阿尔茨海默病在老年人群中大约每9人中就有1人患病。作为一种神经退行性疾病,迄今为止仍无法治愈,主要通过医疗服务提供者的支持性治疗来管理病情。因此,该病的早期诊断是制定治疗方案的关键步骤。目前已有多种诊断程序,包括临床检查、扫描、生物医学检测、心理测评等。计算机辅助诊断技术有助于该病的早期发现,过去已经提出了多种此类机制。这些技术利用机器学习模型来开发疾病分类系统。但是,这些系统的重点现在已经逐渐转

认知负荷理论表明，工作记忆的超负荷可能会对人在认知要求较高的任务中的表现产生负面影响。评估认知负荷是一项困难的任务；它通常通过专家的反馈和评估来进行评定。近年来，基于功能性近红外光谱（fNIRS）的认知负荷分类已成为关键研究领域之一，这得益于其抗干扰性、成本效益和便携性。为了使fNIRS在各种应用中更具实用性，有必要开发能够自动分类fNIRS信号且较少依赖训练信号的稳健算法。认知科学中使用的许多分

这里,d是Cohen's d效应量,Spooled是合并标准差,sd1和sd2是类特定的标准差,x1和x2是类1和类2的值,i和j都用作样本和变量的索引,vs是变量大小,ss1和ss2分别是类特定的样本数。另一方面，心律失常和心脏病发作数据集表明，由于良好的效应量和较高的分类准确率，表现良好的数据集在两类之间具有良好的区分能力，而随着样本量的增加，两种效应量和机器学习性能的方差都会缩小。值得注意的

在这种研究设计中，脑活动间的相关性变成需要通过有无大脑间连接的模型来解释的数据特征。然而，如上所述的 INS 或超扫描研究（hyperscanning studies）则能够在实时、相互交流的社会互动情境中，同时测量两个（或更多）互动个体的大脑活动的一致性与行为的一致性。（即神经相似性，neural similarity）来实现沟通，以及如何整合能将新接收信息与先验及概念性知识相匹配的神经网络，从

"静息态"功能磁共振成像(rs-fMRI)被广泛用于研究大脑连接。到目前为止,研究人员仅限于使用计算效率高但无方向性的功能连接测量,或仅限于小型网络的有方向性有效连接估计。在这里,我们展示了一种最近为任务fMRI开发的方法 - 回归动态因果建模(rDCM) - 可以扩展到rs-fMRI,并提供方向性估计和可扩展到全脑网络的能力。首先,模拟研究表明rDCM能在广泛的信噪比和重复时间范围内忠实地恢复参

人脑的功能连接和有效连接，分别表示皮质区域之间的统计依赖性和定向信息流，对研究大脑内在网络及其功能机制做出了重要贡献。由于越来越多的证据表明，大脑连接性研究可以帮助我们更好地理解各种神经系统疾病，因此近期许多脑电图（EEG）研究都在致力于大脑连接性的建模和估计。然而，目前缺乏一个全面且最新的综述来回顾基于EEG的大脑连接性研究，特别是在可视化选项和相关机器学习应用方面，这些技术有望转化为有用的临床

根据显著性水平（置换检验P < 0.05），选择LV-I（协方差解释率=44.16%，P < 0.001）、LV-II（28.05%，P < 0.001）、LV-III（8.02%，P < 0.05）与LV-IV（5.75%，P < 0.05）作进一步分析。在LV-II中，nfvPPA亚型与bvFTD亚型相比，有显著更高的截距（t统计量=2.57，P=0.01）与斜率（t统计量=2.19，P=0.

这些优势的代价是低时间分辨率、高分析复杂性，以及在解释不同细胞结构的脑区的血流动力学变化时固有的不确定性。尽管是间接的，血流动力学神经成像是一种可行的选择，用于对全脑tACS诱导的神经生理变化进行非侵入性在线测量。如前所述，当tACS电场值高于0.3-0.4 mV/mm时，大量神经元会持续发生同步化，更强的电场会募集更多的神经元。尽管tACS的能力范围和剂量-反应依赖性仍在积极研究中(见"悬而未决

这是一种领先的最先进方法，它"重新添加面部"(使用通用合成面部替换参与者的面部和耳朵，而不是仅仅去除)，以减少对后续图像分析的影响。关于ADNI去面部处理的理由、验证和实施的详细描述可在本期的另一篇手稿中找到[Schwarz等人，ADNI-4中面部去识别(去面部)的实施和验证]。ADNI 1中的3D T1是在1.5T下获得的，而ADNI 2/GO和ADNI 3是在3T下获得的。ADNI 4 MRI

实验结果表明，