CN117095823A - 基于孪生脑仿真模型的药物成瘾关联脑区确定系统 - Google Patents
基于孪生脑仿真模型的药物成瘾关联脑区确定系统 Download PDFInfo
- Publication number
- CN117095823A CN117095823A CN202311352677.7A CN202311352677A CN117095823A CN 117095823 A CN117095823 A CN 117095823A CN 202311352677 A CN202311352677 A CN 202311352677A CN 117095823 A CN117095823 A CN 117095823A
- Authority
- CN
- China
- Prior art keywords
- brain
- module
- connection matrix
- tested person
- gabaergic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 219
- 238000004088 simulation Methods 0.000 title claims abstract description 64
- 208000011117 substance-related disease Diseases 0.000 title claims abstract description 36
- 206010013663 drug dependence Diseases 0.000 title claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims abstract description 86
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims abstract description 78
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 61
- 230000003925 brain function Effects 0.000 claims abstract description 50
- 229960003692 gamma aminobutyric acid Drugs 0.000 claims abstract description 44
- 206010001497 Agitation Diseases 0.000 claims abstract description 24
- 230000003371 gabaergic effect Effects 0.000 claims description 60
- 230000002964 excitative effect Effects 0.000 claims description 49
- 230000000946 synaptic effect Effects 0.000 claims description 33
- 230000002401 inhibitory effect Effects 0.000 claims description 29
- 230000008878 coupling Effects 0.000 claims description 24
- 238000010168 coupling process Methods 0.000 claims description 24
- 238000005859 coupling reaction Methods 0.000 claims description 24
- 230000007177 brain activity Effects 0.000 claims description 19
- 238000002598 diffusion tensor imaging Methods 0.000 claims description 15
- 238000002599 functional magnetic resonance imaging Methods 0.000 claims description 14
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 14
- 108010064719 Oxyhemoglobins Proteins 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 230000005284 excitation Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000001419 dependent effect Effects 0.000 claims description 8
- 230000001537 neural effect Effects 0.000 claims description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 239000008280 blood Substances 0.000 claims description 5
- 210000004369 blood Anatomy 0.000 claims description 5
- 230000004886 head movement Effects 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 210000004027 cell Anatomy 0.000 claims description 4
- 239000000835 fiber Substances 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 238000005452 bending Methods 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 210000000225 synapse Anatomy 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 abstract description 3
- 230000004060 metabolic process Effects 0.000 abstract description 3
