摘要：作为一种神经生物学过程，成瘾涉及与物质相关的病理性模式以及一系列具有慢性和复发性病程的行为。神经影像学技术能够在从神经递质受体到大规模脑网络的多个尺度上评估大脑活动、结构、生理和代谢情况，为探究物质使用障碍所涉及的核心神经过程提供了独特的视角。通过神经影像学识别出的奖赏和显著性处理、反应抑制、内感受和执行功能等神经基础方面的异常，有助于开发药物、神经调节和心理治疗干预措施，以调节紊乱的神经生

脑部疾病的异质性是精准诊断/预后的一个挑战。作者描述并验证了一种名为Smile-GAN（SeMI-supervised cLustEring-Generative Adversarial Network），的半监督深度聚类方法，它研究了与正常大脑结构对比的神经解剖学异质性，从而通过神经影像特征识别疾病亚型。当应用于来自T1加权MRI的区域体积时（两项研究；2832名参与者；8146次扫描），包括认

在全球范围内，每年有近1000万新发痴呆病例，其中阿尔茨海默病（AD）最为常见。需要新的措施来改善对各种病因导致认知障碍的个体的诊断。作者报告了一个深度学习框架，该框架以连续方式完成多个诊断步骤，以识别具有正常认知（NC）、轻度认知障碍（MCI）、AD和非AD痴呆（nADD）的人。作者展示了一系列能够接受常规收集的临床信息的灵活组合的模型，包括人口统计、病史、神经心理学测试、神经影像学和功能评估。

脑机接口(BCI)系统可以记录并处理大脑信号并将其转换为输出命令，其可用于各种应用场景，如辅助技术，神经康复和认知增强等。在各种用于脑信号记录的技术中，脑电图（EEG）是BCI研究中研究最多的方法。而基于EEG的认知BCI，旨在评估和增强诸如注意力等认知功能。之前的研究更多的关注于选取合适的特征，以将其用来对注意力程度进行分类。用于监视专注精神状态的现有技术方法主要与EEG频带中的特定频段有关。大

神经影像数据分析和解释需要结合多学科的共同努力，不仅依赖于统计方法，而且越来越多地依赖于与其他脑源性特征相关的关联，如基因表达、组织学数据、功能和认知结构。在这里，我们介绍了BrainStat，它是一个工具箱，包括（i）在体素空间和皮层空间的神经影像数据集中的单变量和多变量线性模型，以及（ii）死后基因表达和组织学的空间图谱，基于任务的功能磁共振成像元分析，以及几个常见静息态功能磁共振成像大脑皮层

在全球范围内，每年有近1000万新发痴呆病例，其中阿尔茨海默病（AD）最为常见。需要新的措施来改善对各种病因导致认知障碍的个体的诊断。作者报告了一个深度学习框架，该框架以连续方式完成多个诊断步骤，以识别具有正常认知（NC）、轻度认知障碍（MCI）、AD和非AD痴呆（nADD）的人。作者展示了一系列能够接受常规收集的临床信息的灵活组合的模型，包括人口统计、病史、神经心理学测试、神经影像学和功能评估。

《神经精神疾病多模态AI诊疗研究综述》指出，神经精神疾病因病理机制复杂、临床异质性强，早期诊断面临挑战。北京师范大学舒妮教授团队在Cell Reports Medicine发表综述，系统阐述了多模态神经影像与AI融合技术在阿尔茨海默病等疾病诊断、预后预测和患者分层中的应用现状，强调跨模态数据融合对解析疾病异质性的重要性。研究同时剖析了数据可用性、模型可解释性等六大挑战及解决方案，并展望了AI大模型

神经影像数据分析和解释需要结合多学科的共同努力，不仅依赖于统计方法，而且越来越多地依赖于与其他脑源性特征相关的关联，如基因表达、组织学数据、功能和认知结构。在这里，我们介绍了BrainStat，它是一个工具箱，包括（i）在体素空间和皮层空间的神经影像数据集中的单变量和多变量线性模型，以及（ii）死后基因表达和组织学的空间图谱，基于任务的功能磁共振成像元分析，以及几个常见静息态功能磁共振成像大脑皮层

背景：注意缺陷多动障碍(ADHD)睡眠障碍合并症可严重影响日常生活，并对儿童和家庭的生活质量产生负面影响。然而，ADHD和睡眠障碍之间的动态关系尚不清楚，潜在的共同大脑机制也不清楚。方法：本研究使用了来自Quebec儿童发展纵向研究（n =1601, 52%女性）和青少年大脑认知发展研究（n =3515, 48%女性）的数据。使用交叉时滞模型检验了症状之间的纵向关系。并采用线性回归分析辨别灰质体积

脑部疾病的异质性是精准诊断/预后的一个挑战。作者描述并验证了一种名为Smile-GAN（SeMI-supervised cLustEring-Generative Adversarial Network），的半监督深度聚类方法，它研究了与正常大脑结构对比的神经解剖学异质性，从而通过神经影像特征识别疾病亚型。当应用于来自T1加权MRI的区域体积时（两项研究；2832名参与者；8146次扫描），包括认