主要的几个脑网络——整理自eegfmri的博客

最新推荐文章于 2023-12-17 21:58:08 发布
最新推荐文章于 2023-12-17 21:58:08 发布
阅读量1w 收藏 57
点赞数 9
文章标签： 人工智能
原文链接：http://www.cnblogs.com/suho/p/8589441.html
版权
本文介绍了大脑的三大网络系统——感知皮层系统、联合皮层系统和伪迹系统，包括默认模式网络、额顶网络、控制网络、突显网络和背侧注意网络等功能网络，详细阐述了它们的主要脑区、功能和相关疾病联系。
摘要由CSDN通过智能技术生成

 更详细的原文请见： http://blog.sina.com.cn/s/blog_60a7516201019qgk.html

本文 http://www.cnblogs.com/suho/p/8589441.html

 

按照网络的功能，以及单突触(monosynaptic)和多突触(polysynaptic)的分布情况，笔者认为把全脑分成三大阵营：感知皮层系统、联合皮层系统和伪迹系统。

a 感知皮层系统(sensor cortex systems)：视觉网络(Visual network: VIN)、感觉运动网络(sensorimotor network: SEN)、听觉网络(auditory network: AUN)、小脑网络(cerebellum network: CEN)。

b 伪迹系统(Artifact): 脑室(Ventricles)、白质(White matter)、头动(Motion-related artifact)、脑外区域(Extra-cerebral space)。

 

c 联合皮层系统(task-positive systems)：

背侧注意网络(dorsal attention network: DAN)

腹侧注意网络(ventral attention network: VAN)

突显网络(salience network: SAN)

左额顶网络(left frontoparietal network: LFPN)

右额顶网络(left frontoparietal network: RFPN)

执行控制网络(executive control network, ECN)

