首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

数据库管理利器——Navicat Premium v12.1.22破解版_x86_x64+mac

Navicat Premium 是一套数据库管理工具,让你以单一程序同時连接到 MySQL、MariaDB、SQL Server、SQLite、Oracle 和 PostgreSQL 数据库。此外,它与 Drizzle、OurDelta 和 Percona Server 兼容,并支持 Amazon RDS、Amazon Aurora、Amazon Redshift、SQL Azure、Oracle Cloud 和 Google Cloud 等云数据库。 结合了其他 Navicat 成员的功能,Navicat Premium 支持大部份在现今数据库管理系统中使用的功能,包括存储过程、事件、触发器、函数、视图等。 Navicat Premium 能使你快速地在各种数据库系统间传输数据,或传输到一份指定 SQL 格式和编码的纯文本文件。计划不同数据库的批处理作业并在指定的时间运行。其他功能包括导入向导、导出向导、查询创建工具、报表创建工具、数据同步、备份、工作计划及更多。

03

Micapipe:一个用于多模态神经成像和连接组分析的管道

多模态磁共振成像(MRI)通过促进对大脑跨多尺度和活体大脑的微结构、几何结构、功能和连接组的分析,加速了人类神经科学。然而,多模态神经成像的丰富性和复杂性要求使用处理方法来整合跨模态的信息,并在不同的空间尺度上整合研究结果。在这里,我们提出了micapipe,一个开放的多模态MRI数据集的处理管道。基于符合bids的输入数据,micapipe可以生成i)来自扩散束造影的结构连接组,ii)来自静息态信号相关性的功能连接组,iii)量化皮层-皮层邻近性的测地线距离矩阵,以及iv)评估皮层髓鞘代理区域间相似性的微观结构轮廓协方差矩阵。上述矩阵可以在已建立的18个皮层包裹(100-1000个包裹)中自动生成,以及皮层下和小脑包裹,使研究人员能够轻松地在不同的空间尺度上复制发现。结果是在三个不同的表面空间上表示(native, conte69, fsaverage5)。处理后的输出可以在个体和组层面上进行质量控制。Micapipe在几个数据集上进行了测试,可以在https://github.com/MICA-MNI/micapipe上获得,使用说明记录在https://micapipe.readthedocs.io/,并可封装作为BIDS App http://bids-apps.neuroimaging.io/apps/。我们希望Micapipe将促进对人脑微结构、形态、功能、和连接组的稳健和整合研究。

02

eLife: 脑岛的微观结构与宏观功能环路相互联系并能预测认知控制

一、导读 人类的脑岛是一个在内部具有明显异质性的脑部结构,在认知行为控制中发挥着整合作用。上个世纪,脑岛的细胞构筑学研究依赖于尸体解剖大脑,在无创脑成像领域,其微观结构以及大尺度功能环路鲜有进展。近期发表在权威期刊eLife的一个研究:Microstructural organization of human insula is linked to its macrofunctional circuitry and predicts cognitive control,利用弥散张量成像,基于413名健康被试,发现脑岛各个亚区之间的微观结构存在显著的差异,且这些亚区分别负责不同的认知以及情感功能。脑岛的这种微观结构组织形式也映射到了在功能上与其相互连接的前扣带回(anterior cingulate cortex, ACC),该区域是负责切换认知控制功能的突显网络(salience network)的主要区域。这种微观组织结构趋势在恒河猴中得到验证,而且与行为之间建立联系并能够认知控制中个体间差异。这些新发现为研究与脑岛相关的疾病例如孤独症、精神分裂症以及额颞叶痴呆等疾病的病理机制探究中去。本文即对该研究作解读。

00

Science:Julich-Brain:一个新的细胞结构水平的概率脑图谱

细胞结构是人类大脑在微结构上出现分离的基本生物原理,但就目前为止,还没有出现一个考虑到细胞层面及个体差异的人类脑图谱出现。本文介绍了Julich(德国于利希)实验室的最新研究成果——Julichu-Brain,这是一个包含皮层区域和皮层下核的细胞结构图的3D图谱。该图谱以概率的方式考虑了个体大脑之间的差异。除此以外,构建这样的一个脑图谱是需要大量的数据和工作量的,开发过程中需要开发嵌套的、相互依赖的工作流(working pipeline),使用该工具流可以检测大脑区域之间的边界、数据处理、追踪来源,以及灵活地执行不同工作流程,以处理不同空间尺度上的大量数据(这个工作流可能在日后起到更多的作用,开发更多的研究成果)。使用间隙映射的方法可以补充皮层映射,以实现完全的皮层覆盖。并且本图谱的开发考虑后续的动态进展,随着图谱绘制在不同方面的进展的调整,本图谱可以支持健康受试者和患者的神经影像学研究,以及建模和仿真,并可进行互操作,以连接其他脑图谱和资源。文章发表在Science杂志。