- 238000003786 synthesis reaction Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 abstract description 2
- 230000004807 localization Effects 0.000 abstract 1
- OGNSCSPNOLGXSM-UHFFFAOYSA-N (+/-)-DABA Natural products NCCC(N)C(O)=O OGNSCSPNOLGXSM-UHFFFAOYSA-N 0.000 description 34
- 210000002569 neuron Anatomy 0.000 description 14
- 229940079593 drug Drugs 0.000 description 12
- 239000003814 drug Substances 0.000 description 12
- 238000000034 method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 102000005962 receptors Human genes 0.000 description 5
- 108020003175 receptors Proteins 0.000 description 5
- 102000004868 N-Methyl-D-Aspartate Receptors Human genes 0.000 description 4
- 108090001041 N-Methyl-D-Aspartate Receptors Proteins 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 239000002858 neurotransmitter agent Substances 0.000 description 4
- 102000005915 GABA Receptors Human genes 0.000 description 3
- 108010005551 GABA Receptors Proteins 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 102000003678 AMPA Receptors Human genes 0.000 description 2
- 108090000078 AMPA Receptors Proteins 0.000 description 2
- HOKKHZGPKSLGJE-GSVOUGTGSA-N N-Methyl-D-aspartic acid Chemical compound CN[C@@H](C(O)=O)CC(O)=O HOKKHZGPKSLGJE-GSVOUGTGSA-N 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001242 postsynaptic effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- SNICXCGAKADSCV-JTQLQIEISA-N (-)-Nicotine Chemical compound CN1CCC[C@H]1C1=CC=CN=C1 SNICXCGAKADSCV-JTQLQIEISA-N 0.000 description 1
- MGRVRXRGTBOSHW-UHFFFAOYSA-N (aminomethyl)phosphonic acid Chemical compound NCP(O)(O)=O MGRVRXRGTBOSHW-UHFFFAOYSA-N 0.000 description 1
- 206010012335 Dependence Diseases 0.000 description 1
- 206010013654 Drug abuse Diseases 0.000 description 1
- WHUUTDBJXJRKMK-VKHMYHEASA-N L-glutamic acid Chemical compound OC(=O)[C@@H](N)CCC(O)=O WHUUTDBJXJRKMK-VKHMYHEASA-N 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000003291 dopaminomimetic effect Effects 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 229930195712 glutamate Natural products 0.000 description 1
- 230000000848 glutamatergic effect Effects 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 230000002102 hyperpolarization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 230000008587 neuronal excitability Effects 0.000 description 1
- 229960002715 nicotine Drugs 0.000 description 1
- SNICXCGAKADSCV-UHFFFAOYSA-N nicotine Natural products CN1CCCC1C1=CC=CN=C1 SNICXCGAKADSCV-UHFFFAOYSA-N 0.000 description 1
- KJONHKAYOJNZEC-UHFFFAOYSA-N nitrazepam Chemical compound C12=CC([N+](=O)[O-])=CC=C2NC(=O)CN=C1C1=CC=CC=C1 KJONHKAYOJNZEC-UHFFFAOYSA-N 0.000 description 1
- 238000002496 oximetry Methods 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000003518 presynaptic effect Effects 0.000 description 1
- 210000005215 presynaptic neuron Anatomy 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000002739 subcortical effect Effects 0.000 description 1
