梦游和相关的异态睡眠是由于非快速眼动睡眠的不完全觉醒所致。行为发作可以在没有意识或回忆的情况下发生，或者与梦境体验的经历有关。为了解是什么导致了意识和回忆的这些差异，本研究使用高密度脑电图（EEG）记录了异态睡眠发作，并在之后立即采访了被试的经历。与没有经验的报告（19%）相比，有意识经验的报告（56%）在前皮层区域出现高振幅脑电慢波和后皮层区域激活，类似于先前描述的梦境脑电图相关性。与无回忆（25%）相比，回忆体验内容（56%）与运动开始前右侧内侧颞区较高的脑电图激活相关。我们的研究表明，异态睡眠经历的脑电图相关性与梦境报告的脑电图相似，因此可能反映了睡眠意识中涉及的核心生理过程。

作为源自中国自然语言刺激的试点脑电图数据集，中文脑电图可以极大地支持神经科学、自然语言处理和语言学的研究。它为中文语义解码建立了一个基准数据集，有助于BCI脑机接口的发展，并促进了大型语言模型与人类认知过程之间的一致性探索。它还可以帮助在中国自然语言的背景下研究大脑的语言处理机制。

皮质-皮质间诱发电位(CCEPs)是探究颅内人体电生理学中有效连接性的常用工具。与所有人体电生理学数据一样，CCEP数据极易受到噪声的影响。为了解决噪声问题，通常会对CCEP数据进行滤波和重参考，但不同的研究会采用不同的处理策略。本研究系统地比较了常见的平均重参考和滤波对CCEP数据量化的影响。研究结果发现，常见的平均重参考和滤波器可以显著影响CCEP幅值和形态的量化。高截止高通滤波器(＞0.5Hz)、低截止低通滤波器(＜200Hz)和常见的平均重参考对被试间的结果量化存在影响。本研究还证明了噪声也可能影响CCEP的量化，因此预处理对于减轻这种影响是必要的。在减少常见类型的噪声方面，滤波比重参考或平均试次更有效。本研究提出了一个处理CCEP数据的通用框架，并建议在选择合适的处理流程时应考虑特定数据集的噪声水平。

神经科学的技术进步为科学家、研究人员和消费者提供了许多便利。新兴的脑电图（EEG）设备就是一个很好的例子。本研究的目的是研究一种新的无线脑电图设备 Mentalab Explore 在睁眼和闭眼条件下用于静息态脑电图 （rsEEG） 记录的有效性和可靠性。该研究招募了 23 名健康被试。被试两次访问实验室。第一天，两种设备都用于记录rsEEG数据，24小时后，仅使用Mentalab Explore记录rsEEG以进行重测可靠性分析。我们比较了两个设备之间的 alpha 峰值频率、抑制和平均功率。计算类内相关系数进行重测信度分析。采用Welch方法计算功率谱密度（PSD）。两种脑电图设备的 PSD（闭眼 p < 0.0001;睁开眼睛 p = 0.01–0.0001）、α 峰值频率 （p < 0.0001） 和 α 抑制 （p = 0.002–0.0001） 以及 Mentalab 设备的重测结果显著相关。在闭眼条件下，临床级和新设备在O1和O2通道的α峰频率或抑制方面没有显著差异。使用 Mentalab 系统间隔 ∼24 小时完成的两次测量对于所有变量都是相似的。我们发现，带有凝胶电极的Mentalab Explore是一种可靠且有效的 rsEEG 光谱特征的脑电图记录设备。

2024国际医学磁共振学会（ISMRM）年会将于2024年5月4-9日在新加坡举办，届时将有来自全世界的顶尖磁共振学者参会 。心拓视点欢迎您们的到来，期待与您在展位D27会面！

