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

    Cerebral Cortex:基因和环境对大脑功能连接的影响

    详细绘制基因和环境对功能连接体的影响是发展基因与临床诊断或认知能力之间的中间表型的关键一步。我们分析了来自两个成年双胞胎样本的静息状态功能磁共振成像数据,以量化遗传和环境对264个大脑区域(35000个功能连接)之间所有成对功能连接的影响。整个连接体的非共享环境影响较高。大约有14-22%的连接在每个样本中具有显著的遗传影响,4.6%的连接在两个样本中显著,12%的遗传力估计大于30%。共享环境影响的证据是微弱的。一种新的全连接体双变量遗传建模程序揭示,连接上的遗传影响不同于连接体整体总结测量、基于网络的连接估计和静息状态扫描期间的运动的遗传影响。大脑的遗传结构是多样的,并不像人们想象的那样,仅仅依靠非遗传信息数据或低分辨率数据的结构。作为后续研究,我们对功能连接进行了新的分类,并研究了具有特别强遗传影响的高度局部性连接。这种脑连通性的高分辨率遗传分类学将有助于理解基因对脑疾病的影响。

    02

    Cell Reports : 人脑中的湍流状动力学

    湍流促进了物理系统中跨尺度的能量/信息快速传输。这些特性对大脑功能很重要,但目前尚不清楚大脑内部的动态主干是否也表现出动荡。利用来自1003名健康参与者的大规模神经成像经验数据,我们展示了类似湍流的人类大脑动力学。此外,我们还建立了一个耦合振荡器的全脑模型,以证明与数据最匹配的区域对应着最大发达的湍流样动力学,这也对应着对外部刺激处理的最大敏感性(信息能力)。该模型通过遵循作为布线成本原则的解剖连接的指数距离规则来显示解剖学的经济性。这在类似湍流的大脑活动和最佳的大脑功能之间建立了牢固的联系。总的来说,我们的研究结果揭示了一种分析和建模全脑动态的方法,表明一种湍流样的动态内在主干有助于大规模网络通信。 2.简介

    00

    NeuroImage:多任务共激活模式揭示一个鲁棒性的反相关功能网络

    过去几十年里,研究者对于对抗的脑状态是不是人脑活动组织的基本原则一直有争议。一些人认为内在的静息态功能连接反相关脑网络是预处理的人为结果。一些人认为这种反相关有生物学意义的,它是大脑对不同刺激如何作出反应的预测因子。本研究调查了不同任务的全脑共激活模式,检验了任务态脑区显示的反相关是否与静息态相似。我们检查了HCP(N=680)中47个任务对比的脑活动,发现网络间鲁棒的对抗互联。默认网络的脑区表现出最高的皮层相关的负连接度。这种跨任务的负共激活模式与全局信号回归(GSR)处理的静息态数据结果一致。经过GSR的静息态数据是任务诱发的调节的更好的预测因子。最后,在25个抑郁症病人的队列中,我们发现DLPFC和人体大脑亚属前扣带皮层的基于任务的反相关与DLPFC-TMS的临床效果有关。总之,我们的发现说明反相关是有生物学意义的现象,可能反映了重要的功能性脑组织原则。

    00

    人类眶额皮层、vmPFC和前扣带回的有效连接:情绪、记忆和行动

    人类眶额皮层、腹内侧前额叶皮层(vmPFC)和前扣带回参与奖赏处理,因此参与情绪,也与情景记忆有关。为了更好地了解这些区域,我们在来自人类连接体项目的172人中测量了360个皮层区域和24个皮层下区域之间的有效连接,并补充了功能连接和扩散束造影。眶额皮层从味觉、嗅觉和颞叶视觉、听觉和颞极皮层区域都有有效连接。眶额皮层与前扣带回膝部和海马体系统有连接,并提供了用于记忆和目标导航的奖赏反映。眶额皮层和扣带回膝部与上前扣带回有连接,该皮层投射到中扣带回和其他运动前皮层区域,并提供行动-结果学习,包括肢体退缩或对抗厌恶和非奖励刺激。外侧眶额皮层有输出到额下回的语言系统。内侧眶额皮层连接到Meynert基底核和上前扣带回连接到隔膜,这些皮层区域的损伤可能通过破坏新皮层和海马体的胆碱能功能而导致记忆障碍。