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本申请涉及一种基于孪生脑仿真模型的药物成瘾关联脑区确定系统，其中，基于孪生脑仿真模型的药物成瘾关联脑区确定系统通过第一获得模块获得所述被试者的人脑结构连接矩阵和人脑经验功能连接矩阵；通过模拟模块获得所述被试者所有脑区均稳定的兴奋性发放率；通过第二获得模块获得所述被试者的模拟人脑功能连接矩阵；通过更新模块获得所述被试者各个脑区的最优GABA能循环加权；通过确定模块确定所述药物成瘾被试者GABA能系统受到影响的脑区。解决了由于现有技术的限制很难从递质的合成和代谢水平研究药物成瘾被试者与健康被试者脑区的区别的问题，可以实现定位到药物成瘾后对药物成瘾被试者大脑GABA能系统产生主要影响的脑区。
Description
技术领域
本申请涉及数据处理技术领域，特别是涉及一种基于孪生脑仿真模型的药物成瘾关联脑区确定系统。
背景技术
γ-氨基丁酸（γ-amino-butylic acid，GABA）能系统是脑内主要中枢神经系统，目前越来越多的研究表明，在药物成瘾发生、维持及发展过程中，除以往研究较多的多巴胺能和谷氨酸能系统外，GABA能系统也在药物成瘾和复吸过程中发挥重要作用。
GABA能系统主要由GABA神经递质、GABA受体及其神经元组成。GABA是脑内最主要的抑制性神经递质，其主要作用是通过GABA受体调节神经元的兴奋性及其他神经递质的分泌，与兴奋性的神经递质（如谷氨酸）共同协调大脑正常功能，在生物体内参与多种生理活动。GABA由突触前神经元合成并在末梢处释放，经突触间隙扩散，特异性的作用于突触后神经元或者效应器细胞受体，从而使信息从突触前传递到突触后，引起神经细胞的超极化（释放抑制性电流）。
药物成瘾逐渐成为一个社会重点关注的问题，目前对于药物成瘾的研究，主要集中在长期服用药物后大脑结构的变化或是活动水平的变化，由于技术的限制，很难从递质的合成和代谢水平研究药物成瘾被试者与健康被试者的区别。
数字孪生脑作为现在蓬勃发展的一个新兴领域，通过生物启发的数学模型模拟大脑活动水平，根据神经元电流的兴奋-抑制平衡进行建模，但目前对数字孪生脑的研究主要集中在对大脑活动水平的仿真，然而各参数具有高度的生物可解释性，往往忽略了各参数隐含的意义。
发明内容
基于此，有必要针对上述技术问题，提供一种基于孪生脑仿真模型的药物成瘾关联脑区确定系统。
第一方面，本申请实施例提供了一种基于孪生脑仿真模型的药物成瘾关联脑区确定系统，所述系统包括：
第一获得模块，用于基于被试者的脑部磁共振成像，分别获得所述被试者的人脑结构连接矩阵和人脑经验功能连接矩阵；其中，所述被试者包括药物成瘾被试者和健康被试者；
模拟模块，用于将所述被试者的所述人脑结构连接矩阵输入至GABA能系统孪生脑仿真模型中模拟大脑活动，直至所述被试者所有脑区均获得稳定的兴奋性发放率；
第二获得模块，用于将所述稳定的兴奋性发放率输入至血氧动力学模型，获得所述被试者的模拟人脑功能连接矩阵；
更新模块，用于迭代更新所述GABA能系统孪生脑仿真模型中的GABA能循环加权，直至所述被试者的模拟人脑功能连接矩阵与所述经验人脑功能连接矩阵的差异在预设范围内，获得所述被试者各个脑区的最优GABA能循环加权；
确定模块，用于将所述药物成瘾被试者与所述健康被试者各个脑区的最优GABA能循环加权进行比较，确定所述药物成瘾被试者GABA能系统受到影响的脑区。
在其中一个实施例中，所述第一获得模块包括：
成像获得模块，用于基于被试者的脑部磁共振成像，分别获得所述被试者的脑部弥散张量成像和脑部功能性磁共振成像；
连接矩阵获得模块，用于将预处理后所述被试者的脑部弥散张量成像进行纤维追踪，并将追踪后的数据配准到选定的脑网络组图谱，获得人脑结构连接矩阵，以及将预处理后所述被试者的脑部功能性磁共振成像配准到所述脑网络组图谱获得时间序列，并获得人脑经验功能连接矩阵。
在其中一个实施例中，所述第一获得模块还包括：
预处理模块，用于将所述被试者的脑部弥散张量成像以及脑部功能性磁共振成像进行预处理，所述预处理包括头动与涡流矫正、梯度方向矫正、拟合张量。
在其中一个实施例中，所述GABA能系统孪生脑仿真模型如下：
；
；
；
；
；
；
其中，I(E) n表示第n个脑区的兴奋性电流，I(I) n表示第n个脑区的抑制性电流，r(E) n表示第n个脑区的兴奋性发放率，r(I) n表示第n个脑区的抑制性发放率，S(E) n表示第n个脑区的兴奋性突触门控，S(I) n表示第n个脑区的抑制性突触门控，I0表示整体有效外部输入，w＋表示循环兴奋加权，JE表示兴奋性突触加权，JI表示抑制性突触加权，G表示全局耦合系数，wG表示GABA能循环加权，Cnp表示第n个脑区和第p个脑区间的结构连接，H(E)表示兴奋性神经元反馈函数，H(I)表示抑制性神经元反馈函数，I(E) thr表示兴奋性阈值电流，I(I) thr表示抑制性阈值电流，gE表示兴奋性放大系数，gI表示抑制性放大系数，dE表示H在I(E) thr的曲率，dI表示H在I(I) thr的曲率，表示控制兴奋池的突触门控变量，/>表示控制抑制池的突触门控变量，γ表示衰变时间常数，vn表示高斯噪声，σ为振幅。
在其中一个实施例中，所述模拟模块包括：
第一模拟子模块，用于将所述被试者的人脑结构连接矩阵进行归一化后输入至GABA能系统孪生脑仿真模型中模拟大脑活动；
迭代模块，用于迭代更新所述兴奋性突触加权，直至所述被试者所有脑区的所述兴奋性发放率均在第一预设范围内；
第二模拟子模块，用于使用更新后的所述兴奋性突触加权模拟大脑活动，直至所述被试者所有脑区均获得稳定的兴奋性发放率。
在其中一个实施例中，所述第二模拟子模块还用于：
基于更新后的所述兴奋性突触加权模拟大脑活动，获取模拟时间段内的兴奋性发放率；
判断在所述模拟时间段内任一段时间各脑区的平均兴奋性发放率是否小于第二阈值；
若是，则确定获得稳定的兴奋性发放率。
在其中一个实施例中，所述第二获得模块包括：
第三模拟子模块，用于将所述稳定的兴奋性发放率输入至血氧动力学模型，模拟对应的血氧依赖水平信号；
计算模块，用于基于所述血氧依赖水平信号，计算所述被试者的模拟人脑功能连接矩阵。
在其中一个实施例中，所述更新模块还用于：
选取参数T，作为更新GABA能循环加权的阈值，更新方式如下：
若且，则
；
若且，则
；
其中，sFC表示所述模拟人脑功能连接矩阵，eFC表示所述经验人脑功能连接矩阵，N表示脑区数，(·)i表示第i个脑区对应的分量，j表示所述模拟人脑功能连接矩阵和所述经验人脑功能连接矩阵的第j列，w0 G为初始GABA能循环加权；
