alexxlab Онлайн тест — Тест на депрессию Занга
Шкала Занга для самооценки депрессии — это тест, выявляющий соматические, психологические, поведенческие и аффективные симптомы депрессии. Тест предназначен для самостоятельного прохождения и позволяет получить количественную оценку тяжести депрессии. Кроме того, шкала может использоваться в качестве инструмента для скрининга, мониторинга изменений и для целей клинических исследований.
Тест был разработан Уильямом Зангом (William W.K. Zung, иногда переводят Зунг, Цунг и Цанг), психотерапевтом из университета Дьюка, в 1965 году. (William WK Zung. A Self-Rating Depression Scale. Arch Gen Psychiatry 12:63-70. 1965.)
В России тест был адаптирован Т.И. Балашовой «Определение уровня депрессии»
Из чего состоит тест Шкала Занга для самооценки депрессии:
Тест состоит из десяти положительно и десяти отрицательно сформулированных вопросов (будьте внимательны!). Чтобы пройти тест, вам нужно будет выбрать для каждого вопроса один из ответов («редко», «иногда», «часто» и «большую часть времени или постоянно»). Каждый ответ, в зависимости от частоты симптома, оценивается от 1 до 4 баллов. Общий балл определяет уровень депрессии. Время прохождения теста около 10 минут.
ИНТЕРПРЕТАЦИЯ РЕЗУЛЬТАТОВ ТЕСТА:
- 20-49 Нормальное состояние
- 50-59 Легкое депрессивное расстройство
- 60-69 Депрессивное расстройство средней степени тяжести
- 70 и выше Депрессивное расстройство тяжелой степени тяжести
Ограничения в использовании шкалы депрессии Занга:
Несмотря на то, что тест имеет довольно высокую надежность, повсеместно используется в разных странах и, в целом, соответствует современным критериям оценки депрессии — он не покрывает ни одного симптома, характерного для атипичной депрессии (увеличившийся аппетит, набор веса и более продолжительный, чем обычно, сон).
Прежде чем пройти онлайн тест:
Пожалуйста, обратите внимание: этот тест не собирает, не сохраняет и не передает никакой информации ни о вас, ни о полученных вами результатах. Поэтому, если вы хотите отслеживать динамику вашего состояния — запишите результаты теста или воспользуйтесь печатной копией.
Внимательно прочитайте каждое утверждение и выберите пункт, который лучше всего отражает то, как часто вы чувствовали или вели себя соответствующим образом в течение последней недели. Не размышляйте слишком долго, в тесте нет «правильных» или «неправильных» ответов.
1 — Я чувствую подавленность и испытываю печаль
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
2 — Я лучше всего чувствую себя утром
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
3 — Я плачу или близок к этому
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
4 — Я плохо сплю ночью
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
5 — Я ем столько же, сколько и раньше
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
6 — Мне приятно смотреть на привлекательных женщин (мужчин), разговаривать с ними, находиться рядом
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
7 — Я замечаю, что теряю вес
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
8 — Меня беспокоят запоры
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
9 — Мое сердце бьется быстрее, чем обычно
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
10 — Я чувствую усталость без видимой причины
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
11 — Я мыслю так же ясно, как и раньше
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
12 — Мне легко делать то, что я умею
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
13 — Я чувствую беспокойство и не могу усидеть на месте
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
14 — У меня есть надежды на будущее
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
15 — Я более раздражителен, чем обычно
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
16 — Мне легко принимать решения
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
17 — Я чувствую себя полезным(ой) и необходимым(ой)
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
18 — Я живу полной и интересной жизнью
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
19 — Я чувствую, что другим людям станет лучше, если я умру
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
20 — Меня до сих пор радует то, что радовало всегда
РЕДКО
ИНОГДА
ЧАСТО
БОЛЬШУЮ ЧАСТЬ ВРЕМЕНИ ИЛИ ПОСТОЯННО
Узнать результат
| До 55% — норма; 56-74% — легкое тревожное расстройство или средней степени тяжести; 75-92,5% — выраженное тревожное расстройство или тревожное расстройство тяжелой степени; Более 92,5% — тревожное расстройство крайне тяжелой степени тяжести Что такое тревожное расстройствоШкала Занга, другое написание — Цунга, для самооценки тревоги (Zung Anxiety Rating Scale – ZARS) — тест для самооценки тревожных расстройств (тревожный невроз), разработанный в Университете Дьюка (Университет Дьюка) Вильямом Зангом. Оценка тяжести тревожного расстройства по шкале ZARS проводится на основе самооценки пациента. Исследования по валидизации шкалы Занга для самооценки тревоги выполнены с участием популяций пациентов разного возраста, наблюдавшихся как амбулаторно, так и в стационаре. Шкала ZARS применяется в диагностических и клинических исследованиях тревоги, предварительной диагностике и скрининге тревожных расстройств, эпидемиологических исследованиях и клинических испытаниях лекарственных средств. (Источник: Википедия) Не каждый, кто тревожиться, имеет тревожное расстройство. Признаки тревожного расстройства свойственны совершенно здоровым людям, они рассматриваются как расстройство только в том случае, если их выраженность препятствует нормальной жизни человека. Тревожные расстройства довольно распространены – они свойственны около 7-15% взрослых людей. Лица с тревожными расстройствами обычно физически крепки и реже заболевают заболеваниями внутренних органов. Тревожное расстройство возникает вследствие длительного стресса, например, учебного, когда человек испытывает сильный и длительный страх получить низкие оценки. Тревожные расстройства очень хорошо поддаются лечению и, зачастую, в относительно короткий промежуток времени. К психотерапевтическим методикам относят аутотренинги, дыхательную гимнастику, дыхание в мешок. Исследования показывают, что всего 30 минут упражнений специального комплекса йоги три-пять раз в неделю, обеспечат значительное снижение тревоги. Для пациентов с тревожными расстройствами очень полезно задуматься над своим состоянием и ощущениями. Осознание необоснованности собственного чувства тревоги может значительно облегчить симптомы тревожного состояния. Основные психотерапевтические методы лечения тревожных состояний: когнитивно – поведенческая терапия, обучающая способам психологической работы с тревогой, релаксационные методики – упражнения по самостоятельному снятию или уменьшению тревоги. Человеку необходимо понять, что имеющиеся у него соматические и психические симптомы являются проявлением повышенной тревожности и что сама тревожность – это состояние, которое успешно поддается терапии. Основными методами лечения генерализованного тревожного расстройства является психотерапия (в первую очередь, когнитивно–поведенческая и релаксационные техники) В процессе лечения вы противостоите своим страхам в безопасной, контролируемой среде. Через повторяющееся погружение, либо в вашем воображении или в реальности, в ситуацию вызывающую страх, вы получаете большее чувство контроля. Прямой «взгляд в лицо вашему страху» не наносит ущерб, а ваше беспокойство постепенно уменьшается. (По материалам из Сети) |
Тест на депрессию (Шкала Занга)
Опросник Занга (в адаптированном Т.И.Балашовой для русскоязычных пациентов виде) для оценки наличия и уровня депрессии представляет собой тест, который помогает выявить соматические, психологические, поведенческие и аффективные проявления заболевания. Данный опросник разработан для предварительного диагностирования депрессии и с высокой степенью достоверности дает возможность определить степень тяжести депрессивного расстройства.
Депрессия – это психическое заболевание, разновидность аффективных расстройств. Для депрессивного состояния характерно стабильно сниженное настроение вплоть до уныния, потеря способности получать удовольствие от тех занятий, которые радовали раньше, пессимизм при оценке прошлого, настоящего и будущего.
У человека, который болеет депрессией, снижается темп мышления и речи, он ощущает постоянную нехватку энергии, страдает от проблем с ночным отдыхом. При депрессивном расстройстве человек становится невнимательным и нерешительным, ему сложно сконцентрироваться, он переживает чувство собственной никчемности, вину или отчаяние.
Депрессия опасна не только ухудшением качества жизни, но и возможным возникновением у больного мыслей о причинении себе вреда и даже о суициде, что может привести к попытке самоубийства.
Тест на депрессию онлайн
Тест-опросник Занга по определению уровня депрессии признан достаточно достоверным и применяется в разных странах. Его результаты в-целом коррелируют с актуальными критериями оценки уровня тяжести депрессивного расстройства.
Кроме того, депрессивное расстройство может протекать без явно выраженных аффективных (эмоциональных) изменений – в форме маскированной депрессии. В этом случае наблюдаются соматические симптомы: боли различной локализации из-за снижения порога чувствительности, расстройства вегетативной нервной или эндокринной систем, изменения пищевого поведения, тревожность, бессонница и др.
Пройти тест на депрессию бесплатно
Тест на депрессию (Шкала Занга)
Лимит времени: 0
0 из 20 заданий окончено
Вопросы:
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
Информация
Инструкция по прохождению теста на депрессию
Чтобы пройти тестирование, прочитайте каждое утверждение и выберите для него один из возможных пунктов – тот, который точнее всего отражает ваше самочувствие или поведение на протяжении последней недели. Не пытайтесь выбрать «правильный» ответ. Для похождения теста вам потребуется не более десяти минут.
Вы уже проходили тест ранее. Вы не можете запустить его снова.
Тест загружается…
Вы должны войти или зарегистрироваться для того, чтобы начать тест.
Вы должны закончить следующие тесты, чтобы начать этот:
Время вышло
Нормальное состояние
Отлично! Результаты теста показывают отсутствие у вас депрессивного расстройства. Если вы всё же обеспокоены своим состоянием и подозреваете у себя депрессию, вам рекомендуется пройти тестирование повторно через 2-3 недели или обратиться к врачу для более точной диагностики.
Напоминаем вам, что материалы сайта носят информационно характер и не могут использоваться для постановки диагноза и назначения лечения.
Легкое депрессивное расстройство
Тестирование по методике Занга показывает наличие у вас депрессии в легкой форме. Такой результат может быть обусловлен развитием депрессивного эпизода или быть ситуативным показателем плохого настроения. Если вас беспокоит ваше настроение или состояние здоровья, обратитесь за медицинской помощью.
Тест Занга служит вспомогательным инструментом для определения наличия депрессивного расстройства, окончательный диагноз выставляет врач.
Материалы сайта являются информационно-ознакомительными, не могут быть основанием для постановки диагноза и назначения терапии.
Депрессивное расстройство средней степени тяжести
Результаты тестирования по методике Занга показывают наличие у вас депрессивного расстройства средней тяжести.
Для окончательной диагностики и возможного назначения антидепрессивной терапии вам рекомендуется обратиться к врачу.
Лечение депрессии зачастую происходит амбулаторно. Современные медикаменты для терапии депрессивного расстройства показали свою высокую эффективность и безопасность.
Депрессия – это расстройство, требующее медикаментозной терапии. Оно связано с дисбалансом в организме таких нейромедиаторов, как серотонин и норадреналин.
Депрессия может быть вызвана психотравмирующими факторами (психогенная) или возникать без видимых причин (эндогенная). Кроме того, депрессивное расстройство может быть обусловлено приемом некоторых лекарственных препаратов, черепно-мозговыми травмами и др.
