Frontiers in Human Neuroscience 致力于深化人类对认知与社会行为脑机制的理解。本刊聚焦脑健康与临床神经科学、脑成像与脑刺激、脑机接口、认知神经科学、运动神经科学、感觉神经科学及语言与言语等前沿方向,诚邀相关领域的优质研究投稿。
Frontiers in Human Neuroscience 致力于深化人类对认知与社会行为脑机制的理解。本刊聚焦脑健康与临床神经科学、脑成像与脑刺激、脑机接口、认知神经科学、运动神经科学、感觉神经科学及语言与言语等前沿方向,诚邀相关领域的优质研究投稿。
脑血管疾病引起的脑结构与认知功能改变(第三卷)
人工智能在神经系统疾病及精神疾病管理中的创新:从诊断到治疗(第二卷)
Tingting Yan, Conghui Su, Weichen Xue, Yuzheng Hu*, Hui Zhou*
本原创研究采用脑电图(EEG)测量每日使用短视频平台(如TikTok、抖音)对注意力功能的影响。研究发现,使用时长较长的参与者在持续注意力和认知控制方面存在显著损伤。上述结果提供了直接的神经生理学证据,表明习惯性短视频消费可能正在重塑大脑维持专注的能力。
Na Liu, Chen Yang, Qipeng Song, Fengying Yang, Yan Chen*
本研究采用功能性近红外光谱(fNIRS)技术发现,与健康对照组相比,慢性踝关节不稳患者在单腿平衡任务中表现出显著更高的感觉运动皮层激活水平。这种神经活动的代偿性增强与较差的侧向平衡表现相关,提示大脑在皮层层面对受损外周感觉输入进行补偿,但需付出相应的神经代价。研究结果将慢性踝关节不稳重新定义为中枢神经系统疾患,而非单纯的关节问题。
Yuqin Dan, Ying Xiong, Danghan Xu, Yuqi Wang, Meng Yin, Pengwei Sun, Yi Ding, Ziyun Feng, Peng Sun*, Weili Xia*, Gongchang Yu*, Li Li*
本综述整合了现有证据,表明音乐治疗通过靶向连接前额叶皮层、海马体与杏仁核的共同神经回路,对抑郁症、焦虑症、孤独症谱系障碍及精神分裂症均具有积极疗效。作者认为,这三个相互关联的脑区构成了音乐干预在多种神经精神疾病中发挥作用的共同治疗枢纽。深入理解这一共享机制有助于临床医生设计更为有效、个性化的音乐治疗方案。
Yu Li, Lei Zhu*, Aiai Huang, Jianhai Zhang, Peng Yuan
MBC-ATT 是一种新型多模态深度学习框架,通过跨模态注意力机制融合 EEG 与 fNIRS 信号,实现了优于任一单一模态的认知状态解码精度。该模型从两类脑信号中分别学习互补的时序与血流动力学表征,克服了单模态方法的固有局限。在认知负荷数据集上的实验结果达到当前最优的解码性能,表明 MBC-ATT 有望成为下一代自适应脑机接口的重要基础框架。
Yan Wang, Ginger Qinghong Zeng, Mengmeng Wang, Mingsong Zhang Chuangchuang Chang 2,3 Q Qiongwei Liu 2 K Keqing Wang 2 R Ru Ma 2 Ying Wang Ying Wang 2,4* Xiaochu Zhang Xiaochu Zhang 1,2,3,5,6*
本研究是最早在人体参与者中直接测试高电流时间干扰(TI)刺激的研究之一,该方法提供了一种非侵入性途径,可在不干扰表层皮层的前提下靶向深部脑结构。研究结果证实该方法耐受性良好,并产生了可测量的神经生理效应。这项工作为精神和神经系统疾病的新型非侵入性深部脑刺激疗法开辟了新方向。
Xiaohan Li, Lifeng Tang, Yuting Zhang, Lin Ye, Lifeng Zhou, Min Tang*
本研究采用功能性近红外光谱(fNIRS)技术,考察健康成年人在同时执行运动与认知任务时前额叶脑区激活及功能连接的变化。与单任务或非交互性双任务相比,交互性双任务条件下产生了截然不同的皮层激活模式,揭示了分散注意力所带来的神经代价。该研究在本队列中引用增长速度最高(0.98 篇/月),其结果对卒中及老龄化人群的双任务康复方案具有重要参考价值。
Shu Zhang*, Shiyi Li
本研究应用 fNIRS 脑成像技术,探究短视频平台(如TikTok/抖音)的成瘾性使用是否损害大学生的风险决策能力。短视频成瘾评分较高的参与者在赌博范式任务中表现出前额叶皮层激活减弱,并做出了显著更高风险的决策。上述结果从神经生物学角度证明,短视频问题性使用会干扰大脑对风险评估的执行控制功能,对数字健康政策制定及青少年心理健康干预具有重要启示意义。
Yueying Zhou*, Xijia Xu, Daoqiang Zhang*
本研究采用 EEG 对飞行员在模拟飞行任务中的认知负荷水平进行分类,旨在应对航空安全领域的关键挑战。研究构建了机器学习处理流程,通过多频段 EEG 特征对低、中、高三种心理工作负荷状态进行高精度区分。研究结果对飞行员实时监测系统及旨在降低高认知需求下人为失误的自适应驾驶舱界面设计具有直接的应用价值。
Brain Health and Clinical Neuroscience
Brain Imaging and Stimulation
Brain-Computer Interfaces
Cognitive Neuroscience
Human Neuroscience Archive
Interacting Minds and Brains
Motor Neuroscience
Sensory Perceptual Neuroscience
Speech and Language
关注我们的微信公众号