令，按照所述更新方式进行迭代更新，直至所述被试者的所述模拟人脑功能连接矩阵与所述经验人脑功能连接矩阵的差异在预设范围内，获得所述被试者各个脑区最优的GABA能循环加权。
在其中一个实施例中，所述系统还包括：
固定模块，用于在遍历所有所述全局耦合系数和所述GABA能循环加权的组合的情况下，确定一组所述全局耦合系数和所述GABA能循环加权；其中，确定的所述GABA能循环加权作为初始GABA能循环加权，并在固定确定的所述全局耦合系数的情况下，对所述初始GABA能循环加权进行迭代更新。
在其中一个实施例中，所述固定模块包括：
比较模块，用于遍历所有所述全局耦合系数和所述GABA能循环加权的组合，比较各组合下获得的所述模拟人脑功能连接矩阵与所述人脑功能连接矩阵的皮尔森相关系数；
确定子模块，用于基于所述皮尔森相关系数，确定一组所述全局耦合系数和所述GABA能循环加权。
上述基于孪生脑仿真模型的药物成瘾关联脑区确定系统，通过第一获得模块基于被试者的脑部磁共振成像，分别获得所述被试者的人脑结构连接矩阵和经验人脑功能连接矩阵；其中，所述被试者包括药物成瘾被试者和健康被试者；模拟模块将所述被试者的所述人脑结构连接矩阵输入至GABA能系统孪生脑仿真模型中模拟大脑活动，直至所述被试者所有脑区均获得稳定的兴奋性发放率；第二获得模块将所述稳定的兴奋性发放率输入至血氧动力学模型，获得所述被试者的模拟人脑功能连接矩阵；更新模块迭代更新所述GABA能系统孪生脑仿真模型中的GABA能循环加权，直至所述被试者的模拟人脑功能连接矩阵与所述经验人脑功能连接矩阵的差异在预设范围内，获得所述被试者各个脑区的最优GABA能循环加权；确定模块将所述药物成瘾被试者与所述健康被试者各个脑区的最优GABA能循环加权进行比较，确定所述药物成瘾被试者GABA能系统受到影响的脑区。解决了由于现有技术的限制很难从递质合成和代谢水平研究药物成瘾被试者与健康被试者脑区区别的问题，通过GABA能系统孪生脑仿真模型模拟被试者的大脑活动，比较健康被试者和药物成瘾被试者不同脑区GABA能循环加权的差异，可以定位到该药物成瘾后对药物成瘾被试者大脑GABA能系统产生主要影响的脑区。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是一个实施例中基于孪生脑仿真模型的药物成瘾关联脑区确定系统的结构框图；
图2是一个实施例中第一获得模块的结构框图；
图3是另一个实施例中第一获得模块的结构框图；
图4是一个实施例中表示孪生脑仿真模型本质的示意图；
图5是一个实施例中模拟模块的结构框图；
图6是一个实施例中第二获得模块的结构框图；
图7是另一个实施例中基于孪生脑仿真模型的药物成瘾关联脑区确定系统的结构框图；
图8是一个实施例中固定模块的结构框图。
其中，11、第一获得模块；12、模拟模块；13、第二获得模块；14、更新模块；15、确定模块；110、成像获得模块；112、预处理模块；111、连接矩阵获得模块；120、第一模拟子模块；121、迭代模块；122、第二模拟子模块；130、第三模拟子模块；131、计算模块；16、固定模块；161、比较模块；162、确定子模块。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块（单元）的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本申请实施例提供了一种基于孪生脑仿真模型的药物成瘾关联脑区确定系统，如图1所示，所述系统包括：
第一获得模块11，用于基于被试者的脑部磁共振成像，分别获得所述被试者的人脑结构连接矩阵和经验人脑功能连接矩阵；其中，所述被试者包括药物成瘾被试者和健康被试者；
模拟模块12，用于将所述被试者的所述人脑结构连接矩阵输入至GABA能系统孪生脑仿真模型中模拟大脑活动，直至所述被试者所有脑区均获得稳定的兴奋性发放率；
第二获得模块13，用于将所述稳定的兴奋性发放率输入至血氧动力学模型，获得所述被试者的模拟人脑功能连接矩阵；
更新模块14，用于迭代更新所述GABA能系统孪生脑仿真模型中的GABA能循环加权，直至所述被试者的模拟人脑功能连接矩阵与所述经验人脑功能连接矩阵的差异在预设范围内，获得所述被试者各个脑区的最优GABA能循环加权；
具体的，更新模块14每一次迭代更新所述GABA能系统孪生脑仿真模型中的GABA能循环加权后，模拟模块12将所述被试者的所述人脑结构连接矩阵输入至迭代更新GABA能循环加权后的GABA能系统孪生脑仿真模型中模拟大脑活动，直至所述被试者所有脑区均获得稳定的兴奋性发放率；第二获得模块13将所述稳定的兴奋性发放率输入至血氧动力学模型，获得所述被试者的模拟人脑功能连接矩阵；更新模块14比较所述被试者的模拟人脑功能连接矩阵与所述经验人脑功能连接矩阵的差异是否在预设范围内，若不在，重复上述迭代更新过程，直至所述被试者的模拟人脑功能连接矩阵与所述经验人脑功能连接矩阵的差异在预设范围内，获得所述被试者各个脑区的最优GABA能循环加权。
确定模块15，用于将所述药物成瘾被试者与所述健康被试者各个脑区的最优GABA能循环加权进行比较，确定所述药物成瘾被试者GABA能系统受到影响的脑区。
具体的，在获取被试者的脑部磁共振成像之前，除成瘾药物外，所有被试均要求从未对其他物质产生过依赖性，且无滥用药物，无严重的医疗或精神疾病。受试者被要求在扫描前至少48小时不服用成瘾药物，至少12小时不服用尼古丁，至少2周不服用其他精神活性物质。第一获得模块11用于基于被试者的脑部磁共振成像，分别获得所述被试者的人脑结构连接矩阵和经验人脑功能连接矩阵。
本实施例通过分别对健康被试者和药物成瘾被试者脑部建立GABA能系统孪生脑仿真模型，通过迭代更新获取被试者各个脑区的最优GABA能循环加权，解决了由于现有技术的限制很难从递质合成和代谢水平研究药物成瘾被试者与健康被试者脑区区别的问题，通过比较健康被试者和药物成瘾被试者不同脑区GABA能循环加权的差异，差异显著的分量对应的脑区即可以定位到该药物成瘾后对药物成瘾被试者大脑GABA能系统产生主要影响的脑区。
在其中一个实施例中，如图2所示，所述第一获得模块11包括：
成像获得模块110，用于基于被试者的脑部磁共振成像，分别获得所述被试者的脑部弥散张量成像和脑部功能性磁共振成像；
连接矩阵获得模块111用于将所述被试者的脑部弥散张量成像进行纤维追踪后，将追踪得到的数据配准到选定的脑网络组图谱，获得人脑结构连接矩阵，以及将所述被试者的脑部功能性磁共振成像配准到所述脑网络组图谱，获得时间序列，并获得人脑经验功能连接矩阵。
具体的，对所有被试者的脑部进行磁共振成像（Magnetic Resonance Imaging，MRI），分别获得药物成瘾被试者和健康被试者的弥散张量成像（diffusion tensorimaging，DTI）以及功能性磁共振成像（functionalmagnetic resonance imaging，fMRI）。弥散张量成像（DTI）是核磁共振成像的特殊形式，描述大脑结构的新方法。功能性磁共振成像（fMRI）是一种新兴的神经影像学方式，其原理是利用磁振造影来测量神经元活动所引发之血液动力的改变。
