脑网络

茗创科技5 小时前
深度学习·机器学习·matlab·脑网络
脑室周围扩散率(PVeD)专题:一种评估类淋巴系统功能的DTI新方法(附高分文献下载)脑室周围扩散率(PVeD)在脑影像研究中,弥散磁共振(DTI)长期被用于刻画白质结构完整性,例如FA、MD等经典指标。然而,随着类淋巴系统(glymphatic system)研究的兴起,人们逐渐意识到:弥散信号不仅反映神经纤维结构,也可能携带脑间质液(ISF)流动的信息。
茗创科技3 天前
python·深度学习·机器学习·matlab·脑网络
Nat Hum Behav | 特征选择会导致基于脑影像的机器学习生物标志物产生迥异的神经生物学解释特征选择虽能提升脑影像机器学习模型的预测性能,但被剔除的弱连接特征同样蕴含显著预测能力。《Nature Human Behaviour》刊发的这项研究通过四个大规模数据集(超1.2万人)验证:依据关联强度将脑连接特征划分为互不重叠的十分位组后,排名靠后的特征组在认知、发育及精神疾病表型预测中的表现与高排名组相当,且能成功泛化至外部队列。同时研究警示,过度依赖特征选择可能会歪曲对神经生物学机制的解释,强调全脑广泛分布的微弱信号不容忽视,这对提升模型可解释性与可重复性具有重要启示。
茗创科技4 天前
机器学习·matlab·脑网络
连接矩阵与脑图前言连接组学的核心目标之一是全面绘制各神经单元(可以是单个的神经元、特定的神经元群,亦或是脑区)之间的连接图谱。但问题是,这些单元之间可能的连接数量极为庞大:如果一个网络中包含N个节点,那么可能的连接数量约为N2。因此,我们需要一种既简洁又有意义的方式来表征这些海量数据。
茗创科技13 天前
深度学习·机器学习·matlab·脑网络
IEEE子刊|利用最优数量EEG电极实时检测认知负荷的深度学习技术本研究提出了一种面向实时场景的认知负荷检测方法:把EEG的θ/α特征变成二维“脑状态图”,再交给轻量级CNN做分类。研究在三个数据集上验证,模型在“已见受试者”上达到95.81%准确率,在“全新受试者”上达到92.73%,而且只需要5个电极(1个前额叶+4个额叶),兼顾精度与部署成本。
茗创科技24 天前
python·神经网络·matlab·脑网络
Nature Neuroscience | 脑网络架构如何平衡分布式神经回路之间的合作与竞争?大脑平衡合作与竞争的“双模”架构揭示,大脑并非单纯的合作网络。近期发表在《Nature Neuroscience》上的一项跨人类、猕猴和小鼠的比较研究揭示,大脑的结构连接组中不仅存在合作性相互作用,还广泛存在竞争性相互作用。这项研究为理解大脑结构-功能关系提供了新的生成性框架,证明竞争性相互作用是优化脑网络功能的核心要素,也为跨物种的转化医学研究奠定了理论基础。
茗创科技2 个月前
深度学习·神经网络·脑网络
Cerebral Cortex|工作记忆中α-θ跨频率耦合支持功能分离而非整合的新证据一项对公开高密度EEG数据的再分析发现:在工作记忆保持阶段,前额θ与顶叶α之间出现接近2:1频率比的比例上升,但多种连接性指标同时下降。研究还发现,两者的相位同步在工作记忆期间降低,并且同步越强,任务正确率反而越低,提示这一频率比变化更符合功能分离而非整合。
茗创科技2 个月前
机器学习·脑网络·神经科学
JNeurosci|盲人与非盲人的枕叶皮层中阅读与言语的相似计算层级:来自 fMRI 与计时经颅磁刺激(TMS)的汇聚证据非盲人的视觉皮层以层级方式解释视觉信号,从早期视觉皮层(EVC)中的简单视觉特征到高阶视觉区域中的复杂特征。盲人的视觉皮层已知会对触觉与听觉信息作出反应,但在处理这些信号时是否也使用相似的计算层级?在此,本研究表明盲人的视觉皮层以一种在时空上与非盲人视觉皮层处理视觉阅读所用层级惊人相似的层级结构来加工触觉阅读。耐人寻味的是,盲人的视觉皮层似乎还额外参与口语词的加工。我们的结果提示,尽管这些区域对跨模态输入的反应增强,但在感觉被剥夺的早期区域与高阶区域之间的计算梯度在很大程度上不依赖视觉经验。
Better Bench2 年前
脑网络·扩散模型·路由协议·最短路径·脑网络通信模型·量化指标·参数模型
【类脑智能】脑网络通信模型分类及量化指标(附思维导图)参考论文:Brain network communication_ concepts, models and applications
茗创科技3 年前
机器学习·脑网络·功能连接
Hum Brain Mapp:用于功能连接体指纹识别和认知状态解码的高精度机器学习技术摘要人脑是一个复杂的网络,由功能和解剖上相互连接的脑区组成。越来越多的研究表明,对脑网络的实证估计可能有助于发现疾病和认知状态的生物标志物。然而,实现这一目标的先决条件是脑网络还必须是个体的可靠标记。在这里,本研究利用人类连接组项目数据,考察了被试的大脑指纹和认知状态。本研究的方法在识别fMRI扫描被试和对先前未见过的被试的认知状态进行分类方面实现了高达99%的准确率。更广泛地说,本研究使用大量被试(865名)在不同认知状态(8种)下的fMRI功能连接数据,探索了五种不同机器学习技术在个体指纹识别和认知状
我是有底线的