    04

    Cerebral Cortex:静息态fMRI功能连接可以预测男女关系的相容性

    即使在信息技术显著发展的情况下,基于自我报告的特征和偏好来预测异性恋个体最初的相容性也并不成功。为了克服自我报告测量和预测相容性的局限性,我们使用了来自静息状态功能磁共振成像(fMRI)数据的功能连接,这些数据携带丰富的个体特异性信息,足以预测社会认知任务中的心理构建和激活模式。在从静息态功能磁共振成像(fmri)中收集数据的几天后,参与者进行了一个快速约会实验,在这个实验中,他们与其他所有异性参与者进行3分钟的快速约会。我们的机器学习算法成功地预测了实验中的成对是否兼容,使用实验前获得的功能连接的(不)相似性。个体之间功能连接的相似性和差异性以及这些多元关系有助于预测,因此表明了互补性(观察到的差异性)的重要性,以及个体与潜在伴侣在最初吸引阶段的相似性。结果表明,突显网络、边缘区域和小脑对相容感尤为重要。这项研究强调了神经信息在社会环境中预测复杂现象的效用,而单凭行为测量是无法预测的。

    03

    抵御「目标检测」的对抗攻击!中山大学HCP实验室提出RobustDet,性能直升17%|ECCV2022 Oral

    ---- 新智元报道   编辑:LRS 好困 【新智元导读】目标检测的对抗攻击怎么防?中山大学HCP实验室入选ECCV 2022 Oral的最新论文教你提升模型鲁棒性! 现有的深度学习模型容易受到恶意攻击或者噪声的影响,甚至对于人眼无法察觉的对抗噪声干扰,输出完全错误的结果,这就对基于深度学习的模型在实际中应用带来了严重的安全隐患。 因此提高神经网络的对抗鲁棒性,让模型具有更强的抵御对抗噪声的能力至关重要。 但现有相关对抗攻击和防御的视觉问题研究主要集中在分类任务,而对目标检测器的对抗鲁棒性相关研究

    04

    fMRI时变功能连接的数据和模型考虑

    大脑的功能连接(FC)已被证明在会话中表现出微妙但可靠的调节。估计时变FC的一种方法是使用基于状态的模型,该模型将fMRI时间序列描述为状态的时间序列,每个状态都有一个相关的FC特征模式。然而,从数据对这些模型的估计有时不能以一种有意义的方式捕获变化,这样模型估计将整个会话(或它们的最大部分)分配给单个状态,因此不能有效地捕获会话内的状态调制;我们将这种现象称为模型变得静态或模型停滞。在这里,我们的目标是量化数据的性质和模型参数的选择如何影响模型检测FC时间变化的能力,使用模拟fMRI时间过程和静息状态fMRI数据。我们表明,主体间FC的巨大差异可以压倒会话调制中的细微差异,导致模型成为静态的。此外,分区的选择也会影响模型检测时间变化的能力。我们最后表明,当需要估计的每个状态的自由参数数量很高,而可用于这种估计的观测数据数量较低时,模型往往会变成静态的。基于这些发现,我们针对时变FC研究在预处理、分区和模型复杂性方面提出了一套实用的建议。