其中，本实施例中使用的脑网络组图谱包括246个精细脑区亚区，不仅包含了精细的大脑皮层脑区与皮层下核团亚区结构，而且在体定量描绘了不同脑区亚区的解剖与经验功能连接模式，并对每个脑区亚区进行了细致的功能描述。
在其中一个实施例中，如图3所示，所述第一获得模块11还包括：
预处理模块112，用于将所述被试者的脑部弥散张量成像以及脑部功能性磁共振成像进行预处理，所述预处理包括头动与涡流矫正、梯度方向矫正、拟合张量。
本实施例利用FSL软件包提供的功能磁共振处理工具对fMRI进行预处理，包括头动与涡流矫正、梯度方向矫正、拟合张量模型等，将预处理后的图像配准到选定的脑网络组图谱（Brainnetomeatlas，BNA），获得被试经验功能连接矩阵。利用MRtrix3软件包提供的工具对DTI进行预处理，包括头动与涡流矫正、梯度方向矫正、拟合张量模型等，对预处理后的DTI数据进行概率纤维追踪，并将追踪到的数据配准到选定的脑网络组图谱上，获得被试结构连接矩阵。
在其中一个实施例中，所述GABA能系统孪生脑仿真模型如下：
；
；
；
；
；
；
其中，I(E) n表示第n个脑区的兴奋性电流，I(I) n表示第n个脑区的抑制性电流，r(E) n表示第n个脑区的兴奋性发放率，r(I) n表示第n个脑区的抑制性发放率，S(E) n表示第n个脑区的兴奋性突触门控，S(I) n表示第n个脑区的抑制性突触门控，I0表示整体有效外部输入，w＋表示循环兴奋加权，JE表示兴奋性突触加权，JI表示抑制性突触加权，G表示全局耦合系数，wG表示GABA能循环加权，Cnp表示第n个脑区和第p个脑区间的结构连接，H(E)表示兴奋性神经元反馈函数，H(I)表示抑制性神经元反馈函数，I(E) thr表示兴奋性阈值电流，I(I) thr表示抑制性阈值电流，gE表示兴奋性放大系数，gI表示抑制性放大系数，dE表示H在I(E) thr的曲率，dI表示H在I(I) thr的曲率，表示控制兴奋池的突触门控变量，/>表示控制抑制池的突触门控变量，γ表示衰变时间常数，vn表示高斯噪声，σ为振幅。
具体的，本申请提出的GABA能系统孪生脑仿真模型是在数字孪生脑平均场模型的基础上进行改进的，数字孪生脑模型本质是对各个脑区神经元的兴奋性/抑制性电流平衡对大脑进行大尺度建模，通过结构连接的强度来表示各脑区神经元连接的强弱，数字孪生脑模型的本质可参见图4。该模型由通过NMDA（N-甲基-D-天冬氨酸受体）受体、AMPA（α-氨基-3-羟基-5-甲基-4-异恶唑丙酸受体）受体和GABA（γ-氨基丁酸）受体突触耦合的相互连接的兴奋性和抑制性神经元组成，其中，NMDA、AMPA受体为兴奋性电流受体，GABA受体为抑制性电流受体。为了简化模型，该方法考虑了各脑区之间的平均作用，而非各神经元之间的作用，考虑到长程作用的性质，可以通过NMDA受体代替AMPA受体来简化模型。数字孪生脑模型简化了神经元群体的活动并通过建模发方式来模拟神经群体状态的改变，大尺度孪生脑模型通过被试者的弥散张量成像得到的结构连接，将这种神经元群体活动的“神经元群模型”耦合，从而模拟全脑各个脑区的活动。数字孪生脑平均场模型如下：
；
；
；
；
；
；
本发明考虑到GABA能系统与多种药物成瘾的紧密联系，数字孪生脑模型中，为抑制性神经元到兴奋性神经元施加的抑制性电流，但对这一项只考虑了突触加权和突触门控，没有考虑体内GABA能循环情况，而GABA能循环也是影响抑制性电流的重要因素之一，因此本模型基于数字孪生脑模型，引入GABA能循环加权项，提出本实施例中的GABA能系统孪生脑仿真模型。
在其中一个实施例中，如图5所示，所述模拟模块12包括：
第一模拟子模块120，用于将所述被试者的人脑结构连接矩阵进行归一化后输入至GABA能系统孪生脑仿真模型中模拟大脑活动；
迭代模块121，用于迭代更新所述兴奋性突触加权，直至所述被试者所有脑区的所述兴奋性发放率均在第一预设范围内；
第二模拟子模块122，用于使用更新后的所述兴奋性突触加权模拟大脑活动，直至所述被试者所有脑区均获得稳定的兴奋性发放率。
具体的，第一模拟子模块120将用于建模的所述被试者的人脑结构连接矩阵（组平均或独立个体均可）进行归一化，选定一组初始全局耦合系数和GABA能循环加权，选定初始兴奋/抑制性突触门控S(E) n和S(I) n，设定初始兴奋性突触加权JE并模拟大脑活动20s，获得平均兴奋性发放率r(E) n，迭代模块121通过不断迭代调整兴奋性突触加权JE使的所有脑区兴奋性发放率r(E) n均在3Hz附近，获得并记录满足条件的兴奋性突触加权JE，第二模拟子模块122用于使用满足条件的兴奋性突触加权JE，选定初始兴奋/抑制性突触门控S(E) n和S(I) n，模拟2000s大脑活动，重复时间TR=3ms，获得稳定后的兴奋性发放率r(E) n。
在其中一个实施例中，所述第二模拟子模块122还用于：
基于更新后的所述兴奋性突触加权模拟大脑活动，获取模拟时间段内的兴奋性发放率；
判断在所述模拟时间段内任一段时间各脑区的平均兴奋性发放率是否下小于第二阈值；
若是，则确定获得稳定的兴奋性发放率。
具体的，第二模拟子模块122还用于获取模拟时间段内的所有兴奋性发放率，并确保在任取20s内各脑区兴奋性发放率均值均不超过5Hz，则确定获得稳定的兴奋性发放率。
在其中一个实施例中，如图6所示，所述第二获得模块13包括：
第三模拟子模块130，用于将所述稳定的兴奋性发放率输入至血氧动力学模型，模拟对应的血氧依赖水平信号；
计算模块131，用于基于所述血氧依赖水平信号，计算所述被试者的模拟人脑功能连接矩阵。
具体的，将所述稳定的兴奋性发放率输入至血氧动力学模型，模拟对应的血氧依赖水平信号（Blood oxygen-level dependent，BOLD），并根据BOLD信号，计算所述被试者的模拟人脑功能连接矩阵。
在其中一个实施例中，所述更新模块还用于：
选取参数T，作为更新GABA能循环加权的阈值，更新方式如下：
若且，则
；
若且，则
；
其中，sFC表示所述模拟人脑功能连接矩阵，eFC表示所述经验人脑功能连接矩阵，N表示脑区数，(·)i表示第i个脑区对应的分量，j表示所述模拟人脑功能连接矩阵和所述经验人脑功能连接矩阵的第j列，w0 G为初始GABA能循环加权；
令，按照上述更新方式进行迭代更新，直至所述被试者的所述模拟人脑功能连接矩阵与所述经验人脑功能连接矩阵的差异在预设范围内，获得所述被试者各个脑区最优的GABA能循环加权。GABA能循环加权wG为246×1的向量，每一个向量的分量对应被试者其中一个脑区的GABA能循环加权值。
