神经元分类的创新融合：基于人类和小鼠电生理数据的共同信息 科学界长期以来对神经元分类面临巨大挑战。准确分类神经元对于理解大脑在健康和疾病状态下的功能至关重要。这篇由Bar-Ilan University的Ofek Ophir、Orit Shefi与Ofir Lindenbaum引领的研究在《Neuroinformatics》期刊上发表，提出了一种全新的机器学习框架，通过联合使用来自人类和小鼠的电生理数据来对神经元进行分类。 研究背景 神经元是神经系统的基本单元，其分类自Ramon y Cajal在1995年发表《人和脊椎动物神经系统的组织学》以来，一直是神经科学的核心问题。分类神经元有助于在不同实验室和实验条件下的一致识别，这对于理解大脑功能及其在健康和病态状态下的变化至关重要。 研究来源 ...
神经信息学领域的一项新突破：Cadence工具用于钙事件检测的研究报告 背景介绍 钙成像技术在神经元集合体研究中引发了一场革命，为研究人员提供了一种同时可视化和监控多个神经元活动的强大工具。钙成像利用荧光钙指示剂，这些指示剂在细胞内钙水平变化时发光，而钙水平与神经元活动密切相关。通过成像这些荧光变化，研究人员可以实时获取神经元集合体的动态，从而研究复杂的神经回路和网络。 尽管钙成像可以生成相对荧光变化δf/f曲线，但研究神经元集合体的科学家通常需要从这些连续的δf/f曲线中推断出钙事件，以创建钙事件的栅格图（raster representation）。为此，科学家们需要一种能够从这些曲线中推断钙事件的工具。在本文中，研究团队介绍了一种名为Cadence的开源工具，它能够通过半自动检测从钙成...
学术背景 高等级胶质瘤患者的认知功能受到肿瘤位置和体积的影响，这一事实已得到广泛认可。然而，关于如何准确预测个体患者的认知功能，以便在手术前后进行个性化治疗决策的研究仍然有限。现阶段，大多数研究集中在解释不同肿瘤位置对认知功能的影响，但并未详细探讨这些位置表示是否能用于实际预测。此外，目前使用的大多数方法都是基于群体平均的大脑图谱，这种方法可能无法精准反映个体差异。本研究旨在探讨不同的肿瘤位置表示方法，包括流行的人群平均大脑图谱、随机产生的图谱和基于主成分分析（Principal Component Analysis, PCA）的表示，是否能够有效预测未见患者的认知功能。 研究来源 论文题目为《Predicting cognitive functioning for patients wit...
MRQA：解决 MRI 协议不合规的广泛问题 背景介绍 近年来，大规模神经影像数据集在研究脑-行为关系中发挥了至关重要的作用，例如阿尔茨海默病神经成像计划（ADNI），人类连接组计划（HCP），少年大脑认知发展（ABCD）研究等。这些数据集通常由多个站点和不同的扫描仪型号采集。然而，跨站点或跨设备的数据收集存在一个重要问题，即成像参数的一致性不足。成像参数的不一致会严重影响数据质量，降低信噪比（SNR）和统计功效，甚至可能使研究结果无效。 传统上，确保MRI扫描协议一致性是一项繁复且手动的任务。这主要是由于DICOM（数字成像和通讯标准）的复杂性和缺乏资源来专门处理这一问题。另外，由于不同站点场所的参数值经常被即兴调整，协议不合规问题通常被忽视。因此，在多个站点进行数据汇总时，一致的成像协议...
基于贝叶斯张量建模的阿尔茨海默病影像分类 引言 神经影像学研究是当代神经科学的重要组成部分，极大地丰富了我们对大脑结构和功能的认识。通过这些非侵入性的视觉化技术，研究人员可以更精确地预测某些神经和精神疾病的风险，进而在早期阶段进行干预和治疗，从而改善患者的健康和生活质量。特别是在阿尔茨海默病（Alzheimer’s Disease，以下简称AD）的研究中，神经影像学提供了宝贵的病理机制见解，能跟踪病情进展，识别早期症状并区分其他导致痴呆的原因。 然而，在处理神经影像数据时会面临多个重大挑战，例如数据空间依赖性、高维度及噪声，并且往往难以在异构条件下识别合适的神经生物标志物。为了应对这些复杂的影像数据问题，研究者提出了多种统计和机器学习方法，其中包括基于影像特征的分类模型。 尽管现有的方法有着...
