的游戏,它的玩法是吃到没食物为止。笔者要实现的就是第二种玩法。
【新智元导读】 拥有世界上最大的开源车对车(V2V)网络的 Nexar 公布了第二届 Nexar 挑战赛的结果。来自复旦大学的Hengduo Li 拿下冠军。 10月29日,Nexar 公布了第二届 Nexar 挑战赛(使用NEXET 数据库实现户外汽车识别)的获奖名单。Nexar公司成立于2015年,使用智能手机和车辆的摄像头和传感器来创建驾驶感知和ADAS警报,以及发生碰撞时记录的证据。 Nexar 通过将智能手机转变为相互连接的 AI “汽车前端摄像头”,构建了世界上最大的开源车对车(V2V)网络。
人机交互是一个快速发展的领域,机器人在我们的日常生活中发挥着越来越积极的作用。病人护理是机器人越来越多出现的领域之一,尤其是对残疾人来说。患有神经退行性疾病的人可能不会有意识或自愿地进行除眼睛或眼睑以外的运动。在这种情况下,脑机接口(BCI)系统提供了与外部世界通信或交互的另一种方式。为了改善残障人士的生活,本文提出了一种新的脑机接口,用于控制辅助机器人。在本研究中,脑电图(EEG)信号的眼睛伪影被认为是有价值的信息来源,通过检测脑电图信号中的眼睑伪影,以及眨眼的双阈值方法,成功实现了通过脑机接口控制机器人的目标。该技术的应用对改善残障人士的生活具有重要意义。
来源:知乎—Yuzhe Yang、深度学习与图网络https://zhuanlan.zhihu.com/p/369627086本文约8500字,建议阅读15分钟本文大体梳理一下数据不平衡这个问题在分类以及回归上的一部分研究现状。 来给大家介绍一下我们的新工作,目前已被ICML 2021接收为 Long oral presentation:Delving into Deep Imbalanced Regression。这项工作在经典的数据不平衡问题下,探索了非常实际但极少被研究的问题:数据不平衡回归问题。现有
最近,来自波士顿荣军医疗保健系统和哈佛医学院等多个单位的研究人员,在Neuroimage杂志上发表了研究,对FreeSurfer计算海马亚区的两种方法(标准处理和纵向处理)跨站点重复测量的信度进行了评估,进一步验证该方法具有较高的信度。
近些年来,通过各种内容平台浏览视频或者是阅读文章的用户越来越多,而现有的推荐算法有时难以很好地建模用户的偏好,因此需要更准确的推荐系统模型。但已知的推荐系统(RS)的基准数据集要么是小规模的,要么是用户反馈形式非常有限。在这些数据集上评估的推荐系统模型往往缺乏实用性,难以为大规模真实场景应用提供足够的价值。
拓扑主要用于确保空间关系并帮助其进行数据处理,在很多情况下拓扑也用于分析空间关系,概括下来就两点,一是分析有无错误,二是利用拓扑进行编辑。
知乎 | https://www.zhihu.com/people/xu-xiu-jian-33
请点击上面“思影科技”四个字,选择关注我们,思影科技专注于脑影像数据处理,涵盖(fMRI,结构像,DTI,ASL,EEG/ERP,FNIRS,眼动)等,希望专业的内容可以给关注者带来帮助,欢迎留言讨论及转发推荐,也欢迎了解思影科技的课程及数据处理服务,可添加微信号siyingyxf或18983979082咨询(电话18580429226,杨晓飞)。(文末点击浏览)
上述 单元格 与 单元格 之间 的边框 , 单元格 与 表格 之间 的边框 , 出现了重叠 , 每个重叠处都有 两条线 ;
阿尔茨海默症是全世界痴呆症的主要病因,随着人口老龄化,患病负担不断增加,在未来可能会超出社会的诊断和管理能力。目前的诊断方法结合患者病史、神经心理学检测和MRI来识别可能的病例,然而有效的做法仍然应用不一,缺乏敏感性和特异性。在这里,本文报告了一种可解释的深度学习策略,该策略从MRI、年龄、性别和简易智力状况检查量表(mini-mental state examination ,MMSE) 得分等多模式输入中描绘出独特的阿尔茨海默病特征(signatures)。该框架连接了一个完全卷积网络,该网络从局部大脑结构到多层感知器构建了疾病概率的高分辨率图,并对个体阿尔茨海默病风险进行了精确、直观的可视化,以达到准确诊断的目的。该模型使用临床诊断的阿尔茨海默病患者和认知正常的受试者进行训练,这些受试者来自阿尔茨海默病神经影像学倡议(ADNI)数据集(n = 417),并在三个独立的数据集上进行验证:澳大利亚老龄化影像、生物标志物和生活方式研究(AIBL)(n = 382)、弗雷明汉心脏研究(FHS)(n = 102)和国家阿尔茨海默病协调中心(NACC)(n = 582)。使用多模态输入的模型的性能在各数据集中是一致的,ADNI研究、AIBL、FHS研究和NACC数据集的平均曲线下面积值分别为0.996、0.974、0.876和0.954。此外,本文的方法超过了多机构执业神经科医生团队(n = 11)的诊断性能,通过密切跟踪死后组织病理学的损伤脑组织验证了模型和医生团队的预测结果。该框架提供了一种可适应临床的策略,用于使用常规可用的成像技术(如MRI)来生成用于阿尔茨海默病诊断的细微神经成像特征;以及将深度学习与人类疾病的病理生理过程联系起来的通用方法。本研究发表在BRAIN杂志。