    01

    PNAS:人类大脑性别间差异研究—基于结构、功能及转录组多模态分析

    导读 人类大脑在许多认知以及行为等方面都表现出明显的性别差异,这些差异具有可重复性,而且更为重要的是,这些差异或许可以反映不同性别间大脑内部局部组织的不同。这些差异的稳定性、起因以及产生的影响被广泛、热烈的讨论,但却没有被细致的研究过。加之最近在啮齿类动物中的一系列研究建立了性别差异在神经生理学上的理论基础:1)局部灰质体积(regional gray matter volume,regional GMV)的性别差异稳定的分布在大脑皮层以及一些经典的皮下核团;2)与社交以及生殖行为有关的神经环路在局部GMV差异分布中占据主导地位;3)性染色体的基因表达与GMV差异模式具有耦合关系。这篇发表在美国科学院院报(PNAS)题为“Integrative structural, functional, and transcriptomic analyses of sex-biased brain organization in humans”的文章,便是基于啮齿类动物中的研究基础,针对在人类大脑中该类问题的研究空白,对性别差异从脑结构、脑认知活动以及基因表达多模态多尺度做了全方位细致的探究。下面即对本文作解读。

    03

    Nature communications:VWFA,一个集语言与注意于一身的脑区

    一、导读 熟悉认知神经科学的人一看到VWFA,瞬间想到这是一个与词形加工有关的脑区,当然也有一些观点认为VWFA在复杂的视觉处理中也起着重要作用。然而,对于VWFA的结构和功能环路及其与行为的关系的一直不太明了。近期发表于Nature Communications杂志、题目为《The visual word form area (VWFA) is part of both language and attention circuitry》的一项研究回答了这个问题。该项研究中,研究者使用来自HCP(译者注:HCP是一个为期五年的项目。该项目于2009年7月启动,是NIH神经科学研究蓝图中三大挑战的第一个。该项目的目标是建立一个“网络图”,揭示健康的人类大脑内的解剖和功能连通性,以及生成的数据,以促进研究脑部疾病,如阅读障碍,自闭症,阿尔茨海默氏症和精神分裂症)的高分辨率多模态成像数据(N=313),证明了VWFA与规范语言和注意网络具有稳健的连接模式。脑与行为的关系揭示了显著的双重分离模式: VWFA与侧颞语言网络的结构连接能够预测语言,但不能预测视觉-空间注意能力; VWFA与背侧额顶叶注意网络的连接能够预测视觉-空间注意,但不能预测语言能力。该项研究的发现支持了VWFA功能的一个多重模型,该模型以整合语言和注意的独特回路为特征,并指出连接受限认知是人类大脑组织的一个关键原则。

    01

    【Nature重磅】机器学习验证全新脑图谱,脑科学及AI超凡一步

    【新智元导读】今天Nature刊文,华盛顿大学研究人员结合多种成像技术,利用机器学习系统,绘制了全新的人脑图谱。通过使用更精确的划分方法,研究人员证实了此前已经确定的 83 个脑区,还发现了 97 个全新的脑区。学界权威评论称,这是朝向理解人脑组织和功能结构的“超凡一步”,有望成为今后描述人脑的基础。更重要的是,该项目使人工智能上升到一个新的阶段:利用脑图谱,在智能系统设计方面,可以明确脑功能基本单元的划分及其连接模式,从多尺度揭示脑信息处理机制,为新型智能信息处理系统的设计提供启示。 7月21日,Natu

    06

    DCP:一款用于弥散磁共振成像连接组学的工具箱

    摘要:由弥散磁共振成像(dMRI)衍生的大脑结构网络反映了大脑区域之间的白质连接,可以定量描述整个大脑的解剖连接模式。结构性脑连接组的发展导致了大量dMRI处理包和网络分析工具箱的出现。然而,基于dMRI数据的全自动网络分析仍然具有挑战性。在这项研究中,我们开发了一个名为“扩散连接组管道”(DCP)的跨平台MATLAB工具箱,用于自动构建大脑结构网络并计算网络的拓扑属性。该工具箱集成了一些开发的软件包,包括 FSL、Diffusion Toolkit、SPM、Camino、MRtrix3和MRIcron。它可以处理从任意数量的参与者那里收集的原始dMRI数据,并且还与来自HCP和英国生物样本库等公共数据集的预处理文件兼容。此外,友好的图形用户界面允许用户配置他们的处理管道,而无需任何编程。为了证明DCP的能力和有效性,使用DCP进行了两次测试。结果表明,DCP可以重现我们之前研究的发现。但是,DCP存在一些局限性,例如依赖 MATLAB 并且无法修复基于度量的加权网络。尽管存在这些局限性,但总体而言,DCP软件为白质网络构建和分析提供了标准化的全自动计算工作流程,有利于推进未来人脑连接组学应用研究。