在其中一个实施例中，如图7所示，所述系统还包括：
固定模块16，用于在遍历所有所述全局耦合系数和所述GABA能循环加权的组合的情况下，确定一组所述全局耦合系数和所述GABA能循环加权；其中，确定的所述GABA能循环加权作为初始GABA能循环加权，并在固定确定的所述全局耦合系数的情况下，对所述初始GABA能循环加权进行迭代更新。
具体的，在更新模块14迭代更新所述GABA能系统孪生脑仿真模型中的GABA能循环加权之前，固定模块16用于固定全局耦合系数和确定初始GABA能循环加权，并在固定该全局耦合系数G的情况下，对GABA能循环加权初始值w0 G进行迭代更新，以获得最优GABA能循环加权wG。
在其中一个实施例中，如图8所示，所述固定模块16包括：
比较模块161，用于遍历所有所述全局耦合系数和所述GABA能循环加权的组合，比较各组合下获得的所述模拟人脑功能连接矩阵与所述经验人脑功能连接矩阵的皮尔森相关系数；
确定子模块162，用于基于所述皮尔森相关系数，确定一组所述全局耦合系数和所述GABA能循环加权。
具体的，比较模块161用于遍历所有全局耦合系数G和GABA能循环加权wG的组合（G,wG），比较不同(G,wG)组合下模型得到的模拟功能连接矩阵sFC与被试经验功能连接矩阵eFC的皮尔森相关系数；确定子模块162根据不同(G,wG) 组合下模型得到的模拟功能连接矩阵sFC与被试经验功能连接矩阵eFC的皮尔森相关系数，选取其中拟合情况最好的一组(G,wG)，将拟合情况最好的一组中的全局耦合系数G作为最终固定的全局耦合系数G，以及将拟合情况最好的一组中的GABA能循环加权wG作为GABA能循环加权的初始值w0 G。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.基于孪生脑仿真模型的药物成瘾关联脑区确定系统，其特征在于，所述系统包括：
第一获得模块，用于基于被试者的脑部磁共振成像，分别获得所述被试者的人脑结构连接矩阵和经验人脑功能连接矩阵；其中，所述被试者包括药物成瘾被试者和健康被试者；
模拟模块，用于将所述被试者的所述人脑结构连接矩阵输入至GABA能系统孪生脑仿真模型中模拟大脑活动，直至所述被试者所有脑区均获得稳定的兴奋性发放率；
第二获得模块，用于将所述稳定的兴奋性发放率输入至血氧动力学模型，获得所述被试者的模拟人脑功能连接矩阵；
更新模块，用于迭代更新所述GABA能系统孪生脑仿真模型中的GABA能循环加权，直至所述被试者的模拟人脑功能连接矩阵与所述经验人脑功能连接矩阵的差异在预设范围内，获得所述被试者各个脑区的最优GABA能循环加权；
确定模块，用于将所述药物成瘾被试者与所述健康被试者各个脑区的最优GABA能循环加权进行比较，确定所述药物成瘾被试者GABA能系统受到影响的脑区。
2.根据权利要求1所述的系统，其特征在于，所述第一获得模块包括：
成像获得模块，用于基于被试者的脑部磁共振成像，分别获得所述被试者的脑部弥散张量成像和脑部功能性磁共振成像；
连接矩阵获得模块，用于将所述被试者的脑部弥散张量成像纤维追踪后配准到选定的脑网络组图谱，获得人脑结构连接矩阵，以及将所述被试者的脑部功能性磁共振成像配准到所述脑网络组图谱，获得时间序列并获得经验人脑功能连接矩阵。
3.根据权利要求2所述的系统，其特征在于，所述第一获得模块还包括：
预处理模块，用于将所述被试者的脑部弥散张量成像以及脑部功能性磁共振成像进行预处理，所述预处理包括头动与涡流矫正、梯度方向矫正、拟合张量。
4.根据权利要求1所述的系统，其特征在于，所述GABA能系统孪生脑仿真模型如下：
；
；
；
；
；
；
其中，I(E) n表示第n个脑区的兴奋性电流，I(I) n表示第n个脑区的抑制性电流，r(E) n表示第n个脑区的兴奋性发放率，r(I) n表示第n个脑区的抑制性发放率，S(E) n表示第n个脑区的兴奋性突触门控，S(I) n表示第n个脑区的抑制性突触门控，I0表示整体有效外部输入，w＋表示循环兴奋加权，JE表示兴奋性突触加权，JI表示抑制性突触加权，G表示全局耦合系数，wG表示GABA能循环加权，Cnp表示第n个脑区和第p个脑区间的结构连接，H(E)表示兴奋性神经元反馈函数，H(I)表示抑制性神经元反馈函数，I(E) thr表示兴奋性阈值电流，I(I) thr表示抑制性阈值电流，gE表示兴奋性放大系数，gI表示抑制性放大系数，dE表示H在I(E) thr的曲率，dI表示H在I(I) thr的曲率，表示控制兴奋池的突触门控变量，/>表示控制抑制池的突触门控变量，γ表示衰变时间常数，vn表示高斯噪声，σ为振幅。
5.根据权利要求4所述的系统，其特征在于，所述模拟模块包括：
第一模拟子模块，用于将所述被试者的人脑结构连接矩阵进行归一化后输入至GABA能系统孪生脑仿真模型中模拟大脑活动；
迭代模块，用于迭代更新所述兴奋性突触加权，直至所述被试者所有脑区的所述兴奋性发放率均在第一预设范围内；
第二模拟子模块，用于使用更新后的所述兴奋性突触加权模拟大脑活动，直至所述被试者所有脑区均获得稳定的兴奋性发放率。
6.根据权利要求5所述的系统，其特征在于，所述第二模拟子模块还用于：
基于更新后的所述兴奋性突触加权模拟大脑活动，获取模拟时间段内的兴奋性发放率；
判断在所述模拟时间段内任一段时间各脑区的平均兴奋性发放率是否小于第二阈值；
若是，则确定获得稳定的兴奋性发放率。
7.根据权利要求1所述的系统，其特征在于，所述第二获得模块包括：
第三模拟子模块，用于将所述稳定的兴奋性发放率输入至血氧动力学模型，模拟对应的血氧依赖水平信号；
计算模块，用于基于所述血氧依赖水平信号，计算所述被试者的模拟人脑功能连接矩阵。
8.根据权利要求4所述的系统，其特征在于，所述更新模块还用于：
选取参数T，作为更新GABA能循环加权的阈值，更新方式如下：
若 且/>，则
；
若 且 />，则
；
其中，sFC表示所述模拟人脑功能连接矩阵，eFC表示所述经验人脑功能连接矩阵，N表示脑区数，(·)i表示第i个脑区对应的分量，j表示所述模拟人脑功能连接矩阵和所述经验人脑功能连接矩阵的第j列，w0 G为初始GABA能循环加权；
令，按照所述更新方式进行迭代更新，直至所述被试者的所述模拟人脑功能连接矩阵与所述经验人脑功能连接矩阵的差异在预设范围内，获得所述被试者各个脑区最优的GABA能循环加权。
9.根据权利要求4所述的系统，其特征在于，所述系统还包括：
固定模块，用于在遍历所有所述全局耦合系数和所述GABA能循环加权的组合的情况下，确定一组所述全局耦合系数和所述GABA能循环加权；其中，确定的所述GABA能循环加权作为初始GABA能循环加权，并在固定确定的所述全局耦合系数的情况下，对所述初始GABA能循环加权进行迭代更新。
10.根据权利要求9所述的系统，其特征在于，所述固定模块包括：