01

人脑功能结构的年龄差异

大脑的内在功能组织在成年后会发生变化。年龄差异在多个空间尺度上被观察到,从分布式大脑系统的模块化和全局分离的减少,到网络特异性的去分化模式。然而,我们尚不确定去分化是否会导致大脑功能随着年龄的增长发生不可避免的,局限性的经验依赖的整体变化。我们采用多方法策略在多个空间尺度上调查去分化。在年轻(n=181)和年老(n=120)的健康成年人中收集多回波(ME)静息态功能磁共振成像。在保留群体水平的脑区和网络标签的同时,实现了对个体变异敏感的皮层分割以用于每个被试的精确功能映射。ME-fMRI处理和梯度映射识别了全局和宏观网络的差异。多变量功能连接方法测试了微观尺度的连边水平差异。老年人表现出较低的BOLD信号维度,与整体网络去分化相一致。梯度基本上是年龄不变的。连边水平的分析揭示了老年人中离散的、网络特异的去分化模式,视觉和体感网络在功能连接内更为整合,默认和额顶控制网络表现出更强的连接,以及背侧注意网络与跨模态区域更为整合。这些发现强调了多尺度、多方法来表征功能性大脑老化结构的重要性。

03

一起玩转微服务(1)——概念

随着各行各业公司的快速发展,业务规模的不断扩大,不可避免的造成原有架构不能够适应快速的增长和变化。这时,微服务就进入大家的视野,其实在微服务之前,很多的公司已经做过服务化的改造,并且取得了一定的成果,但是对于整体流程的标准化还有一定有差距。那么,什么是微服务呢? 准确的说,微服务是一种软件架构模式,将大型系统或者复杂的应用分割成多个服务的架构,服务之间互相协调、互相配合,为用户提供最终价值。每个服务都有独立的生命周期,可以单独的维护和部署,各个业务模块之间是松耦合的,比传统的应用程序更有效地利用计算资源,应用的扩展更加灵活,能够通过扩展组件来处理功能瓶颈问题。这样一来,开发人员只需要为额外的组件部署计算资源,而不需要部署一个完整的应用程序的全新迭代。 一个微服务的架构如图所示,单体应用被拆分成多个微小的服务:

03

MySQL的体系结构

在使用淘宝网进行购物过程中,当我们查询商品时,实际上是查询淘宝网数据库中的商品;当我们购买某一件商品时,我们是在向淘宝网的数据库的订单中,填写了一条购买信息;当我们去银行办理相关业务,查询账户余额时,是查询银行数据库中我们的个人账户信息;当我们取款时,我们是在修改银行数据库中账户信息的数据。所以,其实我们一直都在使用数据库,通过网络和设备,在与数据库进行交互。一方面数据库可以给应用提供插入、删除、修改、查询数据的功能,另一方面,数据库也能保证数据库再关机之后,数据不丢失,也就是数据的持久化。那么,数据库具体是如何实现的呢?

03

基于表面形态的海马亚区分割

人类海马由折叠的旧皮质层组成,其亚区包含独特的细胞成分。但由于广泛存在的个体差异,如何将MRI采集的海马图像进行亚区分割,并与根据组织学定义的亚区图谱保持一致是一项具有挑战性的工作。基于表面的海马亚区分割方法允许不同个体之间进行对齐,或从个体“映射”到根据组织学定义的拓扑同源组织参照物上进行对齐。与手动分割或基于配准的方法相比,基于表面的方法为海马亚区分割提供了新的生物学有效约束,并且不受手动分割方法的一些技术限制,例如平面外采样(也就是分割超出了亚区的真实范围)。这种方法还特别适合应用于高分辨率MRI成像中,能够评估海马的个体间变异。

04
领券