请点击上面“思影科技”四个字,选择关注作者,思影科技专注于脑影像数据处理,涵盖(fMRI,结构像,DTI,ASL,EEG/ERP,FNIRS,眼动)等,希望专业的内容可以给关注者带来帮助,欢迎留言讨论,也欢迎参加思影科技的课程,可添加微信号siyingyxf或19962074063进行咨询。(文末点击浏览)
首先明白,隔离我们其实就是给它加入一个 标记,这个标记就是 大用例id。再来看看我们的登陆态目前 是个什么 数据类型:
精神分裂症的神经生物学异质性了解甚少,并混淆了当前的分析。我们在一个多机构多种族队列中研究了神经解剖亚型,使用新的半监督机器学习方法,旨在发现与疾病相关的模式,而不是正常的解剖变异。研究人员对307名确诊精神分裂症患者和364名健康对照者进行了结构MRI和临床测量分析。灰质、白质和脑脊液局部体积测量被用来识别独特的和可重复的精神分裂症神经解剖亚型。两种不同的神经解剖亚型被发现。亚型1表现出广泛更低的灰质体积,主要分布于下丘脑、伏隔核、内侧颞叶、内侧前额叶/额叶和岛叶皮质。亚型2显示基底神经节和内囊体积增加,其他脑体积正常。在亚型1中灰质体积与病程呈负相关(r = -0.201, P = 0.016),而在亚型2中则不相关(r = -0.045, P = 0.652),这可能暗示了不同的潜在神经病理过程。子类型没有年龄(t = -1.603, df = 305, P = 0.109),性别(df =1χ2 = 0.013,P = 0.910),疾病持续时间(t = -0.167, df = 277, P =0.868),抗精神病剂(t = -0.439, df = 210, P = 0.521),发病年龄(t = -1.355, df = 277, P = 0.177),阳性症状(t =0.249, df = 289, P = 0.803),阴性症状(t = 0.151, df = 289, P= 0.879)或抗精神病类型(卡方= 6.670,df =3, P = 0.083)差异。亚型 1的受教育程度低于亚型2(卡方= 6.389,df = 2, P = 0.041)。总之,我们发现了两种截然不同且高度可再生的神经解剖亚型。亚型1显示与病程相关的广泛体积减少,以及更差的发病前功能。亚型2除基底神经节和内囊较大外,解剖结构稳定正常,不能用抗精神病药剂量解释。这些亚型挑战了脑容量损失是精神分裂症的一个普遍特征的概念,并暗示了不同的病因。它们可以为丰富和分层临床试验和精确诊断提供策略。
| 导语 leveldb是google开源的单机key-value存储引擎。基于Log-Structured-Merge Tree的实现。本文先介绍leveldb的总体架构,然后从各个基本操作出发,介绍leveldb的底层实现细节。 一、leveldb的特点 1.key和value可以是任意长度的字节数组 2.数据在磁盘上按key有序存储,调用者可以提供比较函数 3.提供了基本的操作:Put(key,value), Get(key), Delete(key)。支持多个基本操作组合一次批量的原子操作。 4
脑电图(EEG)的微观状态在清醒状态下已被广泛研究,并被描述为“思维原子”。先前对脑电图的研究已经发现了四种微状态A、B、C、D,它们在静息状态下是一致的。同时使用脑电图和**功能磁共振成像(fMRI)**的研究已经为静息状态下EEG微状态和fMRI网络之间的相关性提供了证据。在非快速眼动(NREM)睡眠中已发现了微状态,而慢波睡眠(SWS)过程中脑电微状态与脑功能网络之间的关系尚未得到研究。本研究在SWS过程中收集同步的EEG-fMRI数据,以检验EEG微状态与fMRI网络之间的对应关系。分析显示,4个微状态中有3个与fMRI数据显著相关:1)岛叶和颞后回的fMRI波动与微状态B呈正相关,2)颞中回和梭状回的fMRI信号与微状态C呈负相关,3)枕叶的fMRI波动与微状态D呈负相关,而扣带回和扣带回的fMRI信号与微状态B呈正相关。然后,基于fMRI数据,使用组独立分量分析来评估脑功能网络。组级空间相关分析显示,fMRI听觉网络与微状态B的fMRI激活图重叠,执行控制网络与微状态C的fMRI失活重叠,视觉和突显网络与微状态D的fMRI失活和激活图重叠。此外,由二元回归得到的各微状态的一般线性模型(GLM)β图与各成分的独立图之间的个体水平空间相关性也表明,在SWS过程中,EEG微状态与fMRI测量的脑功能网络密切相关。综上所述,实验结果表明,SWS过程中脑电微状态与脑功能网络密切相关,表明脑电微状态为脑功能网络提供了重要的电生理基础。
A novel atlas of gene expression in human skeletal muscle reveals molecular changes associated with aging
领取专属 10元无门槛券
手把手带您无忧上云