比较模块，用于遍历所有所述全局耦合系数和所述GABA能循环加权的组合，比较各组合下获得的所述模拟人脑功能连接矩阵与所述经验人脑功能连接矩阵的皮尔森相关系数；
确定子模块，用于基于所述皮尔森相关系数，确定一组所述全局耦合系数和所述GABA能循环加权。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311352677.7A CN117095823B (zh) | 2023-10-19 | 2023-10-19 | 基于孪生脑仿真模型的药物成瘾关联脑区确定系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311352677.7A CN117095823B (zh) | 2023-10-19 | 2023-10-19 | 基于孪生脑仿真模型的药物成瘾关联脑区确定系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117095823A true CN117095823A (zh) | 2023-11-21 |
| CN117095823B CN117095823B (zh) | 2024-04-16 |
Family
ID=88777168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311352677.7A Active CN117095823B (zh) | 2023-10-19 | 2023-10-19 | 基于孪生脑仿真模型的药物成瘾关联脑区确定系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117095823B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117540783A (zh) * | 2024-01-09 | 2024-02-09 | 之江实验室 | 仿真脑活动数据的生成方法、装置、电子装置和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2380595A1 (en) * | 2010-04-19 | 2011-10-26 | Nlife Therapeutics S.L. | Compositions and methods for selective delivery of oligonucleotide molecules to specific neuron types |
| US20200303047A1 (en) * | 2018-08-08 | 2020-09-24 | Hc1.Com Inc. | Methods and systems for a pharmacological tracking and representation of health attributes using digital twin |
| CN114886439A (zh) * | 2022-05-18 | 2022-08-12 | 深圳福佑未来科技有限公司 | 一种基于云计算大数据的人体脉搏脑电生物反馈驾驶方法 |
| CN115359045A (zh) * | 2022-10-19 | 2022-11-18 | 之江实验室 | 基于多模态磁共振成像的图卷积神经网络疾病预测系统 |
| CN115995299A (zh) * | 2023-03-22 | 2023-04-21 | 北京航空航天大学 | 一种个体化调控靶点定位方法、系统、电子设备及介质 |
-
2023
- 2023-10-19 CN CN202311352677.7A patent/CN117095823B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2380595A1 (en) * | 2010-04-19 | 2011-10-26 | Nlife Therapeutics S.L. | Compositions and methods for selective delivery of oligonucleotide molecules to specific neuron types |
| US20200303047A1 (en) * | 2018-08-08 | 2020-09-24 | Hc1.Com Inc. | Methods and systems for a pharmacological tracking and representation of health attributes using digital twin |
| CN114886439A (zh) * | 2022-05-18 | 2022-08-12 | 深圳福佑未来科技有限公司 | 一种基于云计算大数据的人体脉搏脑电生物反馈驾驶方法 |
| CN115359045A (zh) * | 2022-10-19 | 2022-11-18 | 之江实验室 | 基于多模态磁共振成像的图卷积神经网络疾病预测系统 |
| CN115995299A (zh) * | 2023-03-22 | 2023-04-21 | 北京航空航天大学 | 一种个体化调控靶点定位方法、系统、电子设备及介质 |
Non-Patent Citations (3)
| Title |
|---|
| DANLEI BI 等: "GABAergic dysfunction in excitatory and inhibitory (E/I) imbalance drives the pathogenesis of Alzheimer’s disease", 《ALZHEIMER’S DEMENT》, vol. 16, pages 1312 - 1329 * |
| HUI XIONG 等: "The Digital Twin Brain: A Bridge between Biological and Artificial Intelligence", 《INTELL. COMPUT.》, pages 1 - 15 * |
| MORTEN L. KRINGELBACH 等: "Dynamic coupling of whole-brain neuronal and neurotransmitter systems", 《PNAS》, vol. 117, no. 17, pages 9566 - 9576 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117540783A (zh) * | 2024-01-09 | 2024-02-09 | 之江实验室 | 仿真脑活动数据的生成方法、装置、电子装置和存储介质 |