通过PED算法识别自闭症谱系障碍的诊断生物标志物 在神经信息学领域，自闭症谱系障碍（ASD）的研究多集中于脑部区域之间的双向连接关系，而较少涉及脑部区域的高阶相互作用异常。为了探讨脑区的复杂关系，作者团队采用了部分熵分解（Partial Entropy Decomposition, PED）算法，通过计算三脑区（triads）的高阶相互依赖性来捕捉高阶相互作用。本文提出了一种基于PED和替代检验方法的方法，检验单个脑区对三重脑区的影响，发现了关键的三脑区。进一步采用超图模块优化算法揭示了高阶脑结构，在ASD中，右丘脑与左丘脑的连接相比于典型对照（TC）更松散。关键的冗余三脑区（左小脑、左楔前叶和右下枕回）的相互作用表现出显著的衰减，而协同的关键三脑区（右小脑、左中央后回和左舌回）的相互作用明...
大脑组织分割的增强空间模糊C均值算法研究报告 学术背景 磁共振成像（MRI）在神经病学中发挥着重要作用，尤其是在大脑组织的精确分割方面。准确的组织分割对于诊断脑损伤和神经退行性疾病至关重要。MRI数据的分割涉及到将图像分成具有相似强度、纹理和均匀性的不同区域，这是医学图像分析中的一项关键任务。特别是在脑白质（White Matter, WM）、灰质（Gray Matter, GM）和脑脊液（Cerebrospinal Fluid, CSF）等大脑组织的区分中，精确的组织分割和病灶分离能够显著提高医疗专业人员诊断脑损伤及神经退行性疾病的能力。 然而，MRI图像的固有变化，包括不同的成像模式、信号强度和设备配置，增加了分割问题的复杂性。如何在存在噪声和伪影的情况下实现高精度分割成为了一大挑战。因...
科学研究数据管理教育的多年的多领域努力 研究背景 随着现代神经科学的发展，研究数据管理（Research Data Management, RDM）已经成为科学家们不可或缺的技能。然而，尽管研究数据管理对于科学研究具有重要性，这类技术技能往往在领域特化的研究生教育中被忽视。因此，越来越多的社区努力提供有组织的培训机会和自学材料，以帮助早期科研人员获得这方面的知识和技能。 Massachusetts Institute of Technology（MIT）的“the missing semester of your cs education”正是这种教育缺失的一个例证。此外，现代计算机和应用程序的高可用性极大地降低了用户对计算机的熟悉程度，这使得许多科学家缺乏有效管理研究数据和结果所需的基本技...
MRIO: 磁共振成像获取和分析本体 磁共振成像 (MRI) 是一种生物医学成像技术，用于非侵入性地在三维空间中可视化组织的内部结构。MRI 被广泛应用于研究人体大脑的结构和功能，也是临床和研究设置中诊断神经系统疾病的有力工具。然而，如何有效管理和分析 MRI 数据一直是一个具有挑战性的问题。为了应对这一挑战，Alexander Bartnik 等人在他们的研究中开发了名为 MRIO 的磁共振成像获取和分析本体。 研究背景 MRI 技术因其能够非侵入性地获取人体内部图像，因此在临床和研究中得到了广泛应用。临床上，MRI 可用于诊断神经疾病，通过定位和评估病理程度提供治疗指导。而在研究上，MRI 数据可以作为生物标志物，帮助开发个性化的神经疾病治疗方案，并增加对大脑结构、功能和连通性的理解。然...
Neurohackademy：线上与线下结合的神经信息学教育 背景介绍 近年来，人类神经科学进入了一个大数据时代，由于人类连接组计划（Human Connectome Project）、青少年脑认知发育（ABCD）研究等项目科学家们获取了以前难以想象的规模和范围的数据集。这些数据集对于基础和临床研究都有重要的科学潜力。然而，这些数据集也给研究人员带来了各种新的挑战，包括生成、处理、访问、分析和理解这些数据的挑战。其中一个主要挑战是所谓的“大数据技能差距”：使用这些数据集的研究项目需要不同的知识基础和技能集，以及不同于传统小规模实验研究的技术和概念工具。 研究及文章来源 该研究由Ariel Rokem 和 Noah C. Benson共同完成，均为华盛顿大学 eScience Institut...