Тестирование по шкале Занга не является базовым инструментом для диагностики депрессии. Для постановки диагноза и назначения адекватного лечения вам необходима консультация у специалиста.
Депрессивное расстройство тяжелой степени
Тестирование по методике Занга свидетельствует о наличии у вас тяжелой депрессии. Это заболевание сопровождается стойким снижением настроения, замедлением темпа речи и мыслительной деятельности, утратой способности к получению удовольствия и другими симптомами.
Тест Занга имеет высокую надежность, но точный диагноз может быть установлен только врачом, поскольку депрессия – это аффективное расстройство, связанное с нарушением нейромедиаторного обмена серотонина и норадреналина.
Вам рекомендуется посетить врача для установления диагноза и назначения соответствующего лечения.
Антидепрессивная терапия проводится, как правило, амбулаторно. Лечение депрессии в большинстве случаев не требует госпитализации. Современные средства для лечения депрессии многократно доказали свою высокую эффективность, незначительность побочных эффектов и отсутствие привыкания при соблюдении рекомендаций по их приему.
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- С ответом
- С отметкой о просмотре
Задание 1 из 20
Я чувствую подавленность и испытываю печаль
Задание 2 из 20
Я лучше всего чувствую себя утром
Задание 3 из 20
Я плачу или близок к этому
Задание 4 из 20
Я плохо сплю ночью
Задание 5 из 20
Я ем столько же, сколько и раньше
Задание 6 из 20
Мне приятно смотреть на привлекательных женщин (мужчин), разговаривать с ними, находиться рядом
Задание 7 из 20
Я замечаю, что теряю вес
Задание 8 из 20
Меня беспокоят запоры
Задание 9 из 20
Мое сердце бьется быстрее, чем обычно
Задание 10 из 20
Я чувствую усталость без видимой причины
Задание 11 из 20
Я мыслю так же ясно, как и раньше
Задание 12 из 20
Мне легко делать то, что я умею
Задание 13 из 20
Я чувствую беспокойство и не могу усидеть на месте
Задание 14 из 20
У меня есть надежды на будущее
Задание 15 из 20
Я более раздражителен, чем обычно
Задание 16 из 20
Мне легко принимать решения
Задание 17 из 20
Я чувствую себя полезным(ой) и необходимым(ой)
Задание 18 из 20
Я живу полной и интересной жизнью
Задание 19 из 20
Я чувствую, что другим людям станет лучше, если я умру
Задание 20 из 20
Меня до сих пор радует то, что радовало всегда
Мы постоянно выявляем плагиат на наши материалы без указания кликабельной follow ссылки на них. В таком случае без предупреждения мы обращаемся в DMCA Google, что приводит к пессимизации плагиатора. Наоборот, мы приветствуем популяризацию наших материалов, но с обязательной активной follow ссылкой на эту страницу psyhosoma.com/test-na-depressiyu-shkala-zanga/.
Шкала Занга для самооценки депрессии
Шкала Занга для самооценки депрессии — тест для самооценки депрессии, разработанный в Университете Дюка психиатром доктором Уильямом Зангом. Этот инструмент самооценки психического состояния подтвердил свою эффективность для предварительной диагностики и скрининга депрессивного расстройства. Шкала Занга для самооценки депрессии переведена на многие языки, переделана и валидизирована в различных этнических и культурных средах. В России тест адаптирован Т. И. Балашовой в отделении наркологии НИИ имени Бехтерева. Тест позволяет оценить уровень депрессии пациентов и определить степень депрессивного расстройства.
При помощи шкалы Занга испытуемый или врач могут произвести самостоятельное обследование или скрининг депрессии. Тест «Шкала Занга» обладает высокой чувствительностью и специфичностью и позволяет избежать дополнительных экономических и временных затрат, связанных с медицинским обследованием этических проблем.
В тестировании учитывается 20 факторов, которые определяют четыре уровня депрессии. В тесте присутствуют десять позитивно сформулированных и десять негативно сформулированных вопросов.
1. Подсчёт баллов и оценка результатов
Каждый вопрос оценивается по шкале Ликерта от 1 до 4. Результаты шкалы могут быть от 20 до 80 баллов. Эти результаты делятся на четыре диапазона:
20–49 — нормальное состояние;
60–69 — умеренная депрессия;
70 и выше — тяжелая депрессия.
50–59 — лёгкая депрессия;
Полная процедура тестирования с обработкой занимает 20–30 минут.
Дата публикации:
05-16-2020
Дата последнего обновления:
05-16-2020
10 самых популярных психологических тестов из Интернета
Портал Lifehacker.ru опубликовал список 10 серьезных тестов по психологии, которые можно пройти в интернете, передает Liter.kz.
Чаще всего эти тесты позволяют заглянуть вглубь себя. Ими пользуются и практикующие психологи. Некоторые из них могут показаться необычными, при этом, разобравшись, любой человек может пройти их самостоятельно и сделать выводы о своем психологическом состоянии.
Тест Сонди
Этот тест определяет психологические отклонения и состоит из нескольких этапов. Вам будут показывать разные портреты, а вы должны их оценить от приятных до неприятных. Тест разработал психиатр Леопольд Сонди.
Шкала депрессии Бека
Тест оценивает уровень вашей подверженности депрессиям. Он учитывает различные симптомы, и вам нужно будет ответить на ряд вопросов.
Шкала Занга для самооценки депрессии
Похожий тест, но вопросы здесь проще для восприятия.
Шкала Бека для оценки тревожности
Данный тест поможет вам определить степень выраженности ваших страхов и различных фобий. Вам дадут 21 утверждение. Надо решить, насколько они справедливы для вас.
Цветовой тест Люшера
Этот тест поможет вам определить психологическое состояние через восприятие цвета. На основе результатов теста можно понять, как избежать стресса.
Проективный тест «Куб в пустыне»
Данный тест очень простой и рассчитан на фантазию. Вопросов немного, а результат прост и понятен.
Диагностика темперамента по Айзенку
Тест состоит из 70 вопросов, которые определят ваш темперамент. По его итогу вы сможете понять, являетесь ли вы экстравертом или интровертом.
Расширенный тест Леонгарда-Шмишека
Тест поможет раскрыть свойства вашей личности. Выставляется по нескольким шкалам, результат будет зависеть от ваше честности.
Методика экспресс-диагностики невроза Хека-Хесс
Данный тест определит степень вероятности невроза. Если она окажется высокой, вам лучше обратиться к специалисту.
Тест эмоционального интеллекта Холла
Придуман психологом Николасом Холлом и позволяет распознавать настроение и чувства окружающих.
Пусть названия некоторых тестов, могут вас напугать, ничего страшного в них нет. И в некоторых случаях придавать серьезное значение их результатам не стоит.
Психологи недавно выявили девять самых распространенных причин мужской измены.
10 психологических тестов, которые можно пройти онлайн, чтобы лучше узнать себя
Самоанализ — это, конечно, хорошо, но иногда мы драматизируем с оценкой своего состояния. Практикующие психологи имеют в своём арсенале несколько тестов, которые применяют на первоначальном этапе работы с клиентами. Они помогут немного заглянуть внутрь себя.
1. Цветовой тест Люшера
Проходя этот тест, вам нужно будет выбрать из нескольких цветных карточек наиболее приятные и наоборот — самые неприятные. Тест помогает определить ваше состояние на данный момент времени, а психолог на основе результатов может дать рекомендации по избежанию стресса.
© psytest.org
Пройти тест
2. Тест Сонди
Задача теста состоит в том, чтобы выбрать из нескольких предложенных портретов те, которые вам нравятся больше всех и наоборот. Исходя из ваших ответов, результат расскажет о психологических и индивидуальных качествах личности. Чтобы точно интерпретировать полученные результаты, будет необходимо обратиться к специалисту.
© psytest.org
Пройти тест
3. Проективный тест «Куб в пустыне»
Приготовьтесь применять своё воображение. Задача: представить пустыню, куб, лестницу, лошадь и ещё пару деталей. После этого, результаты теста расскажут вам о видении себя, о стремлениях и даже значении людей в вашей жизни.
© testometrika.com
Пройти тест
4. Диагностика темперамента по Айзенку
Если вы ещё не знаете, кто вы по темпераменту (флегматик, меланхолик, сангвиник или холерик), то можете пройти этот тест. Кстати, дополнительно в результатах вам расскажут про ваш уровень экстраверсии.
© psytest.org
Пройти тест
5. Шкала Занга для самооценки депрессии
При прохождении этого теста, необходимо будет ответить на вопросы с точки зрения своих ощущений за последнюю неделю. Он определяет уровень депрессивного состояния на основе психологических, поведенческих и других факторов депрессии.
© jekyll-hyde.ru
Пройти тест
6. Шкала Бека для оценки тревожности
Тест очень похож по своей структуре и вопросам на предыдущий. Правда, результат не будет развёрнутым, он лишь оценит степень тревожности по шкале нормы.
© psyhosoma.com
Пройти тест
7. Тест эмоционального интеллекта Холла
В этом тесте необходимо ответить на 30 вопросов, касающихся эмоций, переживаний и чувств. В результате вы получите несколько шкал, свидетельствующих об уровне развития эмоционального интеллекта.
© psytest.org
Пройти тест
8. Методика экспресс-диагностики невроза Хека-Хесс
Вам предстоит ответить на 40 вопросов с ответами да или нет. Результатом будет шкала с вероятным уровнем степени невроза, а также интерпретация к ней.
© psytest.org
Пройти тест
9. Расширенный тест Леонгарда — Шмишека
В этом тесте 98 вопросов, касающихся почти каждой сферы жизни. Результат теста представляется достаточно развёрнутым, затрагивая поведение в обществе, личные качества и отношения с окружающими.
© psytest.org
Пройти тест
10. Шкала депрессии Бека
Здесь будет предложен 21 вопрос, каждый состоит из нескольких утверждений. Необходимо выбрать то, которое наиболее соответствует вашему настроению в последнюю неделю. Результатом теста послужат три шкалы, правда, без интерпретации.
© psytest.org
Пройти тест
Много ли можно сказать о человеке по тому, какое место он выберет в самолёте? Пройдите этот тест, чтобы узнать: «Тест. Выберите место, и мы расскажем о скрытых чертах вашего характера».
Подпишитесь на нашу страницу в фейсбуке, там много веселых видео и добрых открыток.
Подпишитесь на наш инстаграм, и вы первыми узнаете, что вышел новый пост.
Шкала 3анга для самооценки депрессии
Шкала Занга для самооценки депрессии (англ. Zung Self-Rating Depression Scale) — тест для самооценки депрессии, разработанный в Университете Дюка психиатром доктором Уильямом Зангом[1]. Этот инструмент самооценки психического состояния подтвердил свою эффективность для предварительной диагностики и скрининга депрессивного расстройства[2][3][4][5].
Шкала Занга для самооценки депрессии переведена на многие языки, адаптирована и валидизирована в различных этнических и культурных средах[6][7][8]. В России тест адаптирован Т. Н. Балашовой в отделении наркологии НИИ им. Бехтерева. Тест позволяет оценить уровень депрессии пациентов и определить степень депрессивного расстройства.
