脑科学—新闻早班车（2018-08-11）

科学时讯

1，DeepMind 提出“神经算术逻辑单元”，功能强大引发热议

来源：DeepTech深科技

图：NAC 对其输入进行线性转换。NALU 通过门结构（b 中橙色部分）控制两个 NAC 结构的组合和相应的权重实现加减（b 中小紫色色部分）和乘除（b 中大紫色部分）操作。

来自 DeepMind、牛津大学和伦敦大学的研究人员提出了一种新的模型NALU（neural arithmetic logic unit），即神经算数逻辑单元。NALU 通过线性激活函数表示数值量，由门结构控制，通过原始的算术运算来操纵。该结构在训练时学习的数值范围之内和在外都表现出了更好的泛化能力，可以把握数据底层的数值本质，推理能力往往可以超出训练中观测数据几个数量级。

NALU 结构简单，功能强大，不仅在文本数字转换、程序评估、时间追踪等实验中性能优良，还可以很容易地与各种神经网络模型结合使用，提高模型性能。

阅读链接：

DeepMind 提出“神经算术逻辑单元”，功能强大引发热议

2，精神分裂症患者任务正激活网络效应连接的初步探索

来源：中华精神科杂志

图A为病例组与对照组在静息态下存在组间差异的效应连接强度；图B为病例组与对照组在任务状态下存在组间差异的效应连接强度；后验参数可反映效应连接差异的程度；柱状图的方向代表效应连接的形式，即抑制性还是兴奋性

图3 病例组(n=42)与对照组(n=43)不同任务状态下存在组间差异的效应连接强度图

动态因果模型（dynamic causal modeling，DCM）运用贝叶斯方法来评估并建立脑区之间的有向的、因果关系的连接即效应连接(effective connectivity)。近年来，基于频谱的动态因果模型方法（spectral DCM, spDCM）可将效应连接分析扩展到静息状态，并采用参数经验化贝叶斯（parametric empirical Bayes，PEB）模型研究框架，确定脑区间的连接模式并进行组间比较。

因此，我们运用spDCM和PEB模型比较精神分裂症患者突显网络、中央执行网络和背侧注意网络的效应连接在不同状态下的功能交互情况，及其与症状和工作记忆的相关性，以初步探究精神分裂症的神经病理机制。

研究结果显示，精神分裂症患者在静息状态及工作记忆任务中均存在效应连接异常。并且在2种状态中患者均存在背侧注意网络的左侧额动眼区自我抑制性连接减弱，提示左侧额动眼区的自连接异常可能是导致患者工作记忆障碍的原因之一。

阅读链接：

【临床研究】精神分裂症患者任务正激活网络效应连接的初步探索

3，抑郁症患者识别喜悦面孔时边缘系统信息传递的磁源性影像研究

来源：中华精神科杂志

图抑郁症组（n=34）介数中心性值与抑郁症疾病严重程度（HAMD₁₇总分）和焦虑/躯体化因子分相关分析

抑郁症（major depressive disorder）以情绪低落、快感缺失、精力下降或疲乏感为核心症状。快感缺失可作为疾病复发、治疗无效和自杀行为的重要风险因素，抑郁症患者快感缺失和正性情绪刺激处理异常有关。本课题组利用磁源性影像（magnetic source imaging，MSI）技术，与基于图论法构建抑郁症患者的脑功能网络相结合，从功能网络角度表述局部特定脑区的连接形式，并分析其局部信息传递能力的改变与抑郁症症状和疾病严重程度的相关性。从信息流的角度进一步探讨抑郁症患者与情绪加工相关的脑区在整个大脑的信息传递中的重要性，并以此探讨抑郁症患者正性情绪加工脑功能网络分化异常可能的病理机制。

研究显示抑郁症患者在正性情绪处理早期，介数中心性指标在双侧眶内额上回、右侧眶部额上回、右侧杏仁核均较健康人下降，且与疾病严重程度密切相关。抑郁症患者处理正性情绪时在边缘系统信息传递障碍，眶额部和杏仁核交互整合信息能力受损可能是抑郁症患者正性情绪处理异常的病理机制。

阅读链接：

【临床研究】抑郁症患者识别喜悦面孔时边缘系统信息传递的磁源性影像研究

4，睡眠期视觉内容的神经解码

来源：瀚翔生物835259

本文使用EEG与fMR技术对睡眠中关于梦的视觉内容进行解读。其研究结果表明，梦的特定视觉内容可以从视觉皮层活动模式中读出。 REM和睡眠发作报告之间的相似性和REM睡眠期间的视觉皮质激活表明，相同的方法也可用于解码在REM睡眠期间发生的梦。

阅读链接：

【Science】睡眠期视觉内容的神经解码

阅读分享

1，皮层脑电图（ECoG）

来源：我爱脑科学网

本文通过在手术中使用ECoG监测来辅助切除病灶的方法，介绍了ECoG的相关内容：