fNIRS是一种利用近红外光谱进行功能神经成像的光学脑监测技术。它使用近红外光来测量大脑活动，并估计由于运动活动而引起的大脑皮层血流动力学活动。fNIRS通过光学吸收来测量含氧和脱氧血红蛋白中氧水平的变化。多源噪声和伪影干扰导致的信号衰减是fNIRS信号分析面临的主要挑战之一。方法：在此背景下，本研究旨在使用图论分析大脑不同区域之间的连接性，从而分析大脑网络在功能参数方面的几何关联。

拓扑数据分析(TDA)突破了传统聚类在多模态、高维精神医学数据中难以处理非线性结构与重叠隶属关系的瓶颈。通过图社区检测，该框架在不依赖硬边界的前提下，从基因-环境-影像数据中稳定识别出MDD的临床相关亚型。这项工作为精神疾病的精准分层提供了一种不依赖先验标签、具备良好可迁移性的拓扑分析路径。

摘要双相情感障碍(BD)是一种常见的精神疾病，特点是躁狂或轻躁狂与抑郁交替发作，其严重程度各异，导致准确及时的诊断具有一定的挑战性。EEG的非线性特征被认为是精神障碍的生物标志物，能够反映大脑的非线性动态。尽管已有研究证明EEG功率谱密度在BD患者中存在显著变化，但熵度量作为一种互补的非线性方法，尚未得到充分探索。本研究对各种熵度量进行了全面评估，包括近似熵、样本熵、排列熵(PermEn)、模糊熵

摘要背景：原发性进行性失语症(PPA)是一种以语言障碍为特征的神经退行性疾病。两种主要的临床亚型分别为语义型(svPPA)和非流利型失语(nfvPPA)。对PPA患者的诊断和分类是一个复杂的挑战，需要整合多模态信息，包括临床、生物学和放射学特征。结构神经影像学在辅助PPA鉴别诊断和构建诊断支持系统方面起着至关重要的作用。方法：本研究对56例PPA患者(31例svPPA和25例nfvPPA)以及53

摘要功能性近红外光谱(fNIRS)技术在注意缺陷多动障碍(ADHD)研究中的应用逐渐增多，但尚未成为广泛使用的主要诊断工具。以往的大多数研究集中于儿童和静息状态下，而针对成人ADHD(尤其是在任务状态下)的研究仍较为有限。由于ADHD与认知功能障碍及大脑活动变化密切相关，因此研究任务状态下的功能连接有助于更好地揭示其神经机制。在这里，本研究旨在比较成人ADHD患者与健康对照组在任务状态下的功能连接

摘要本研究探索了一种通过机器学习进行情绪识别的新方法，该方法解决了以往研究方法中存在的局限性。虽然深度学习在这一领域具有广泛的应用前景，但通常需要大量的计算资源和时间。因此，本文提出了一种利用特征级融合(FLF)和决策级融合(DLF)的多模态方法，以提高性能的同时降低复杂性。本研究重点在于整合脑电图(EEG)、肌电图(EMG)和眼电图(EOG)信号。信号预处理包括统计特征提取、功率谱密度(PSD)

文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。关于偶极子源定位：是指在64~128多导头皮脑电图记录的基础上，运用计算机数学模型推算自发或诱发脑电活动的起源，可用于癫痫外科术前辅助棘波起源的定位或诱发电位起源的研究。如何用DIPFIT拟合一个偶极子与EEG或ERP的头皮图？EEGLAB 有一个命令行函数可以允许 DIPFIT 进行拟合。拟合只能在选定的时间点进行，而不能在整个时间窗口

人脑由解剖和功能性的网络组织而成，这些网络涉及大规模分布但相互作用的脑区。不同脑区之间的同步性已在手指敲击或视觉刺激等实验任务活动中观察到，但更重要的是，也在无任务条件下(即静息态)测量的内源性活动中被观察到。即使在休息时，当人们清醒但没有有意识地执行任何脑力或体力任务时，人脑也处于活跃状态，并伴随有时空组织的神经活动波动。因此，在静息态人脑中观察到的这些网络组织被称为静息态网络(RSNs)，内在

本研究提出了一种面向实时场景的认知负荷检测方法：把EEG的θ/α特征变成二维“脑状态图”，再交给轻量级CNN做分类。研究在三个数据集上验证，模型在“已见受试者”上达到95.81%准确率，在“全新受试者”上达到92.73%，而且只需要5个电极（1个前额叶+4个额叶），兼顾精度与部署成本。 

特征选择虽能提升脑影像机器学习模型的预测性能，但被剔除的弱连接特征同样蕴含显著预测能力。《Nature Human Behaviour》刊发的这项研究通过四个大规模数据集(超1.2万人)验证：依据关联强度将脑连接特征划分为互不重叠的十分位组后，排名靠后的特征组在认知、发育及精神疾病表型预测中的表现与高排名组相当，且能成功泛化至外部队列。同时研究警示，过度依赖特征选择可能会歪曲对神经生物学机制的解释