    01

    Nature:可重复的全脑关联研究需要数千人参与

    磁共振成像(MRI)已经改变了我们对人类大脑的理解,通过对特定结构的能力(例如,损伤研究)和功能(例如,任务功能MRI (fMRI))的复制映射。心理健康研究和护理还没有从核磁共振成像中实现类似的进步。一个主要的挑战是复制大脑结构或功能的个体间差异与复杂的认知或心理健康表型之间的关联(全脑关联研究(BWAS))。这样的BWAS通常依赖于适合经典脑成像的样本量(中位神经成像研究样本量约为25),但对于捕捉可复制的脑行为表型关联可能太小了。在这里,我们使用了目前最大的三个神经成像数据集,总样本量约为50,000人,以量化BWAS效应大小和可重复性作为样本量的函数。BWAS的关联比之前认为的要小,导致了统计上的研究不足,效应大小和典型样本量的复制失败。随着样本量增加到数千个,复制率开始提高,效应大小信息减少。功能性MRI(对比结构)、认知测试(对比心理健康问卷)和多变量方法(对比单变量)检测到更强的BWAS效应。小于预期的脑表型关联和人群亚样本的变异性可以解释广泛的BWAS复制失败。与影响更大的非BWAS方法(例如,损伤、干预和个人)相比,BWAS的可重复性需要数千个人的样本。

    01

    Nature Neuroscience:从大脑MRI中对皮层相似性网络进行稳健估计

    结构相似性是磁共振成像(MRI)皮层连接组学日益关注的焦点。在这里,我们提出了形态测量逆散度(MIND),一种新的方法,基于它们的差异来估计皮层区域之间的相似性。与之前跨越3个人类数据集和1个猕猴数据集的11000次扫描的形态相似网络(MSNs)方法相比,MIND网络更可靠,更符合皮层细胞结构和对称性,与轴突连接束追踪测量更相关。来自人类T1加权MRI的MIND网络比MSNs或来自束状融合加权MRI的网络对年龄相关的变化更敏感。皮层区域之间的基因共表达与MIND网络的共表达比与MSNs网络或束造影的耦合更强。MIND网络表型也更具遗传性,特别是结构分化区域之间的连边。MIND网络分析为使用现成的MRI数据的皮层连接组学提供了一个经过生物学验证的透镜。

    02

    探索MEG脑指纹:评估、陷阱和解释

    基于受试者的功能性连接组(FC)的个体特征(即“FC指纹”)已经成为当代神经科学研究的一个非常热门的目标,但脑磁图(MEG)数据中的FC指纹还没有得到广泛的研究。本研究中,我们研究来自人类连接组计划(HCP)的静息状态的MEG数据,以评估脑磁图FC指纹及其与包括振幅和相位耦合的功能连接指标、空间渗漏校正、频带和行为意义在内的几个因素的关系。为此,我们首先使用两种识别评分方法,区分识别率和成功率,为每个FC测量提供定量指纹评分。其次,我们探索了横跨不同频段(δ、θ、α、β和γ)的边缘和节点的MEG指纹模式。最后,我们研究了从同一受试者的MEG和fMRI记录中获得的跨模态指纹模式。我们的结果表明,指纹识别的性能在很大程度上取决于功能连接指标、频带、识别评分方法和空间渗漏校正。本研究初步提供了MEG指纹与不同方法学和电生理因素相关的第一个特征,并有助于理解指纹的跨模态关系。

    00
    领券