При помощи шкалы Занга испытуемый или врач могут произвести самостоятельное обследование или скрининг депрессии. Тест «Шкала Занга» обладает высокой чувствительностью и специфичностью и позволяет избежать дополнительных экономических и временных затрат[9], связанных с медицинским обследованием этических проблем.
В тестировании учитывается 20 факторов, которые определяют четыре уровня депрессии. В тесте присутствуют десять позитивно сформулированных и десять негативно сформулированных вопросов. Каждый вопрос оценивается по шкале от 1 до 4 (на основе этих ответов: «никогда», «иногда», «часто», «постоянно»). Результаты шкалы могут быть от 20 до 80 баллов. Эти результаты делятся на четыре диапазона:
- 20–49 — нормальное состояние;
- 50–59 лёгкая депрессия;
- 60–69 умеренная депрессия;
- 70 и выше — тяжелая депрессия.
Полная процедура тестирования с обработкой занимает 20–30 минут.
См. также
Примечания
- ↑ Zung WW (1965) A self-rating depression scale. Archives of General Psychiatry 12: 63-70 PMID 14221692
- ↑ Zung WW, Richards CB, Short MJ. Self-rating depression scale in an outpatient clinic. Further validation of the SDS. Arch Gen Psychiatry 1965 Dec;13(6):508-15 PMID 4378854
- ↑ Biggs JT, Wilie LT, Ziegler VE: Validity of the Zung Self-Rating Depression Scale. Br J Psychiatry 1978; 132:381–38 PMID 638392
- ↑ Gabrys JB, Peters K: Reliability, discriminant and predictive validity of the Zung Self-Rating Depression Scale. Psych Rep 1985; 57:1091–1096 PMID 4095223
- ↑ Thunder S. Snow M. Honts C.R . The Zung Self-Rating Depression Scale: convergent validity and diagnostic discrimination. Assesment 2002 Dec;9(4):401-5. PMID 12462760
- ↑ Kirkby, R; Al Saif, A; El-Din Mohamed, G (2005). «Validation of an Arabic translation of the Zung Self-Rating Depression Scale.». Annals of Saudi medicine 25 (3): 205–8. PMID 16119520
- ↑ Chagas, Marcos Hortes Nisihara; Tumas, Vitor; Loureiro, Sonia Regina; Hallak, Jaime E.C.; Trzesniak, Clarissa; De Sousa, João Paulo Machado; Ricciopo Rodrigues, Guilherme Gustavo; Filho, Alaor Santos et al. (2010). Validity of a Brazilian version of the Zung self-rating depression scale for screening of depression in patients with Parkinson’s disease Parkinsonism & Related Disorders 16: 42–45. PMID 1966097
- ↑ Martinez KG; Guiot, HM; Casas-Dolz, I; González-Tejera, G; Colón De Martí, LN (2003). «Applicability of the Spanish Translation of the Zung Self-Rating Depression Scale in a general Puerto Rican population.». Puerto Rico health sciences journal 22 (2): 179–85. PMID 12866143
- ↑ Огурцов П. П., Мазурчик Н. В. Интерферон-индуцированная депрессия у больных вирусными гепатитами // «Психические расстройства в общей медицине» : журнал. — Москва, 2008. — № 03.
Ссылки
Идентификация информативных маркеров нейровизуализации эпилепсии
Abstract
Точное прогнозирование общих нервно-психических расстройств на индивидуальной основе с использованием функциональной магнитно-резонансной томографии (фМРТ) в состоянии покоя является сложной задачей, имеющей большое клиническое значение. Несмотря на прогресс в нанесении на карту различий между здоровыми людьми из контрольной группы и пациентами на групповом уровне, классификация паттернов функциональных мозговых сетей у отдельных людей все еще менее развита.В этой статье мы идентифицируем два новых метода нейровизуализации, которые оказались сильно предсказывающими маркерами нейровизуализации при классификации паттернов между здоровыми людьми контрольной группы и пациентами с общей эпилепсией. Эти меры количественно характеризуют два важных аспекта функциональной сети мозга: (i) скоординированную работу между пространственно распределенными областями мозга и (ii) асимметрию двусторонне гомологичных областей мозга с точки зрения их глобальных паттернов функциональной связи.Этот второй показатель предлагает уникальное понимание асимметрии мозга на сетевом уровне и, насколько нам известно, ранее не использовался при классификации паттернов функциональных мозговых сетей. Используя современные подходы к распознаванию образов, такие как разреженная регрессия и машина опорных векторов, мы достигли перекрестно проверенной точности классификации 83,9% (специфичность: 82,5%; чувствительность: 85%) для людей из большого набора данных, состоящего из 180 здоровых людей из контрольной группы и пациентов с эпилепсией. пациенты.Мы идентифицировали значительно измененные функциональные пути и подсети у пациентов с эпилепсией, которые лежат в основе патофизиологического механизма нарушения когнитивных функций. В частности, мы обнаружили, что асимметрия работы мозга у пациентов с эпилепсией заметно усиливается в височной доле и лимбической системе по сравнению со здоровыми людьми. Настоящее исследование показывает, что со специально разработанными информативными маркерами нейровизуализации фМРТ в состоянии покоя может служить наиболее многообещающим инструментом для клинической диагностики, а также пролить свет на физиологию сложных психоневрологических расстройств.Ожидается, что систематические подходы, которые мы представляем здесь, найдут более широкое применение при общих психоневрологических расстройствах.
Образец цитирования: Zhang J, Cheng W., Wang Z, Zhang Z, Lu W, Lu G, et al. (2012) Паттерн-классификация крупномасштабных функциональных мозговых сетей: идентификация информативных нейровизуализационных маркеров эпилепсии. PLoS ONE 7 (5):
e36733.
https://doi.org/10.1371/journal.pone.0036733
Редактор: Сатору Хаясака, Медицинская школа Уэйк Форест, Соединенные Штаты Америки
Поступила: 22 ноября 2011 г .; Дата принятия: 12 апреля 2012 г .; Опубликовано: 17 мая 2012 г.
Авторские права: © 2012 Zhang et al.Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.
Финансирование: Эта работа была поддержана грантами Китайского научного фонда естественных наук [61104143 и 61004104 Цзе Чжан, 30470510 Гуанмин Лу, 30800264 Чжицян Чжан, 30971019, 81171328 и 81020108022] и Science Projects Medical Hospital. медицинских исследований [гранты №07z030 до Гуанмина Лу, Q2008063 до Чжицян Чжан]. Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, решении о публикации или подготовке рукописи.
Конкурирующие интересы: Авторы заявили, что конкурирующих интересов не существует.
Введение
Психоневрологические расстройства, по частоте уступающие только сердечно-сосудистым заболеваниям, широко распространены во всем мире. Большой процент населения на каком-то этапе своей жизни будет испытывать какие-либо психоневрологические расстройства.Традиционно психоневрологический диагноз основывается на категориальной таксономии, полученной из клинических наблюдений, и анкетах, разработанных с помощью оценочных шкал. Иногда сообщалось, что результаты противоречивы, поскольку анкета, заполняемая испытуемым, имеет тенденцию быть субъективной. За последнее десятилетие врачи и исследователи стали проявлять все больший интерес к поиску высокопрогнозных маркеров нейровизуализации, которые могут обеспечить объективные способы прогнозирования и оценки психоневрологических состояний [1], [2].С недавними достижениями в области функциональной магнитно-резонансной томографии (фМРТ), которая может предоставить беспрецедентную возможность картировать крупномасштабные связи мозга [3], [4], [5], [6], остается важной проблемой узнать, можно ли в состоянии покоя ФМРТ состояния содержит достаточно информации, чтобы помочь в диагностике общих нервно-психических расстройств. На практике преимуществом фМРТ является высокое пространственное разрешение, которое полезно для определения местоположения источника при эпилепсии. Для сравнения, электроэнцефалограмма, которая широко используется в клинической диагностике эпилепсии, имеет очень высокое временное разрешение, но ограниченное пространственное разрешение.
Человеческий мозг можно рассматривать как крупномасштабную сеть, узлы которой представляют собой отдельные области мозга, а края представляют собой функциональные связи между ними. Было высказано предположение, что многие функциональные расстройства головного мозга, такие как депрессия, болезнь Альцгеймера, шизофрения и аутизм, можно описать как синдромы несвязности, которые связаны с нарушением паттернов связности между пространственно распределенными областями мозга, лежащими в основе нормального функционирования [7 ], [8], [9], [10].В последнее время большое количество многомерных методов и подходов к распознаванию образов [11], [12] было применено к сложным пространственно-временным паттернам данных фМРТ с конечной целью диагностической классификации различных заболеваний мозга, начиная от депрессии [7]. , От болезни Альцгеймера [13], от синдрома дефицита внимания с гиперактивностью [14] до шизофрении [15].
Большинство современных исследований фМРТ просто сосредоточено на описании групповых различий между предметными классами (зная название каждого предмета) с использованием относительно небольшого числа предметов.Это не может классифицировать или предсказать поведение мозга у разных людей. В этой статье мы обращаемся к проблеме точной классификации состояния мозга (здорового или с нейропсихиатрическими расстройствами) на индивидуальной основе для большого набора данных. Обычно это сложная задача, к которой необходимо подходить с помощью чувствительных нейровизуализационных маркеров и эффективных методов отбора признаков. Психоневрологическое расстройство, на котором мы остановимся здесь, — это эпилепсия, которая вызывается аномальными нервными разрядами в коре головного мозга.Эпилепсия — одно из наиболее распространенных психоневрологических расстройств, которым страдают около 50 миллионов человек в мире [16], [17], [18]. Традиционно амплитуда низкочастотных колебаний [19] и региональная однородность [20] использовались для изучения изменения сигналов, зависимых от уровня кислорода в крови (жирный шрифт). Хотя эти подходы могут определять региональные изменения в головном мозге, они игнорируют динамические взаимодействия между распределенными областями мозга. На уровне сети было обнаружено, что сеть режима по умолчанию (DMN) [21], [22] и другие сети [23], [24] демонстрируют отклонения от нормы для различных типов пациентов с эпилепсией.В настоящее время большая часть работы ограничивается эмпирически выбранными областями или подсетями мозга, и ожидается, что глобальное исследование всей функциональной сети мозга, а также ее применение в классификации индивидуальных паттернов предоставит больше информации и диагностических инструментов [25], [26], [27]. В этой статье мы предложили два эффективных нейровизуализационных маркера как на локальном, так и на глобальном уровне функциональной сети мозга, которые оказались высокочувствительными биомаркерами при общем прогнозировании эпилепсии и могут пролить свет на нейропатофизиологический механизм эпилепсии.В частности, мы разрабатываем четкую глобальную меру асимметрии мозга, которая ранее не использовалась при классификации расстройств мозга. С помощью предложенных нейровизуализационных маркеров наша цель — разработать систематическую и точную методологию классификации паттернов для широкомасштабного распознавания функциональных сетей мозга при эпилепсии и, возможно, других психоневрологических расстройствах.
Материалы и методы
Участников
Всего имеется 80 здоровых контролей (возраст: 24.898,63) и 100 больных эпилепсией (возраст: 23 855,66). Все испытуемые правши. Критерии отбора пациентов с эпилепсией заключаются в том, что у пациентов более двух раз были неспровоцированные приступы и были типичные симптомы. Пациенты, включенные в наше исследование, страдают различными видами эпилепсии (например, височной эпилепсией, частичной и глобальной эпилепсией). Статистические тесты показывают, что разница в возрасте между этими двумя группами незначительна (p <0,05). В группе пациентов: а) 18 пациентов с глобальными эпилептическими припадками и 70 пациентов с парциальными эпилептическими припадками.б) 82 пациента принимают противоэпилептические препараты, а 18 - без лекарств. Пациенты, получавшие противоэпилептические препараты (ПЭП), применяли вальпроевую кислоту, фенитоин, карбамазепин и топирамат. Письменное информированное согласие было получено от всех участников. Исследование было одобрено местным комитетом по медицинской этике больницы Цзиньлин при школе медицины Нанкинского университета.
Сбор и предварительная обработка данных
Все данные были собраны на сканере 3 Tesla Siemens Trio Tim с восьмиканальной головной катушкой с фазированной решеткой.Данные фМРТ в состоянии покоя были получены в аксиальном направлении с использованием последовательности эхопланарной визуализации (EPI). Были использованы следующие параметры: TR / TE = 2000 мс / 30 мс, FA = 90 °, матрица = 64 × 64, FOV = 24 × 24 см 2 , толщина среза = 4 мм и зазор среза = 0,4 мм. Всего было использовано 30 срезов, чтобы покрыть весь мозг. Каждый раздел содержал 250 томов. Испытуемым предлагалось расслабиться, не двигаться, держать глаза закрытыми, не засыпая, и не думать ни о чем конкретном. Обычные анатомические данные МРТ были получены для выявления структурных аномалий.Параметры T1-взвешенного изображения: TR / TE = 350 мс / 2,46 мс, FA = 90 °, матрица = 320 × 256, FOV = 24 × 24 см 2 , и толщина среза = 4 мм, зазор среза = 0,4 мм, и всего было получено 30 срезов. Параметры T2-взвешенного изображения: TR / TE = 4000 мс / 98 мс, FA = 120 °, матрица = 512 × 307, FOV = 22 × 20 см 2 , и толщина среза = 4 мм, зазор среза = 0,4 мм, всего было получено 30 срезов. Параметры коронального T2-FLAIR-взвешенного изображения: TR / TE = 7000 мс / 87 мс, FA = 150 °, матрица = 256 × 256, FOV = 24 × 19.5 см 2 , толщина среза = 4 мм, зазор среза = 0 мм, всего было получено 28 срезов.
Выполняем предварительную обработку данных с помощью программного обеспечения DPARSF. DPARSF основан на некоторых функциях статистического параметрического сопоставления (SPM) и набора инструментов анализа данных fMRI в состоянии покоя (REST), и в него встроены основные этапы предварительной обработки удобным способом. Сначала были выполнены регулировка времени среза и перестройка для коррекции движения головы, затем мы использовали стандартный шаблон Монреальского неврологического института (MNI), предоставленный SPM2 для пространственной нормализации (размер вокселя передискретизации:).После сглаживания ( FWHM = 8 мм ) жирные сигналы были отфильтрованы (полоса пропускания, 0,01 ~ 0,08 Гц), чтобы удалить очень низкочастотный дрейф и высокочастотные шумы (например, сердечные и дыхательные ритмы). Следующие переменные регрессируют как ковариаты для каждого воксела в предварительной обработке данных: 1. 6 параметров движения головы. 2. Глобальный средний сигнал. 3. Белый сигнал. 4. Сигнал спинномозговой жидкости. Зарегистрированные временные ряды фМРТ были сегментированы на 116 областей (90 от коры и 26 от мозжечка) с использованием анатомически маркированного шаблона Tzourio-Mazoyer et al.[28] Для каждой области мозга ее репрезентативные временные ряды фМРТ или жирный сигнал получают путем усреднения временных рядов фМРТ всех вокселей в этой области. На практике метод подавления шума на основе компонентов [29] также может применяться, если шум является значительным. Наконец, для каждого испытуемого есть набор из 116 ЖИРНЫХ сигналов, где x i ( t ) i = 1, 2,…, 116 представляет ЖИРНЫЙ сигнал в области мозга i .
Движения головы субъектов могут иметь некоторое влияние на функциональную связность (например,g., приводят к ложному соединению [30], [31]). Здесь все субъекты, включенные в наше исследование, имеют очень небольшие движения головы (смещения <1 мм для всех субъектов; вращения <1 ° для всех субъектов, кроме двух пациентов, и повороты этих двух пациентов меньше 1,5 °), которые были регрессированы. в предварительной обработке данных. Кроме того, мы выполнили два образца t-теста для 6 параметров движения головы (преобразование твердого тела в 3 измерениях определяется 6 параметрами: 3 перевода и 3 поворота) для здоровых субъектов и пациентов с эпилепсией и обнаружили, что нет значительная разница между двумя группами.
Маркер нейровизуализации I: функциональная интеграция с помощью матрицы сообщества K
Функциональная связность мозговой сети обычно измеряется взаимной корреляцией между региональными ЖИРНЫМИ временными рядами. Однако полученная таким образом функциональная сеть мозга может быть довольно плотной, что обычно снижает эффективность подходов к классификации паттернов. Что еще более важно, матрица взаимной корреляции не характеризует явно структуру сообщества в сети, то есть принадлежат ли две области мозга к одному функциональному кластеру или нет, — признак, который фиксирует скоординированное поведение среди распределенных областей мозга, известный как функциональная интеграция [32 ].
Чтобы преодолеть этот недостаток, мы предлагаем новую адаптивную метрику, называемую матрицей сообщества K , основанную на методе, известном как k — кластеризация средств [33], которая может отражать структуру сообщества сети мозга в разреженной форме. , см. рисунок 1. Мы рассматриваем матрицу K , чья запись ( i, j ) является оценкой вероятности того, что области мозга i и j принадлежат одному и тому же функциональному сообществу. Основные этапы расчета матрицы сообщества K :
- Инициализировать k центроидов путем случайного выбора k точек данных;
- Назначьте каждую точку данных ближайшему центроиду в соответствии с евклидовым расстоянием Uij = | xi — xj | 2;
- Для каждого кластера вычислить его среднее значение как новый центроид;
- Повторяйте шаги 2 и 3, пока центроиды не перестанут двигаться.
Для каждого прогона k — означает кластеризацию, мы получаем матрицу K с K ( i, j ), равную 1, только если присвоены x i и x j . в то же сообщество и 0 в противном случае. Усредняя K по L испытаниям (мы выбираем L = 500, чтобы результат был стабильным), мы получаем матрицу сообщества K , где K (i, j) — вероятность того, что -я и — -я области мозга принадлежат к одному и тому же функциональному сообществу, что отражает функциональную интеграцию коры головного мозга в целом.Здесь мы устанавливаем количество кластеров относительно большим ( k = 30), так что K является разреженным. Таким образом, только те регионы, которые очень кооперативны, будут отнесены к одному кластеру. Эмпирическим путем K демонстрирует согласованные шаблоны подключения для k в большом диапазоне значений (от 15 до 45), подробности см. В тексте S1, рисунке S1 и рисунке S2.
Рис. 1. Визуализация матрицы кросс-корреляции (a и b) по сравнению с матрицей сообщества K (c и d) для одного и того же здорового контроля (левый столбец) и пациента с эпилепсией (правый столбец).
Из c и d мы можем видеть, что пиксели, расположенные рядом с главной диагональю, намного ярче у здоровых субъектов, чем у пациентов, что выделено тремя прямоугольниками, что не может быть обнаружено в матрице взаимной корреляции ( a и b ). Эти пиксели в основном соответствуют функциональным связям между двумя полушариями.
https://doi.org/10.1371/journal.pone.0036733.g001
Выбор функций
K с помощью разреженной регрессии
Матрица сообщества K имеет большую размерность: для 90 областей мозга будет 90 * ( 90 −1) / 2 = 4005 ребер, что может привести к проблеме «проклятия размерности». в классификаторе.Обычно только небольшая часть проводящих путей в головном мозге может быть ответственна за дисфункцию мозговой сети, поэтому эффективные размеры в K могут быть небольшими. Здесь мы используем самую современную технику выбора признаков, называемую разреженной регрессией [33], чтобы извлечь ключевые особенности (т. Е. Наиболее отличительные грани) из K .
Разреженное моделирование — быстро развивающаяся область на стыке статистики, машинного обучения и обработки сигналов.Он может выявить высокопрогнозные паттерны или сигнатуры (то есть небольшое количество наиболее релевантных переменных в многомерном пространстве признаков) и является наиболее привлекательным для практической идентификации маркеров заболевания [34], [35]. В нашем случае разреженная регрессия может использоваться для выявления небольшой части краев в матрице K (которые являются ключевыми особенностями в классификации паттернов), проливая важный свет на пораженные функциональные пути и области мозга пациентов с эпилепсией.
Подробности техники разреженной регрессии можно найти в тексте S2. В основном, формулируя матрицу признаков обучающего набора (каждая строка представляет собой 4005-мерный вектор признаков a от одного субъекта) и метку субъектов (1 для здоровых и -1 для пациентов) в линейную регрессию, разреженную регрессию возвращает вектор коэффициентов регрессии x (размерность 4005), каждая запись которого (абсолютное значение) указывает вклад соответствующей функции в различение двух групп.Он может обеспечить эффективный выбор функций, даже если количество учебных предметов (90) намного меньше, чем количество функций (4005). Кроме того, мы применяем случайную выборку в разреженной регрессии, которая может сохранить группу релевантных характеристик, которые в совокупности будут обладать еще большей силой различения. Таким образом, корреляция между различными функциями полностью учитывается и используется, что лучше, чем рассмотрение каждой функции отдельно (например, независимый множественный t-тест).
Маркер нейровизуализации II: асимметрия глобальной связи эквивалентных областей мозга
Хорошо известно, что кора головного мозга демонстрирует выраженную структурную симметрию в левом и правом полушариях, но явно асимметрична в отношении функций или физиологии. Левое полушарие обычно является доминирующим в речи и логической обработке, тогда как правое полушарие предназначено для пространственного распознавания [36], [37]. Большинство работ по асимметрии мозга сосредоточено на анатомических структурах (таких как морфометрические изменения коры головного мозга) с использованием современных методов визуализации.С другой стороны, исследование функциональной асимметрии традиционно основывается на когнитивных исследованиях (например, на изучении рук и речи) пациентов с односторонними поражениями или хирургическим вмешательством на разделенном мозге [38]. Как правило, существует немного исследований по измерению асимметрии, основанных на функциональных взаимодействиях между областями мозга [39], [40], [41]. Кроме того, не сообщалось о точной характеристике асимметрии эквивалентных областей мозга с точки зрения глобальных функциональных паттернов связности и ее применении для классификации расстройств мозга.Здесь мы предлагаем новый количественный индекс асимметрии, названный g лобальная асимметрия связности (GCA) двусторонне гомологичных областей мозга, который, как ожидается, обеспечит более фундаментальную характеристику общей лево-правой асимметрии на сетевом уровне. Поскольку кора в каждом полушарии разделена на 45 областей, в коре имеется 45 пар двусторонне гомологичных областей мозга.
