Jan, 2023

发展性阅读障碍中神经源/汇聚相位连接的通道因果关系研究

HTML
PDF
TL;DR通过探究脑连接网络在发展性阅读障碍中的因果关系，我们提出并应用一种方法来计算通道的线性因果关系。在所有的情境中，我们都发现了确认已知的右侧Theta采样网络异常，并且这种异常主要出现在作为接收器的通道的因果关系中。
发现论文，激发创造
  • 通过非凸正则化共同学习多个格兰杰因果网络：推断群体级别的脑连接

    本文介绍了一种基于稀疏学习的方法，通过多个Granger图对多个时间序列进行联合学习以发现共同和差异的Granger因果关系结构，该方法在ADHD的fMRI数据集中找到了两组个体的大脑连接机制及其差异。

    May, 2021

  • 通过扰动神经网络推断有效连接性：基于合成脑电图数据的证据

    通过扰动训练好的神经网络来推断有效连接性（effective connectivity），以揭示人工神经网络预测未来系统动态的潜在因果结构。

    Jul, 2023

  • 贝叶斯动态DAG学习：在发现大脑动态有效连接组中的应用

    通过引入基于分数的有向无环图发现方法(BDyMA)和DTI数据，本文提出了一种贝叶斯动态有向无环图学习方法，旨在解决大脑解剖结构和推断有效连接方面的挑战，实现更准确和可靠的动态连接模型的发现。

    Sep, 2023

  • 递归神经网络中的功能连接模块：功能、起源和动力学

    通过使用在系统神经科学任务上训练的循环神经网络，本研究调查了相关网络中模块化结构的特定功能角色、起源和动力学含义等重要特征。研究表明，模块是功能上连贯的单元，有助于专门的信息处理；模块是通过输入层到循环层的投射中的符号和权重的不对称性自发形成的；而且模块在控制系统行为和动力学中具有类似角色的连接。结合起来，我们的研究结果阐明了功能连接模块的功能、形成和操作意义，为进一步研究大脑功能、发展和动力学奠定了基础。

    Oct, 2023

  • 提取大脑动态的多尺度因果骨干

    提取多尺度因果骨架与大脑连接在因果机制、多尺度因果结构学习、休息状态脑成像数据以及大脑连接的因果指纹等方面的关键词，并使用多尺度因果结构验证了大脑连接的因果指纹，从而支持现有关于大脑连接指纹的广泛研究。

    Oct, 2023

  • 脑网络中因果充分性的必要外部节点的算法鉴定

    利用算法鉴别外源节点以满足因果充分性的需求，通过独立性测试和差异分析确定可能的混淆变量，应用于人类连通性计划数据并验证了该方法的可靠性。

    Mar, 2024

  • 贝叶斯功能连接和图卷积网络用于工作记忆负荷分类

    通过应用贝叶斯结构学习算法，该研究在传感器空间中学习了脑电图（EEG）的功能连接性，并将得到的功能连接图输入图卷积网络进行工作记忆负荷的分类，其在154名受试者的6种不同工作记忆负荷下表现出95%的最高分类准确性和89%的平均分类准确性，优于现有文献中提出的最先进的分类模型。此外，与最先进的功能连接估计方法进行跨受试者和同受试者的统计分析比较后，结果显示alpha波和theta波的分类准确性优于beta波。

    Apr, 2024

  • 基于脑连接性和区域统计的EEG研究早期帕金森病分类

    本研究针对早期帕金森病分类中存在的数据不足问题，提出了一种结合脑连接性度量和信号统计的新方法。研究发现，结合相位滞后指数和区域信号统计，分类准确率最高可达91%，表明此方法在帕金森病早期诊断中的潜在应用价值。

    Aug, 2024

  • 基于可解释图神经网络的融合脑连接性分析：fMRI、DTI和sMRI

    该研究针对多模态神经影像学中的异质性问题，提出了一种结合fMRI、DTI和sMRI的综合分析框架。通过权重差异化的神经连接掩膜策略，该方法提升了多模态影像数据的解释性，显著提高了预测准确性，揭示了关键的解剖特征和重要的神经连接，增进了对大脑结构与功能的理解。

    Aug, 2024

  • 基于小波图论方法的阿尔茨海默病脑网络研究

    本研究解决了阿尔茨海默病早期诊断难度大的问题，提出了一种新颖的方法，将离散小波变换与图论结合，以建模脑网络的动态行为。这种方法能够自动区分不同阶段的阿尔茨海默病，并识别受影响的脑区域和连接，为理解该疾病对脑功能的影响提供了更深刻的见解。

    Sep, 2024