研究背景和研究目的 随着神经科学领域的不断发展，识别与功能网络相关的间接观察过程成为了一个重要的研究方向。研究人员试图通过电生理信号（如脑电图EEG和脑磁图MEG）来估计这些功能网络的活动。然而，这一过程通常涉及逆问题，即从观测数据推断潜在的脑活动，这给研究带来了巨大的挑战。 在这篇文章中，作者们针对这一挑战提出了新的方法。他们指出，传统方法在估计功能连接性时存在显著误差，主要是由于功能网络模型的误配。这些误差在很大程度上影响了功能连接性的准确性，从而限制了我们对脑功能的理解。为了解决这一问题，作者们引入了一种基于贝叶斯理论的隐藏高斯图谱模型（Hidden Gaussian Graphical Spectral, HiGGS），以更准确地识别脑的振荡网络。 研究来源 本文由Deirel Pa...

一项关于在创造性过程中艺术与工程思维脑电活动的研究 背景与研究动机 创造力被普遍认为是想象出新颖而有价值事物的能力。研究人员发现存在两种创造性思维方式：成长型思维和固定型思维。成长型创造性思维可以通过时间和实践提高技能，而固定型创造性思维则认为创造技能是不可改变的。教育在培养创造力的过程中起到了至关重要的作用，研究也表明艺术和工程领域的学生在创造性任务中的表现是有明显差异的。 研究出处 这项研究论文《An EEG study on artistic and engineering mindsets in students in creative processes》由Yuan Yin、Ji Han和Peter R. N. Childs撰写，分别来自于Imperial College Lond...

新型药物重新定位方法的网络构建与应用研究 背景 在COVID-19大流行期间，研究人员和制药公司致力于开发治疗和疫苗。药物重新定位由于捷径被认为是快速有效的应对策略。药物重新定位试图发现已批准药物的新用途，被认为比传统药物发现路径更廉价且更迅速[1–3]。例如，瑞德西韦和地塞米松就是两种成功的重新定位药物[4–6]。虽然全球疫情逐渐转向地方性阶段，病毒传播仍在继续。快速发现候选药物并提供给医学或制药领域的专家进行研究的重要性已被COVID-19大流行深刻地提醒了我们[7]。 随着生物学机制的进步和生物医学知识的收集，更准确和精确的基于计算的药物重新定位成为可能。网络药物学（network medicine）通过观察生物实体（如药物、基因和疾病）之间的复杂关系，提供候选药物[8–11]。但在新...

ADHD 早期检测潜在生物标志的研究报告：基于相位的脑功能连接和图论分析 本文是一篇研究报告，题为“潜在生物标志物用于 ADHD 早期检测的研究：采用相位脑功能连接和图论分析”。这项研究由 Farhad Abedinzadeh Torghabeh、Seyyed Abed Hosseini 和 Yeganeh Modaresnia 完成，发表于 Physical and Engineering Sciences in Medicine（2023）第 46 卷，1447-1465 页。本文于 2023 年 9 月 5 日在线发表。本文的学术背景，研究方法，实验结果和科学价值将详细阐述。 学术背景和研究问题 注意缺陷多动障碍（ADHD）是一种神经发育疾病，以注意力不集中和过度活跃/冲动的症状为特征...

脑科学研究启发人工智能算法：知识组装的神经机制 背景简介 当新的信息进入大脑时，人类对世界的先前知识可以通过一种被称为“知识组装”（knowledge assembly）的过程迅速改变。近期，由Nelli等人进行的一项研究中，探索了人类大脑中知识组装的神经关联。研究者们受到这一神经机制的启发，开发了一种人工神经网络算法，以实现快速知识组装，提高系统的灵活性。这一研究再一次证明了研究大脑工作方式能够推动更好的计算算法的发展。 研究来源 这篇研究论文由Xiang Ji、Wentao Jiang、Xiaoru Zhang、Ming Song、Shan Yu和Tianzi Jiang完成，作者们主要来自中国科学院的脑科学与智能技术卓越创新中心、自动化研究所的脑网络组中心及实验室以及浙江实验室的增强智...

哮喘预测通过关联图增强分类器：基于常规血液生物标志物的机器学习方法 背景介绍 哮喘是一种影响全球约2.35亿人的慢性呼吸系统疾病。据世界卫生组织（World Health Organization, WHO）统计，哮喘病的主要特点是气道炎症，导致哮喘患者出现喘息、呼吸急促和胸闷等症状。为了有效管理和治疗哮喘，及时准确的诊断至关重要。然而，传统的哮喘诊断方法往往结合病史、体格检查和肺功能测试，不仅昂贵，还由于某些患者的非典型症状，使得诊断时间延长或误诊。此外，儿童哮喘的诊断尤为困难，传统方法的耗时特性可能会加重这一问题。 随着机器学习（Machine Learning, ML）的发展，在分析医疗数据、识别模式和生成预测方面展现了巨大潜力。本研究旨在利用关联图增强分类器（Affinity Gra...