在产生第一个单词之前，婴儿就已经开发出一个复杂的语音处理系统。在 4-6 个月大时就已经具备了强大的单词识别能力。通过行为观察到这些新兴语言技能可能依赖于越来越复杂的神经基础。本研究中，我们利用从对童谣的电生理反应计算的时间响应函数来探索 4、7 和 11 个月大的婴儿以及成人纵向队列中语音特征的皮层编码。这些分析揭示了在生命的第一年出现的越来越详细和声学不变的语音编码，提供了神经生理学证据，证明前语言人类皮层学习语音类别。相比之下，我们没有发现与年龄相关的声学频谱的皮层网络增加的可靠证据。论文题目： Emergence of the cortical encoding of phonetic features in the first year of life 中文翻译：在生命的第一年出现语音特征的皮质编码 期刊：Nature Communications 影响因子：16.6分 发表时间：2023年12月 发表网址：https://doi.org/10.1038/s41467-023-43490-x 摘要： 在产生第一个单词之前，婴儿就已经开发出一个复杂的语音处理系统。在 4-6 个月大时就已经具备了强大的单词识别能力。通过行为观察到这些新兴语言技能可能依赖于越来越复杂的神经基础。本研究中，我们利用从对童谣的电生理反应计算的时间响应函数来探索 4、7 和 11 个月大的婴儿以及成人纵向队列中语音特征的皮层编码。这些分析揭示了在生命的第一年出现的越来越详细和声学不变的语音编码，提供了神经生理学证据，证明前语言人类皮层学习语音类别。相比之下，我们没有发现与年龄相关的声学频谱的皮层网络增加的可靠证据。 实验被试： 本研究对涉及 50 名婴儿的纵向队列的 EEG 数据集进行了重新分析，这项研究，包括对成人和婴儿的实验，得到了剑桥大学心理学研究伦理委员会的批准。在对研究进行详细解释后，父母给予了书面知情同意书，并反复提醒家人，他们可以在重复预约期间的任何时候退出研究。该实验涉及婴儿（24 名男性和 26 名女性）分别为 4 个月大（4 个月± 5.3 天）、7 个月大（7 个月± 7.2 天）和 11 个月大（11 个月± 5.5 天 333.0 天）时进行 3 次脑电图记录。 实验方法： 婴儿被试坐在隔音室的高脚椅上（在主要照顾者面前一米处），而成人被试则坐在普通椅子上。所有被试都坐在距离刺激屏幕 65cm的位置。EEG 数据使用 GES 300 放大器使用网状电极帽（Electrical Geodesics Inc.）以 1 kHz 的采样率记录。婴儿和成人分别使用 64 和 128 个通道。向被试依次播放的 18 个童谣视频，每个视频重复 3 次（54 个视频，总共 20 分 33 秒）。成年被试被要求注意视听刺激，同时尽量减少他们的运动。所有成年被试都完成了完整的实验。婴儿至少听两遍每首童谣（至少 36 首童谣，持续时间为 13\\\' 42“）。 数据预处理 使用 MATLAB 2021a 进行分析，方法是使用从 CNSP 计划共享的公开脚本（认知和自然感觉处理;https://cnspworkshop.net;有关详细信息，请参阅“数据和代码可用性”部分）。为了对婴儿和成人脑电数据进行相同的预处理和分析步骤，通过样条插值将成人128通道脑电数据转换为64通道数据集，相对通道位置与婴儿被试的相对通道位置相对应。随后对婴儿和成人的所有分析都是相同的。 获得了三个感兴趣的频段的脑电图轨迹：低Δ-（0.1-1 Hz）、Δ-（1-4 Hz）和Θ-（4-8 Hz）频段，并用于TRF评估。 实验结果 进行了多变量 TRF 分析，以评估生命第一年语音的低频 （0.1-8 Hz） 神经编码。从刺激中提取声音（S）和语音特征向量（F）的8波段声谱图。根据描述发声的发音特征以及发音的方式和地点，包括14个语音特征来标记语音的分类出现。通过分别拟合 S 和 F 特征的多变量滞后回归模型，为每个实验会话推导出单被试 TRF，以评估声学和语音特征的皮层编码（图 ）。 图片 分析范式的示意图 更多数据详情，请参考原文献。 代码可用性 具体的分析脚本已存放在 OSF 存储库中 https://osf.io/mdnwg79.本手稿中的确切数字可以用提供的代码和数据进行复制。请注意，该代码使用外部公开可用的库：mTRF-Toolbox（https://github.com/mickcrosse/mTRF-Toolbox，2.0版）、EEGLAB（版本 2021.0）和 NoiseTools 库 （http://audition.ens.fr/adc/NoiseTools) 参考文献： Di Liberto, G.M., Attaheri, A., Cantisani, G. et al. Emergence of the cortical encoding of phonetic features in the first year of life. Nat Commun 14, 7789 (2023). https://doi.org/10.1038/s41467-023-43490-x 以上内容整理参考以上文献，更多内容请参考原文献，本内容仅供参考，如有疑问及侵权，请后台联系我们！