默认模式网络(default mode network, DM

最低0.47元/天 解锁文章
weixin_30786617
关注
  • 9
    点赞
  • 踩
  • 57
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
大脑中的不同网络：突显网络、听觉网络、基底神经节网络、高级视觉网络、视觉空间网络、默认模式网络、语言网络、执行网络、楔前叶网络、初级视觉网络、感觉运动网络
从事脑科学核磁共振方法学研究，在Nature communications等权威期刊发表研究论文，熟练掌握磁共振处理方法和统计学方法，欢迎大家和我交流。
03-13 5360
大脑中的不同网络有：突显网络、听觉网络、基底神经节网络、高级视觉网络、视觉空间网络、默认模式网络、语言网络、执行网络、楔前叶网络、初级视觉网络、感觉运动网络等 下图显示了使用基于种子的分析获得的大脑网络。 1、突显网络Salience network **突显网络由背前扣带皮层、双侧岛叶和前辅助运动区组成。**该网络的功能障碍会扰乱其他网络的功能，因为它在调节其他网络的动态变化中起着关键作用。此外，该网络在快速变化的行为中是必不可少的。也就是说，**下一步做什么或不做什么是由网络的适当运作决定的。**因
大脑的默认网络有哪些脑区组成，其具有那些功能？The Brain’s Default Mode Network
从事脑科学核磁共振方法学研究，在Nature communications等权威期刊发表研究论文，熟练掌握磁共振处理方法和统计学方法，欢迎大家和我交流。
03-06 3364
前言 大脑的默认网络由离散的、双侧并且对称的皮层区域组成，位于人类、非人灵长类动物、猫和啮齿动物大脑的内侧和外侧顶叶、内侧前额叶、内侧和外侧颞叶皮质。 它的发现是来自于大脑成像研究中一个意外的结果，该研究最初是用正电子发射断层扫描(positron emission tomography)进行的。在正电子发射断层扫描中，研究者将各种新奇的、需要注意力的、非自我参照的任务，与闭上眼睛安静休息或简单的视觉固定这些非任务展开对比研究。与这些放松的非任务态下的活动相比，任务态下的默认网络始终会减少其活动。 额中回
脑网络基础
weixin_34056162的博客
09-30 2759
来源：http://blog.sina.com.cn/eegfmri，是系列文章，为了方便起见本帖做了少许合并修改。 第一张图来源：http://www.zhihu.com/question/37241704#answer-24134925，杨钒 第二张图来源：https://en.wikipedia.org/wiki/Resting_state_fMRI DMN第二张图来源：https:/...
什么是脑功能网络？
qq_24005067的博客
06-29 1万+
一般来说，为了完成某一简单任务，人脑需要依赖各个功能区域相互作用，相互协调。从复杂网络这一角度来研究人脑系统，特别是研究各个功能区域相互作用所形成的拓扑结构，这可能有助于人们进一步研究脑内信息加工机制和精神表达机制。在全脑尺度上，将大脑分割成90个功能区域，把每一个区域是作为脑网络的一个节点；然后基于能够表达神经元活动的FMRI数据，计算标准脑区时间序列间的相关值大小来度量脑网络节点间的功能连接；...
脑网络介绍
zM356161的博客
07-14 9287
转载自http://blog.sina.com.cn/s/blog_60a7516201019qgk.html 按照网络的功能，以及单突触(monosynaptic)和多突触(polysynaptic)的分布情况，笔者认为把全脑分成三大阵营：感知皮层系统、联合皮层系统和伪迹系统。 a 感知皮层系统(sensor cortexsystems)：视觉网络(Visual network: VIN)、感觉运动网络(sensorimotor network: SEN)、听觉网络(auditory network.
人工神经网络---人脑基本功能分区（jpg资源）
02-19
人工神经网络---人脑基本功能分区
PyTorch深度学习实战（3）——使用PyTorch构建神经网络
盼小辉丶的博客
06-13 6万+
PyTorch 是一个用于构建深度神经网络的库，具有灵活性和可扩展性，可以轻松自定义模型。在本节中，我们将使用 PyTorch 库构建神经网络，利用张量对象操作和梯度值计算更新网络权重，并利用 Sequential 类简化网络构建过程，最后还介绍了如何使用 save、load 方法保存和加载模型，以节省模型训练时间。
PyTorch深度学习实战（1）——神经网络与模型训练过程详解
盼小辉丶的博客
05-28 6万+
在本节中，我们将了解传统机器学习与人工神经网络间的差异，并了解如何在实现前向传播之前连接网络的各个层，以计算与网络当前权重对应的损失值；实现反向传播以优化权重达到最小化损失值的目标。并将实现网络的所有关键组成——前向传播、激活函数、损失函数、链式法则和梯度下降，从零开始构建并训练了一个简单的神经网络。
Keras深度学习实战（2）——使用Keras构建神经网络
热门推荐
盼小辉丶的博客
04-20 6万+
Keras 是用 Python 编写的高级神经网络 API，它的核心思想在于实现快速实验，该库提供了很多实用工具，可以简化构建复杂神经网络的过程。在本节中，我们将使用 Keras 库构建神经网络，感受 Keras 快速模型构建的特性。.........
Keras深度学习实战（1）——神经网络基础与模型训练过程详解
盼小辉丶的博客
04-10 4万+
神经网络是一种性能强大的学习算法，其灵感来自大脑的运作方式。类似于神经元在大脑中彼此连接的方式，神经网络获取输入后，通过某些函数在网络中进行传递输入信息，连接在其后的一些神经元会被激活，从而产生输出。本文主要介绍神经网络中重要的基础知识，然后使用 Python 从零开始构建神经网络的训练流程，包括前向传播和反向传播，更直观的了解神经网络的通用训练流程。............
静息态功能脑网络核心节点评价方法及其在抑郁症分类上的应用
05-17
识别大脑功能网络的核心节点对于脑科学与脑疾病研究有重要的指导意义。目前,研究者普遍运用度中心性和k-core分解法来度量网络的核心节点,然而度中心性只考虑节点自身的邻居个数而忽略了其在网络中的位置。k-core分解法只考虑节点在网络中的位置而忽略了其自身的特性。本文综合考虑节点的度值及其在网络中的位置,提出了一种基于度值和节点位置相结合的核心节点评价方法。对正常被试大脑功能网络进行蓄意攻击仿真实验表明:与度中心性和kcore分解法相比,对采用新方法识别出的核心节点进行蓄意攻击后,网络的全局效率下降幅度最大;其次,依据文中提出的中心性指标,找到抑郁症患者和正常被试之间具有显著差异的脑区,并将这些脑区的中心性指标作为分类特征进行分类,使得分类的准确率提高了7%.
HTTP基础8张脑图.zip
06-19
HTTP基础8张脑图.zip
Visual Interaction Networks -《视觉互动网络》
06-17
DeepMind 的论文，视觉互动网络 VIN，能够预测视觉场景中各个物体在未来几百步所处位置
【复杂网络分析与可视化】——通过CSV文件导入Gephi进行社交网络可视化
最新发布
lingxw的博客
12-17 3万+
Gephi具有强大的网络分析功能，可以进行各种网络度量，如度中心性、接近中心性、介数中心性等。它还支持社区检测算法，可以帮助用户发现网络中的群组和社区结构。此外，Gephi还提供了一组布局算法，用于在可视化时自动调整网络结构的位置，以便更好地展示网络的特征。
大脑神经中枢分布图结构,大脑神经网络结构图片
xilao138的博客
10-17 2649
神经网络可以指向两种，一个是生物神经网络，一个是人工神经网络。生物神经网络：一般指生物的大脑神经元，细胞，触点等组成的网络，用于产生生物的意识，帮助生物进行思考和行动。人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
几种常见的功能性脑网络划分方式
从事脑科学核磁共振方法学研究，在Nature communications等权威期刊发表研究论文，熟练掌握磁共振处理方法和统计学方法，欢迎大家和我交流。
08-25 9790
近十几年来，越来越多的认知神经科学家把关注点从孤立的“脑区”(regions)转移到更大范围的“脑网络”(networks)上。在以往解读的文献中，也常常能够遇见“默认网络”、“额顶网络”等等术语。在研究中，不同研究者可能会采用不同的脑网络划分方式，从而可能导致对脑网络的命名出现不一致。这里简单总结了认知神经科学领域较为常见的三种脑网络分割方法，希望对读者在阅读脑网络相关文献时有一些帮助。 ...
PNAS：大尺度静息态脑网络的整合、分离和平衡配置不同的认知能力
悦影科技
09-03 621
《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》 **摘要：**不同的认知过程对局部分离和全局整合的大脑活动提出了不同的要求。然而，静息状态下的大脑如何配置他们的功能性组织，以平衡网络分离和整合的需求，以最好地服务于认知，这仍然是一个有待解决的问题。本文采用一种基于特征模式的方法来识别脑功能网络中的层次模块，并量化网络分离与整合之间的功能平衡。在大量健康青年样本(n = 991)中，我们将全脑静息状态功能磁共振成像(fMRI)数据与扩散张量成像得出的结构网络的平均场模型结合起来，证明静息状态的大脑网
从零开始用 Python 构建神经网络
bebusy的专栏
09-08 4828
雷锋网 2018-07-02 15:01:51 雷锋网 AI 研习社按：本文为雷锋网字幕组编译的技术博客，原文章标题为：How to build your own Neural Network from scratch in Python，作者 James Loy 原文链接：https://towardsdatascience.com/how-to-build-your-own-neural...
Cerebral Cortex:额顶控制网络的网络间作用可以很好地预测记忆抑制能力
悦影科技
06-09 1117
《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》* 摘要 记忆抑制（Memorysuppression，MS）与精神健康相关。然而，没有研究探索内在静息态功能连接（resting-state functional connectivity，rs-FC）如何预测这种能力。本文基于rsfMRI脑功能连接组预测模型（connectome-based predictivemodeling，CPM）来探究预先定义脑网络（额顶控制网络或FPCN）中的rs-FC图谱是否能以及如何预测健康个体的MS（497名参与者
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值