Глобальная асимметрия связности определяется степенью несходства между профилями связности двух двусторонне гомологичных областей мозга.Профиль связности области i указывает на глобальную модель связности области i с остальной частью коры и определяется как строка i в матрице сообщества K (т. Е. K ( i , :), см. Рисунок 2а). Мы обнаружили, что полезной количественной мерой асимметрии между двусторонне гомологичными областями мозга i и j является 1 минус коэффициент корреляции между K ( i , 🙂 и K ( j , 🙂 , следовательно, мы определяем индекс асимметрии как: если две двусторонне гомологичные области ( i и j ) функционально связаны со всей корой аналогичным образом, тогда будет большой коэффициент корреляции между K ( i , 🙂 и K ( j , :), что приводит к небольшому значению ρ , указывающему на низкий уровень асимметрии.Напротив, если области i и j взаимодействуют с другими областями совершенно по-другому, это приведет к большому ρ , то есть к высокому уровню асимметрии. По сути, ρ измеряет асимметрию двух двусторонне гомологичных областей мозга с точки зрения их функционального взаимодействия и передачи информации в другие части мозга. Обратите внимание, что ρ является 45-мерным, поскольку в коре головного мозга имеется 45 пар эквивалентных областей мозга.
Рисунок 2.Иллюстрация двух мер асимметрии с использованием пары равных областей A и A ’для демонстрации. глобальная мера асимметрии связности ρ.
Профиль связности A (т. Е. Вектор [ K (A, A ‘), K (A, B’), K (A, B)]) и A ‘(вектор [т.е. , K (A ‘, A), K (A’, B), K (A ‘, B’]) представлены пунктирными линиями булей и зеленым цветом соответственно. Обратите внимание, что связь K (A, A ‘) равно K (A’, A), и оба они нанесены на график для ясности. b попарная синхронизация областей мозга d , которая представляет собой стандартизированное евклидово расстояние между ЖИРНЫМИ сигналами от эквивалентных областей мозга A и A ’, B и B’, соответственно (черными пунктирными линиями).
https://doi.org/10.1371/journal.pone.0036733.g002
Еще одна предлагаемая нами мера асимметрии называется « парная синхронизация областей мозга » d , которую мы определяем также для двусторонне гомологичных областей мозга как стандартизованное евклидово расстояние между соответствующими региональными временными рядами, выделенными жирным шрифтом, см. рисунок 2b.Причина, по которой мы используем стандартизованное евклидово расстояние (определение см. В тексте S3), а не евклидово расстояние, заключается в том, чтобы устранить нестационарный эффект временного ряда. Человеческий мозг состоит из левого и правого полушарий, которые связаны пучком нервных волокон, называемым мозолистым телом. При нормальном функционировании мозга два полушария работают вместе, обмениваясь информацией через мозолистое тело. Здесь d отражает передачу мозолистой информации в головном мозге, а большой d указывает на слабую синхронизацию / передачу информации между парой двусторонне гомологичных областей мозга и, следовательно, на более сильную асимметрию.
Результаты
Функциональная интеграция: матрица сообщества K
Матрица сообщества K редко отражает функциональную интеграцию между распределенными областями мозга, тем самым служа уникальной «нейросигнатурой» состояния мозга. Пример матрицы взаимной корреляции и матрицы сообщества K для типичного здорового контроля и пациента с эпилепсией показан на рисунке 1. Как можно видеть, связь в первом случае слишком плотная, чтобы выявить значительную разницу в функциональных моделях связности. .В то время как для матрицы сообществ, которая показывает только важные пути между регионами с высокой степенью сотрудничества, разница более очевидна. Мы обнаружили, что здоровые испытуемые демонстрируют заметную структуру сообщества около главной диагонали, что указывает на сильную согласованность нейроактивностей в двух полушариях.
Измененные паттерны функциональной связи у пациентов с эпилепсией
Рисунок 3 демонстрирует групповые различия между здоровыми субъектами и больным эпилепсией с точки зрения их матрицы сообщества K .Мы ранжируем все ребра в сети согласно соответствующему коэффициенту регрессии в разреженной регрессии. Более высокий коэффициент регрессии (то есть более белые пиксели) соответствует краям, которые более различимы в двух группах. Хотя в группу пациентов входят разные виды эпилепсии, общей чертой, как показано на рисунке 3а, является то, что наиболее отличительные края (то есть более белые пиксели) находятся рядом с главной диагональю, что соответствует функциональным проводящим путям через левое и правое полушария.В частности, многие белые пиксели лежат на второй главной диагонали (рис. 3b), что соответствует функциональной связи между двусторонне симметричными областями мозга (то есть между областью 1 и областью 2, областью 3 и областью 4,…). Чтобы полностью понять изменение нейрохирургии у пациентов с эпилепсией, мы перечисляем 20 ребер с наибольшим коэффициентом регрессии (абсолютное значение) в Таблице 1 и делим их на два типа: 1. снижение связи у пациентов (по сравнению со здоровым контролем), включая A) 5 краев двусторонне симметричных областей (heschl, веретенообразная, височно-полюсная средняя, миндалевидная и затылочная-средняя), что указывает на нарушение межполушарной связи.Б) 4 края между средней поясной частью и островком (как одно-, так и двусторонние). Показано, что эти связи участвуют в мониторинге окружающей среды и ориентации скелетомоторного тела [42]. Уменьшение этих функциональных связей повлияет на выбор ответа и действия пациентов. C) 2 ребра от super_marginal до fronal_inf_oper. 2. Повышенная связность у пациентов (по сравнению со здоровым контролем), включая D) 3 края внутри лобной доли (среди нижней, средней и верхней части) и 1 край между нижней и верхней теменной долей; E) 2 ребра между клиновидным и калькариновым костями (односторонние).Е) 2 ребра от подкожной области (миндалевидное, островковое и хвостатое). Наши данные об уменьшении и повышении функциональной связности указывают на то, что эпилепсия связана с дисбалансом возбуждающих и тормозных путей в головном мозге [24].
Рисунок 3. Визуализация групповых различий в матрице сообществ K , b — увеличенное изображение a.
Белые пиксели соответствуют краям в K , которые более различимы в двух группах (эти края имеют больший коэффициент регрессии в разреженной регрессии).В частности, вторая главная диагональ (как показано желтой пунктирной линией в b ) содержит связи между парами двусторонне гомологичных областей мозга. На рисунке b наиболее значимы связи между областями мозга 79 и 80 (левый и правый heschl), 87 и 88 (левый и правый височно-полусредний). Здесь мы выделяем пятью красными прямоугольниками большинство отличительных краев, которые относятся к лобной, лимбической, затылочной, теменной и височной долям соответственно.
https://doi.org/10.1371/journal.pone.0036733.g003
Наконец, мы суммируем эти измененные функциональные связи в терминах установленных 6 сетей состояний покоя (RSN) в человеческом мозгу, каждая из которых имеет определенный анатомический паттерн и соответствующий функция [43]. Мы обнаружили, что 1 ребро принадлежат сети по умолчанию, 4 принадлежат дорсальной сети внимания, 4 принадлежат зрительной сети, 1 принадлежит слуховой сети, 1 принадлежит сенсорной сети и 2 принадлежат подкорковой сети.Остальные 7 ребер являются межсетевыми. Из этого мы можем видеть, что функция, связанная со всеми 6 сетями состояния покоя, затронута у пациентов с эпилепсией (особенно в дорсальной сети внимания и подкорковой сети). Эти измененные функциональные связи могут лежать в основе патофизиологического механизма нарушения когнитивных функций мозга.
Расширенная асимметрия функциональных мозговых сетей
На рисунке 4a показана глобальная асимметрия связности ? для 45 пар двусторонне гомологичных областей мозга для всех субъектов: каждая строка представляет субъекта, а каждый столбец соответствует паре областей мозга.Затем для данной пары таких регионов мы определяем среднюю асимметрию (i) здоровых людей из контрольной группы (среднее значение ρ _H) (ii) пациентов с эпилепсией (среднее значение ρ_ P), и это суммируется соотношением ρ_ P / ρ_ H на рисунке 4b. Поскольку большое значение ρ указывает на более высокий уровень асимметрии между парой эквивалентных областей мозга, соотношение, значительно большее, чем 1 (то есть над красной линией на рисунке 4b), указывает на сильно асимметричные связи областей мозга у пациентов по сравнению со здоровыми людьми из контрольной группы.Можно видеть, что асимметрия пациентов значительно увеличивается во многих областях мозга, при этом 10 пар наиболее асимметричных областей показаны на рисунке 4c. На рисунке 5 представлены результаты для парной синхронизации области мозга d аналогично рисунку 4, и мы обнаруживаем, что рисунки 4b и 5b демонстрируют довольно похожие закономерности, предполагая, что эти два показателя асимметрии ? и d в высшей степени высоки. коррелированный, т. е. больший d (т. е. слабая синхронизация) между симметричными областями мозга соответствует повышенному уровню асимметрии.
Рис. 4. Измерение асимметрии ? для 45 пар эквивалентных областей мозга a. Визуализация ? для всех субъектов, причем каждая строка соответствует субъекту, а каждый столбец представляет каждую пару эквивалентных областей мозга.
Верхние 80 строк — это здоровые люди, а нижние 100 строк — это пациенты с эпилепсией, разделенные черной пунктирной линией. Большое значение ρ указывает на высокий уровень асимметрии. б — Отношение среднего значения группы ( ρ_ P / ρ_ H) для каждой пары областей мозга.Красная пунктирная линия соответствует ρ_ P / ρ_ H = 1, т.е. две группы имеют одинаковое групповое среднее значение. Выделена наиболее асимметричная область мозга согласно ρ_ P / ρ_ H (то есть миндалина). c, 10 наиболее различающихся областей в двух группах согласно значению P для двух образцов t -тест, при этом для двух групп показаны среднее значение и стандартное отклонение ρ . Соответствующие значения P (единица измерения: 10 −3 ): 0.0002, 0,0017, 0,0027, 0,0031, 0,0234, 0,2620, 0,6166 0,6511, 0,7256, 1,1926. Другие значительно измененные области ( P <0,01 / 45) включают Occipital_Inf, Temporal_Sup, Parietal_Inf, Temporal_Mid, Calcarine и Frontal_Mid. Как показано, ρ намного больше для пациентов с эпилепсией, чем для здоровых людей из контрольной группы.
https://doi.org/10.1371/journal.pone.0036733.g004
Рисунок 5. Парная синхронизация областей мозга d для 45 пар эквивалентных областей мозга a, Визуализация d для всех субъектов, с каждым строка, соответствующая каждому предмету, и каждый столбец представляет каждую пару эквивалентных областей мозга.
Верхние 80 строк — это здоровые люди, а нижние 100 строк — это пациенты с эпилепсией, разделенные черной пунктирной линией. Большой d указывает на слабую синхронизацию между парой областей мозга и, следовательно, на высокий уровень асимметрии. b , соотношение между средним значением группы ( d_ P / d_ H) для каждой пары областей мозга. Красная линия соответствует d_ P / d_ H = 1, то есть две группы имеют одинаковое среднее значение по группе. Наиболее асимметричные участки мозга согласно d_ P / d_ H (i.э., гиппокамп). c , 10 наиболее различающих областей в двух группах в соответствии со значением P двухвыборочного t-критерия, при этом для двух групп показаны среднее значение и стандартное отклонение d . Соответствующие значения P (единица измерения: 10 −3 ): 0,0000004, 0,0001, 0,0001, 0,0028, 0,0032, 0,0044, 0,0086, 0,0252, 0,0267, 0,1217. Как показано, d намного больше для пациентов с эпилепсией, чем для здоровых людей.
https: // doi.org / 10.1371 / journal.pone.0036733.g005
Точность классификации: различие между здоровой контрольной группой и пациентами с эпилепсией
Следующим шагом к идентификации маркеров нейровизуализации является классификация, для которой мы используем машину опорных векторов (SVM) в качестве классификатора [12]. Подробную информацию о классификаторе SVM можно найти в тексте S4. Сначала мы взяли 50% всего набора данных в качестве обучающего набора для выбора функций и обучения классификатора SVM (обратите внимание, что мы используем 50% в качестве обучающего набора, что теоретически труднее, чем использование большего процента, скажем 60% или 80% в качестве Обучающий набор).Чтобы проверить производительность обобщения SVM, остальная часть набора данных, то есть те, которые ранее не были представлены классификатору, помещается в обученную SVM с использованием выбранных функций для перекрестной проверки. Достигнута усредненная точность классификации 77,6% (в среднем по 100 попыткам) с выбранными наиболее значимыми 400 ребрами в матрице K (мы используем 400 здесь; она стабильна от 300 до 600, с соответствующими результатами, показанными на рисунке S3. ). Затем мы проверили, какой предсказательной силой обладают измерения асимметрии ρ и d .Для ρ и d была получена средняя точность 75,5% и 75,8% соответственно (более 100 испытаний). Из этих результатов мы можем видеть, что матрица сообщества K и меры асимметрии оказались маркерами нейровизуализации с высокой прогностической силой. Примечательно, что путем объединения 45-мерного признака асимметрии ? с 400-мерным признаком, выбранным из матрицы K (обучающая выборка 50%), мы можем достичь точности 80,2%. Наиболее заметно, что использование прогнозирования исключения одного исключения (т.е., классификатор был обучен на всех предметах, кроме одного, а затем протестирован на этом индивидууме вне выборки, и это было повторено для каждого индивидуума), точность достигает 83,9%. Все результаты сведены в Таблицу 2.
Таблица 2. Точность классификации для различных маркеров нейровизуализации (50% данных используются в качестве обучающей выборки, а остальные 50% — в качестве тестовой, за исключением последнего столбца, где используется перекрестная проверка с исключением по одному).
https://doi.org/10.1371/journal.pone.0036733.t002
Обсуждение
Асимметрия мозга у больных эпилепсией
Асимметрия — фундаментальная особенность человеческого мозга, которая, как было показано, изменяется при многих психоневрологических расстройствах, таких как эпилепсия [44], шизофрения [45] и аутизм [46]. Однако многие работы сосредоточены на асимметрии мозга с точки зрения анатомических изменений. В настоящее время не так много работ по асимметрии, основанной на глобальной функциональной связности, и мало известно о том, как нейропсихиатрические расстройства, такие как эпилепсия, могут нарушить асимметрию двусторонне гомологичных областей мозга на уровне функциональной сети мозга.Из рис. 4b видно, что асимметрия пациентов значительно увеличивается в большом количестве симметричных областей мозга. Фактически, для всех 16 регионов со значительными различиями между двумя группами (на рис. 4c показаны только 10 наиболее асимметричных регионов), асимметрия пациентов оказалась больше, чем у здоровых людей из контрольной группы. Мы обнаружили, что самые разные области в двух группах, выявленные по асимметрии ? и парному индексу синхронизации областей мозга d , довольно согласованы (см. Рис. 4b и рис. 5b) и в основном распределены в височной доле и лимбической системе. (8 областей), затылочная доля (5 областей), теменная (1 область) и лобная доля (1 область).Этот результат предполагает, что области височных и лимбических долей с большей вероятностью будут поражены у пациентов с эпилепсией. Интересно, что оба показателя высоко оценивают миндалевидное тело. Миндалевидное тело в первую очередь участвует в эмоциональном и социальном поведении, таком как формирование условий страха и восприятие лица [47], и может поражаться отдельно или в сочетании с другими регионами при височной эпилепсии. Мы также отмечаем, что среди 20 самых разных функциональных связей в двух группах правое полушарие является более значимым, составляя 35% связей (т.е., 7 звеньев, см. Таблицу 1) в отличие от 3 звеньев, принадлежащих левому полушарию. Наши результаты предполагают потенциальную корреляцию между причинами эпилепсии и асимметричными глобальными функциональными паттернами взаимосвязи в коре головного мозга, которые являются высокочувствительным маркером нейровизуализации и могут пролить свет на неврологическую природу эпилепсии. Одна из причин наблюдаемой функциональной асимметрии у пациентов с эпилепсией может быть связана с большим процентом пациентов с парциальными припадками. Поскольку парциальные припадки — это локализованные припадки, поражающие только одну сторону мозга, ожидается, что уровень функциональной асимметрии будет выше.Является ли эта усиленная асимметрия на сетевом уровне обычным явлением для других психоневрологических расстройств, остается интересным вопросом.
Концептуально две меры асимметрии, предложенные в статье, отражают различные свойства функциональной сети мозга. Глобальная асимметрия связности ρ изображает асимметрию двух билатерально симметричных областей мозга по их глобальному профилю связи; тогда как парная синхронизация областей мозга d характеризует только локальную синхронизацию между этими двумя областями.Хотя значимые регионы, определенные этими двумя показателями, во многом схожи, чувствительность этих двух показателей различна. Мы также обнаружили, что корреляция между глобальной и локальной мерой асимметрии варьируется в зависимости от области мозга и между двумя группами. Остается интересной темой, как эти два показателя соотносятся.
Влияние лекарств
Около 90% пациентов с эпилепсией в настоящем исследовании принимают противоэпилептические препараты. Лекарства действуют, блокируя длительную повторяющуюся активацию отдельных нейронов.Поскольку лекарства могут влиять как на нормальные, так и на аномальные области, возможно, что различные паттерны функциональной связи для пациентов могут возникать из-за лекарств. Чтобы прояснить происхождение наблюдаемой разницы между двумя группами, мы выполнили перекрестную проверку с обучающей выборкой, состоящей из пациентов, принимающих наркотики, и здоровых контролей (162 субъекта), а тестовый набор включает пациентов без лекарств (18 субъектов). ). Мы получили точность 83,3% для тестовой группы с помощью классификатора SVM с использованием того же набора функций, что и раньше, что указывает на отсутствие значительной разницы между пациентами с лекарствами и без них.Таким образом, мы заключаем, что разница, выявленная между двумя группами, в основном связана с самой эпилепсией, а не с противоэпилептическими препаратами.
Крупногабаритные элементы и классификация узоров
Одной из характеристик нашего подхода к классификации является высокая размерность маркеров нейровизуализации или принятых функций: матрица сообщества K (мы выбираем 400 ребер в K ) и асимметрию ρ (45 размерностей), которая характеризуют локальные и глобальные свойства всей сети соответственно.Причина, по которой необходимы такие высокоразмерные особенности, связана с тем, что эпилептические пациенты в нашем исследовании многочисленны и неизбежно имеют множество различных подтипов эпилепсии. Каждый тип эпилепсии характеризуется разными чертами. Например, эпилепсия, связанная с отдельными долями мозга, может иметь разные, измененные функциональные связи. Поэтому высокая точность классификации в нашем случае (> 80%) возможна только при большом количестве функциональных связей (т.е.е., крупногабаритные элементы). Фактически, предсказательная сила в первую очередь объясняется существенными характеристиками, которые не являются чрезвычайно крупными. Например, усредненная точность 73,2% и 75,8% может быть достигнута, соответственно, с использованием 50 наиболее отличительных краев из матрицы сообществ K и 12 регионов, выбранных из меры асимметрии d , и второй признак кажется более доминирующим в классификации. . Преимущество нашего подхода с глобальными признаками состоит в том, что он потенциально может включать признаки многих подтипов эпилепсии, а дальнейшая подклассификация возможна путем простого использования части уже обнаруженных признаков.
Здесь была измерена функциональная связность между каждой парой областей мозга, составляющих довольно грубый шаблон AAL. Было показано, что разрешение узловых разбиений может влиять на свойства сети [48], [49], что, в свою очередь, может влиять на классификацию. Теоретически более высокое разрешение при парцелляции может предоставить более точную с пространственной точки зрения информацию об измененной функциональной связности. Однако, поскольку количество функциональных подключений примерно равно квадрату количества узлов, шаблон с высоким разрешением, таким образом, может значительно увеличить размерность проблемы, которая может снизить производительность классификатора.Поэтому разумно сначала использовать парцелляцию с низким разрешением (например, шаблон AAL) для грубой идентификации тех областей мозга, функциональные связи которых изменились. На основе этого может быть дополнительно применено разделение с высоким разрешением, чтобы обнаружить изменения в небольшом масштабе. В нашей будущей работе остается использовать схему разделения с высоким разрешением в задаче классификации.
Во многих публикациях сообщается о существенно изменившихся функциональных сетях на групповом уровне (т.д., поиск групповых различий), что намного проще, чем задача классификации на индивидуальном уровне, как мы представили здесь. Обычно для достижения высокой точности требуются высокочувствительные нейровизуализационные маркеры. Например, предположим, что имеется 56 здоровых людей из контрольной группы и 50 пациентов, имеющих связь от середины височного полюса (слева) до середины височного полюса (справа), соответственно, для 180 субъектов, которые мы изучали. Следовательно, разница (56 / 80–50 / 100 = 20%) значительна. Однако, когда дело доходит до классификации с использованием этой функции, точность составляет всего (28 + 25) / 90 = 59% (если в качестве тестового набора выбрано 50%), что довольно мало.Этот простой пример показывает, что добиться высокой точности классификации намного сложнее, чем найти значительно измененные ссылки, и только эти высокочувствительные функции могут способствовать хорошей производительности. Для очень разнородного набора данных (например, используемых здесь эпилептических данных, которые содержат множество подтипов) всегда необходимы многомерные характеристики. Наконец, высокая точность нашей классификации здесь предполагает, что различные типы эпилепсии могут иметь общие характеристики: изменение модели функциональной интеграции между распределенными областями мозга и увеличение асимметрии мозга, что хорошо отражается в предлагаемой матрице сообщества K и асимметрия ρ .Наконец, следует отметить, что подход, предложенный в статье, также имеет большое значение для анализа данных электроэнцефалограммы и магнитоэнцефалографа: наш подход может быть удобно применен к таким данным. Предыдущие исследования в этой области использовали анализ функциональной связности в качестве диагностического инструмента у пациентов с подозрением на эпилепсию [50].