| CN117540783B (zh) * | 2024-01-09 | 2024-05-28 | 之江实验室 | 仿真脑活动数据的生成方法、装置、电子装置和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117095823B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117095823B (zh) | 基于孪生脑仿真模型的药物成瘾关联脑区确定系统 | |
| Leong et al. | White-matter tract connecting anterior insula to nucleus accumbens correlates with reduced preference for positively skewed gambles | |
| Paus | Mapping brain maturation and cognitive development during adolescence | |
| Bennett et al. | Mnemonic discrimination relates to perforant path integrity: an ultra-high resolution diffusion tensor imaging study | |
| Hardcastle et al. | Contributions of hippocampal volume to cognition in healthy older adults | |
| Rolls et al. | The effective connectivity of the human hippocampal memory system | |
| McCarley et al. | Neuroimaging and the cognitive neuroscience of schizophrenia | |
| CN117095824B (zh) | 基于孪生脑仿真模型的多巴胺动态耦合方法、装置和设备 | |
| Draganski et al. | Computational anatomy for studying use-dependant brain plasticity | |
| Yang et al. | Cortical patterning of morphometric similarity gradient reveals diverged hierarchical organization in sensory-motor cortices | |
| Huntenburg et al. | Gradients of functional connectivity in the mouse cortex reflect neocortical evolution | |
| CN111753833A (zh) | 基于fMRI与DTI构建脑网络建模的帕金森辅助识别方法 | |
| Lehmann et al. | Interindividual differences in gray and white matter properties are associated with early complex motor skill acquisition | |
| Jossinger et al. | Locomotor adaptation is associated with microstructural properties of the inferior cerebellar peduncle | |
| Bazinet et al. | Assortative mixing in micro-architecturally annotated brain connectomes | |
| Van Hartevelt et al. | Evidence from a rare case study for Hebbian-like changes in structural connectivity induced by long-term deep brain stimulation | |
| CN117116434B (zh) | 人脑白质结构连接组的个体差异评估方法、应用及装置 | |
| Neef et al. | Two cortical representations of voice control are differentially involved in speech fluency | |
| Jakab | Developmental pathoconnectomics and advanced fetal MRI | |
| US20190271751A1 (en) | Method and device for determining a change over time in a biomarker in a region to be examined | |
| Weise et al. | Directional sensitivity of cortical neurons towards TMS-induced electric fields | |
| Yoshino et al. | Importance of the habenula for avoidance learning including contextual cues in the human brain: a preliminary fMRI study | |
| Winder et al. | Functional connectivity in fMRI: A modeling approach for estimation and for relating to local circuits | |
| Sims | Highly accurate FMRI ADHD classification using time distributed multi modal 3D CNNs | |
| Huang et al. | Individual Variability in the Structural Connectivity Architecture of the Human Brain |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |