帕金森病（Parkinson’s disease, PD）是一种常见的神经退行性疾病，其主要症状包括静止性震颤、运动迟缓和肌强直。深部脑刺激（Deep Brain Stimulation, DBS）已被广泛用于治疗帕金森病的运动症状（Krauss et al., 2021）。然而，DBS治疗也存在显著的副作用，其中大部分是由刺激扩展到DBS目标结构周围的区域导致的（Koeglsperger et al., 2019）。为减少这种副作用，研究人员提出了一种适应性深部脑刺激（adaptive DBS, aDBS）方案，通过实时监控病人的当前运动状态来调整DBS的强度和时机（Little et al., 2016; Piña-Fuentes et al., 2017; Tinkhauser et ...

研究背景及研究目的 癫痫是一种自发性且严重的神经系统疾病，表现为反复发作，全球有大约5000万人受其影响[1]。尽管近年来抗癫痫药物（ASM）的发展有所进步，药物难治性癫痫（Drug-Resistant Epilepsy，DRE）仍影响着20%到30%的癫痫患者[1-3]。DRE患者不仅面临巨大的经济、社会和心理负担，但需长时间的药物试验才能确诊。早期识别高风险患者，可以为施行如癫痫手术、神经调控或生酮饮食等治疗方式提供更早的干预。 以往的研究已指出DRE的风险因素包括：早期发病、高频率发作、脑电图（EEG）异常、神经缺陷、认知障碍、创伤史和颅内结构病变等[5-9]。然而，对于新诊断的癫痫患者，这些因素的重要性尚不明确，因此需要综合工具来早期识别高风险患者。 脑电图在癫痫领域扮演着不可或缺的...

研究背景与问题 陈述 本文是一项关于单一被试形态学脑网络在表型关联性及神经生物学基础方面的研究。该研究结合了多模态和多尺度数据，揭示了形态学脑网络与性别的差异、其作为个体特异性标志的潜力以及其与基因表达、层特异性细胞结构和化学结构的关系。这些发现深化了我们对单被试形态学脑网络作用和起源的理解，并为其在未来个性化脑联结组研究中的应用提供了有力依据。 形态学脑网络指的是基于结构性磁共振成像（structural magnetic resonance imaging，简写为sMRI）估算的脑区域之间的形态学关系。最早的研究通过计算一个群体中某形态学指标（如灰质体积，皮层厚度或表面积）的区域间协方差来估算这些关系，但这种基于群体的方法忽略了个体间的差异，导致了形态学脑网络所揭示的神经生物学意义不明确...

精神分裂症脑磁图基于置换传输熵的网络信息交互研究 学术背景介绍 精神分裂症（Schizophrenia, SCZ）是一种精神疾病，特点是持久的妄想和幻觉、混乱的思维和不一致的行为，常常导致对现实的感知显著障碍。随着现代神经成像技术的快速发展，大量的数据集支持了神经和精神疾病的研究。磁脑电图（Magnetoencephalography, MEG）作为一种神经成像技术，因其高空间和时间分辨率，能够捕捉到大脑电磁信号的非线性特征，因而被应用于探索精神分裂症（SCZ）的信息交互。 文章来源 这篇论文题为《Networked information interactions in schizophrenia magnetoencephalograms based on permutation tra...

基于改进的集合经验模态分解的脑功能网络用于焦虑分析和检测 学术背景及研究目的 随着现代生活压力的增加，焦虑症（Anxiety）作为一种常见神经系统疾病，正日益成为全球公共卫生领域亟待解决的问题。焦虑症不仅表现在精神障碍上，还涉及注意力、记忆和学习等认知过程的异常表现。COVID-19疫情的爆发进一步增加了焦虑症的患病率。据统计，焦虑症在12个月内的发病率为男性4.80%，女性5.20%。然而，焦虑的病因至今尚未明确，且自愈的概率较低。这些复杂性和不确定性使得早期检测和干预变得尤为重要。然而，传统的焦虑检测方法依赖于面对面访谈和自我评估，不仅费时费力，还受到医生专业经验和患者自我评估的主观因素影响。因此，有必要探索一种客观且准确的焦虑分析和检测方法。 在众多生理信号中，脑电图（EEG）因其高时...