Наш текущий подход может быть применен к более широкому кругу психоневрологических расстройств, таких как болезнь Альцгеймера, депрессия, шизофрения, СДВГ и т. Д.диагноз которой имеет большее клиническое значение, чем эпилепсия, поскольку синдромы этих заболеваний головного мозга часто не очевидны, особенно в раннем возрасте. Остается интересным вопрос, могут ли маркеры нейровизуализации, предложенные в этой статье, быть чувствительными к другим нервно-психическим расстройствам.
Благодарности
Мы благодарим доктора Кая Чжана и профессора Дэвида Ваксмана за полезные советы по рукописи. J.F. является обладателем премии Королевского общества за заслуги перед исследованием Вольфсона.
Вклад авторов
Задумал и спроектировал эксперименты: JFF GML. Проведены эксперименты: ZGW ZQZ. Проанализированы данные: JZ WC WLL. Предоставленные реагенты / материалы / инструменты для анализа: JZ WC WLL ZGW ZQZ GML JFF. Написал статью: JZ JFF.
Ссылки
- 1.
Сингх И., Роуз Н. (2009) Биомаркеры в психиатрии. Природа 460: 202–207. - 2.
Хан Т., Маркуанд А.Ф., Элис А.С., Дреслер Т., Киттель-Шнайдер С. и др. (2011) Интеграция нейробиологических маркеров депрессии.Архив общей психиатрии 68: 361. - 3.
Фристон К.Дж., Харрисон Л., Пенни В. (2003) Динамическое причинно-следственное моделирование. Нейроизображение 19: 1273–1302. - 4.
Фристон К., Флетчер П., Джозефс О., Холмс А., Рагг М. и др. (1998) Связанная с событием фМРТ: характеристика дифференциальных ответов. Нейроизображение 7: 30–40. - 5.
Фристон К.Дж., Холмс А.П., Полайн Дж., Грасби П., Уильямс С. и др. (1995) Повторный анализ временных рядов фМРТ. Нейроизображение 2: 45–53. - 6.
Бисвал Б., Зеррин Йеткин Ф., Хотон В.М., Хайд Дж.С. (1995) Функциональная связь в моторной коре головного мозга покоящегося человека с использованием эхопланарной МРТ. Магнитный резонанс в медицине 34: 537–541. - 7.
Тао Х, Го С., Ге Т., Кендрик К. М., Сюэ З. и др. (2011) Депрессия разъединяет цепь ненависти в мозгу. Мол Психиатрия. - 8.
Sporns O (2011) Неслучайный мозг: эффективность, экономия и сложная динамика. Границы вычислительной нейробиологии 5: - 9.Bullmore E, Sporns O (2009) Сложные сети мозга: теоретический анализ графов структурных и функциональных систем. Nature Reviews Neuroscience 10: 186–198.
- 10.
Чжан Д., Райхле М.Э. (2010) Болезнь и темная энергия мозга. Обзоры природы Неврология 6: 15–28. - 11.
Демирчи О., Кларк В.П., Магнотта В.А., Андреасен Н.К., Лауриелло Дж. И др. (2008) Обзор проблем при использовании фМРТ для классификации / характеристики заболеваний и приложение для прогнозирования результатов многоцентрового исследования шизофрении фМРТ.Поведение при визуализации мозга 2: 207–226. - 12.
Dosenbach NUF, Nardos B, Cohen AL, Fair DA, Power JD и др. (2010) Прогнозирование индивидуальной зрелости мозга с помощью фМРТ. Наука 329: 1358–1361. - 13.
Magnin B, Mesrob L, Kinkingnéhun S, Pélégrini-Issac M, Colliot O и др. (2009) Поддержка векторной машинной классификации болезни Альцгеймера на основе анатомической МРТ всего мозга. Нейрорадиология 51: 73–83. - 14.
Zhu CZ, Zang YF, Cao QJ, Yan CG, He Y, et al.(2008) Дискриминационный анализ Фишера функции мозга в состоянии покоя при синдроме дефицита внимания / гиперактивности. Neuroimage 40: 110–120. - 15.
Кавасаки Ю., Сузуки М., Хериф Ф., Такахаши Т., Чжоу С.Ю. и др. (2007) Многомерная морфометрия на основе вокселей успешно отличает пациентов с шизофренией от здоровых людей. Нейроизображение 34: 235–242. - 16.
Дункан Дж. С. (1997) Визуализация и эпилепсия. Мозг 120: 339–377. - 17.
Дункан Дж. С. (2010) Визуализация в хирургическом лечении эпилепсии.Обзоры природы Неврология 6: 537–550. - 18.
Duncan JS, Sander JW, Sisodiya SM, Walker MC (2006) Эпилепсия взрослых. Ланцет 367: 1087–1100. - 19.
Леопольд Д.А., Мураяма Ю., Логотетис Н.К. (2003) Очень медленные колебания активности в зрительной коре головного мозга обезьян: последствия для функциональной визуализации мозга. Кора головного мозга 13: 422–433. - 20.
Zang Y, Jiang T, Lu Y, He Y, Tian L (2004) Подход региональной однородности к анализу данных фМРТ. Нейроизображение 22: 394–400. - 21.
Ло Ц., Ли Ц., Лай И, Ся И, Цинь И и др. (2011) Измененная функциональная связь в сети в режиме по умолчанию при отсутствии эпилепсии: исследование с помощью фМРТ в состоянии покоя. Картирование человеческого мозга 32: 438–449. - 22.
Лауфс Х., Хаманди К., Салек-Хаддади А., Кляйншмидт А.К., Дункан Дж. С. и др. (2007) Временные межпозвоночные эпилептические разряды влияют на церебральную активность в областях мозга «по умолчанию». Картирование человеческого мозга 28: 1023–1032. - 23.
Блюменфельд Х., Варгезе Г., Пуркаро М., Мотелоу Дж., Энев М. и др.(2009) Корковые и подкорковые сети при вторично генерализованных тонико-клонических припадках у человека. Мозг 132: 999–1012. - 24.
Waites AB, Briellmann RS, Saling MM, Abbott DF, Jackson GD (2006) Функциональные сети связи нарушаются при эпилепсии левой височной доли. Энн Нейрол 59: 335–343. - 25.
Ричиарди Дж., Эриилмаз Х., Шварц С., Вюиллумье П., Ван де Виль Д. (2011) Расшифровка состояний мозга из графов связности фМРТ. Нейроизображение 56: 616–626. - 26.
Bullmore ET, Bassett DS (2011) Графы мозга: графические модели коннектома человеческого мозга. Ежегодный обзор клинической психологии 7: 113–140. - 27.
Ширер В., Ряли С., Рыхлевская Е., Менон В., Грейциус М. (2012) Расшифровка когнитивных состояний, управляемых субъектом, с паттернами связи всего мозга. Кора головного мозга 22: 158–165. - 28.
Tzourio-Mazoyer N, Landeau B, Papathanassiou D, Crivello F, Etard O и др. (2002) Автоматизированная анатомическая маркировка активаций в SPM с использованием макроскопической анатомической разбивки головного мозга одного пациента MNI MRI.Нейроизображение 15: 273–289. - 29.
Behzadi Y, Restom K, Liau J, Liu TT (2007) Компонентный метод коррекции шума (CompCor) для BOLD и перфузионной фМРТ. Нейроизображение 37: 90–101. - 30.
Пауэр Дж.Д., Барнс К.А., Снайдер А.З., Шлаггар Б.Л., Петерсен С.Е. (2011) Ложные, но систематические корреляции в функциональных сетях МРТ связи возникают из-за движения объекта. Нейроизображение. - 31.
Ван Дейк KRA, Sabuncu MR, Buckner RL (2011) Влияние движения головы на внутреннюю функциональную связность МРТ.Нейроизображение. - 32.
Тонони Г., Спорнс О., Эдельман Г. М. (1994) Мера сложности мозга: взаимосвязь функциональной сегрегации и интеграции в нервной системе. Труды Национальной академии наук 91: 5033. - 33.
MacQueen J (1967) Некоторые методы классификации и анализа многомерных наблюдений; Калифорния, США. 14 п. - 34.
Тибширани Р. (1996) Регрессионное сжатие и отбор с помощью лассо. Журнал Королевского статистического общества, серия B (методологический).С. 267–288. - 35.
Чжан К., Грей Дж. В., Парвин Б. (2010) Редкая многозадачная регрессия для определения общего механизма ответа на терапевтические цели. Биоинформатика 26: i97 – i105. - 36.
Sun T, Walsh CA (2006) Молекулярные подходы к асимметрии и ручности мозга. Nature Reviews Neuroscience 7: 655–662. - 37.
Ge T, Kendrick KM, Feng J (2009) Новый подход с расширенной причинно-следственной моделью Granger демонстрирует различия полушарий мозга во время обучения распознаванию лиц.Вычислительная биология PLoS 5: e1000570. - 38.
Газзанига М.С. (2005) Сорок пять лет исследований с разделенным мозгом, но они все еще сильны. Nature Reviews Neuroscience 6: 653–659. - 39.
Лю Х., Стаффлбим С.М., Сепулькр Дж., Хедден Т., Бакнер Р.Л. (2009) Доказательства внутренней активности, свидетельствующие о том, что асимметрия человеческого мозга контролируется множеством факторов. Труды Национальной академии наук 106: 20499–20503. - 40.
Томаси Д., Волков Н.Д. (2011) Паттерны латеральности функциональной связи мозга: гендерные эффекты.Кора головного мозга. - 41.
Ван З., Механик-Гамильтон Д., Плута Дж., Глинн С., Детре Дж. А. (2009) Латерализация функций посредством измерения латеральности когерентности. Нейроизображение 47: 281–288. - 42.
Тейлор К.С., Семинович Д.А., Дэвис К.Д. (2009) Две системы связи в состоянии покоя между островковой частью и поясной корой. Картирование человеческого мозга 30: 2731–2745. - 43.
Mantini D, Perrucci MG, Del Gratta C, Romani GL, Corbetta M (2007) Электрофизиологические сигнатуры сетей состояния покоя в человеческом мозге.Труды Национальной академии наук 104: 13170. - 44.
Lundberg S, Eeg-Olofsson O, Raininko R, Eeg-Olofsson KE (1999) Асимметрия гиппокампа и аномалии белого вещества на МРТ при доброкачественной детской эпилепсии с центрально-височными спайками. Эпилепсия 40: 1808–1815. - 45.
Francks C, Maegawa S, Laurén J, Abrahams BS, Velayos-Baeza A, et al. (2007) LRRTM1 на хромосоме 2p12 — это ген, подавленный по материнской линии, который по отцовской линии ассоциирован с ручностью и шизофренией.Мол Психиатрия 12: 1129–1139. - 46.
Герберт М.Р., Зиглер Д., Дойч К., О’Брайен Л., Кеннеди Д. и др. (2005) Асимметрия мозга при аутизме и расстройстве языка развития: вложенный анализ всего мозга. Мозг 128: 213–226. - 47.
Бонелли С.Б., Пауэлл Р., Йогараджа М., Томпсон П.Дж., Симмс М.Р. и др. (2009) Предоперационная фМРТ миндалины при височной эпилепсии. Эпилепсия 50: 217–227. - 48.
Hayasaka S, Laurienti PJ (2010) Сравнение характеристик регионального и воксельного сетевого анализа в данных фМРТ в состоянии покоя.Neuroimage 50: 499–508. - 49.
Залески А., Форнито А., Хардинг И. Х., Кокки Л., Юсель М. и др. (2010) Анатомические сети всего мозга: имеет ли значение выбор узлов? Neuroimage 50: 970–983. - 50.
Douw L, Baayen JC, Klein M, Velis D, Alpherts WC, et al. (2009) Функциональная связность в головном мозге до и во время внутриартериальной амобарбитальной инъекции (тест Вада). Нейроизображение 46: 584–588.
Многомасштабное моделирование — обзор
1 Введение
Многомасштабное моделирование как развивающаяся парадигма моделирования широко рассматривается как многообещающий и мощный инструмент в различных дисциплинах.Комбинируя модели сложной системы с различными масштабами разрешения, многомасштабное моделирование может предложить высококачественную характеристику или повышенную вычислительную эффективность (Charpentier, 2002; Braatz et al., 2004; Vlachos, 2005). Однако многомасштабную модель обычно намного сложнее разработать, чем одномасштабную модель, из-за ряда проблем концептуальной, числовой и программной реализации (Yang and Zhao, 2009). Был предпринят ряд усилий для решения проблем многомасштабного моделирования.Сюда входят концептуальные разработки, такие как классификация подходов к многомасштабному моделированию (Pantelides, 2001; Ingram et al., 2004; Vlachos, 2006) и поддержка интеграции между конкретными типами инструментов моделирования (Bezo et al., 2004; Morales-Rodríguez И Гани, 2009). Основываясь на среде интеграции инструментов CHEOPS (Shcopfer et al., 2004), Kulikov et al. (2005) исследовали взаимосвязь CFD и моделирования баланса популяции.
В постоянных усилиях, направленных на изучение возможности разработки общих инструментов для компьютерного многомасштабного моделирования (CAMM), была предложена методология (Yang and Zhao, 2009), которая базирует инструменты CAMM на иерархической концептуализации многомасштабных систем и охватывает трехэтапный подход, с помощью которого предлагается компьютерная поддержка различной степени «автоматизации» концептуального моделирования, реализации модели и выполнения модели.Следуя этой методологии, был создан прототип инструмента концептуального моделирования (Zhao et al., 2010), который использует онтологию, разработанную Янгом и Марквардтом (2009) в качестве теории для универсальных многомасштабных систем. Результатом этого инструмента, называемого концептуальной моделью, является спецификация того, какие шкалы задействованы, как каждая шкала должна быть смоделирована (в терминах компонентов, явлений, свойств и законов) и как связаны разные шкалы.
Концептуальная модель может использоваться в качестве систематической документации многомасштабной модели.Более того, трехэтапная методология CAMM предполагает, что концептуальная модель может быть использована в качестве исходных данных для последующих этапов моделирования, что в конечном итоге приведет к успешному выполнению предполагаемого многомасштабного моделирования. В этой статье, Раздел 2 представляет инструмент, который поддерживает реализацию модели. Система исполнения модели (MES), сосредоточенная вокруг координатора моделирования, представлена в Разделе 3 для рассмотрения этапа выполнения модели. Пример для демонстрации функций MES описан в разделе 4.
(PDF) Модели реконфигурации крупномасштабных мозговых сетей в образах движения
Структура и функции мозга
1 3
Мозг. Нейрон 83 (1): 238–251. https: //doi.org/10.1016/j.neuro
n.2014.05.014
Корбетта М., Шульман Г.Л. (2002) Контроль целенаправленного и стимулирующего внимания в мозгу. Nat Rev Neurosci 3 (3): 201–
215. https: //doi.org/10.1038/nrn75 5
Damoiseaux JS, Rombouts SA, Barkhof F, Scheltens P, Stam CJ,
Smith SM, Beckmann CF (2006) Постоянное состояние покоя
сетей у здоровых субъектов.Proc Natl Acad Sci U S A
103 (37): 13848–13853. https: //doi.org/10.1073/pnas.06014
17103
Decety J (1996) Нейрофизиологическая основа воображения движения. Behav
Brain Res 77 (1-2): 45-52
Deco G, Tononi G, Boly M, Kringelbach ML (2015) Переосмысление регулирования и интеграции сегментов
: вклад моделирования всего мозга.
Nat Rev Neurosci 16 (7): 430–439. https: //doi.org/10.1038/nrn39 63
Dosenbach NUF, Nardos B, Cohen AL, Fair DA, Power JD, Church JA,
Nelson SM, Wig GS, Vogel AC, Lessov-Schlaggar CN, Barnes
KA, Dubis JW, Feczko E, Coalson RS, Pruett JR, Barch DM,
Petersen SE, Schlaggar BL (2010) Прогнозирование зрелости индивидуального мозга
с использованием фМРТ.Наука 329 (5997): 1358–1361. https: // doi.
org / 10.1126 / scien ce.11941 44
Du W, Ma S, Fu GS, Calhoun VD, Adali T. (2014) Новый подход
к оценке надежности Ica для анализа Fmri. 2014 IEEE
международная конференция по акустике, речи и обработке сигналов —
ing (Icassp)
Du W, Levin-Schwartz Y, Fu GS, Ma S, Calhoun VD, Adali T (2016)
Роль разнообразия в сложных алгоритмах ICA для анализа фМРТ-
sis.J Neurosci Methods 264: 129–135. https: //doi.org/10.1016/j.
jneum eth.2016.03.012
Geerligs L, Renken RJ, Saliasi E, Maurits NM, Lorist MM (2015)
исследование мозга возрастных изменений функциональных связей. Кора головного мозга 25 (7): 1987–1999. https: //doi.org/10.1093/
cerco r / bhu01 2
Gerardin E, Sirigu A, Lehericy S, Poline JB, Gaymard B, Marsault
C, Agid Y, Le Bihan D (2000) Частично перекрывается нейронная сеть-
работает для реальных и воображаемых движений рук.Кора головного мозга
10 (11): 1093–1104
Glasser MF, Coalson TS, Robinson EC, Hacker CD, Harwell J,
Yacoub E, Ugurbil K, Andersson J, Beckmann CF, Jenkinson M,
Smith SM , Ван Эссен, округ Колумбия (2016) Мультимодальная парцелляция
коры головного мозга человека. Nature 536 (7615): 171–178. https: // doi.
org / 10.1038 / natur e1893 3
Gratton C, Laumann TO, Gordon EM, Adeyemo B, Petersen SE
(2016) Доказательства двух независимых факторов, которые изменяют сети мозга
для достижения целей задачи.Cell Rep 17 (5): 1276–1288. https: //
doi.org/10.1016/j.celre p.2016.10.002
Halder S, Agorastos D, Veit R, Hammer EM, Lee S, Varkuti B, Bog-
дан M, Rosenstiel W, Бирбаумер Н., Кублер А. (2011) Neural
механизмы управления интерфейсом мозг-компьютер. NeuroIm-
, возраст 55 (4): 1779–1790. https: //doi.org/10.1016/j.neuro image
.2011.01.021
Hamzah N, Norhazman H, Zaini N, Sani M (2016) Классификация
сигналов ЭЭГ
на основе различных двигательных движений с использованием нескольких layer
Искусственная нейронная сеть Perceptron.J Biol Sci 16 (7): 265–271
Hein G, Morishima Y, Leiberg S, Sul S, Fehr E (2016) Функциональная сетевая архитектура мозга
раскрывает человеческие мотивы. Наука
351 (6277): 1074–1078. https: //doi.org/10.1126/scien ce.aac79 92
Hetu S, Gregoire M, Saimpont A, Coll MP, Eugene F, Michon PE,
Jackson PL (2013) Нейронная сеть образа движения: ALE
метаанализ. Neurosci Biobehav Rev 37 (5): 930–949. https: // doi.
орг / 10.1016 / j.neubi orev.2013.03.017
Hochberg LR, Serruya MD, Friehs GM, Mukand JA, Saleh M, Caplan
AH, Branner A, Chen D, Penn RD, Donoghue JP (2006) Neu-
рональный ансамблевый контроль протезных устройств человеком с тетраплегией
. Nature 442 (7099): 164–171. https: //doi.org/10.1038/
natur e0497 0
Hoshi E, Tanji J (2007) Различия между дорсальной и вентральной моторными областями до
: анатомическая связь и функциональные свойства.
Curr Opin Neurobiol 17 (2): 234–242. https: //doi.org/10.1016/j.
conb.2007.02.003
Джафри М.Дж., Перлсон Г.Д., Стивенс М., Калхун В.Д. (2008) Метод
функциональной сетевой связи между пространственно независимыми компонентами состояния покоя при шизофрении. NeuroImage 39 (4): 1666–
1681. https: //doi.org/10.1016/j.neuro image .2007.11.001
Krienen FM, Yeo BT, Buckner RL (2014) Reconfgurable task-зависимо —
Режимы функциональной связи группируются вокруг основной функциональной архитектуры
.Philos Trans R Soc Lond Ser B Biol Sci 369 (1653).
https: //doi.org/10.1098/rstb.2013.0526
Кумар С., Шарма А. (2018) Новый подход к настройке параметров для классификации сигналов ЭЭГ с улучшенными изображениями движения
. Med Biol
Eng Вычисления: 1–14
Кумар С., Мамун К., Шарма А. (2017) CSP-TSM: Оптимизация формы пер-
риманова касательного пространства с использованием общей пространственной модели
для MI-BCI. Comput Biol Med 91: 231–242. https
: // doi.org / 10.1016 / j.compb iomed .2017.10.025
Landry SP, Page S, Shiller DM, Lepage JF, Theoret H, Champoux
F (2015) Слуховые образы заставляют двигательные действия. Нейроотчет
26 (3): 101–106. https: //doi.org/10.1097/WNR.00000 00000 00030 7
Lewis CM, Baldassarre A, Committeri G, Romani GL, Corbetta M
(2009) Обучение формирует спонтанную активность покоящегося
человеческого мозга. Proc Natl Acad Sci U S A 106 (41): 17558–17563.
https: // doi.org / 10.1073 / pnas.09024 55106
Li XL, Adali T (2010) Независимый компонентный анализ с помощью энтропии
минимизация связанных. IEEE Trans Signal Process 58 (10): 5151–
5164. https: //doi.org/10.1109/Tsp.2010.20558 59
Li Y, Long J, Yu T, Yu Z, Wang C, Zhang H, Guan C (2010) Система BCI на основе
на основе ЭЭГ для управления двумерным курсором путем объединения
Mu / Beta-ритма и потенциала P300. IEEE Trans Bio-Med Eng
57 (10): 2495–2505
Li Y, Pan J, Long J, Yu T, Wang F, Yu Z, Wu W (2016) Multimodal
BCI: обнаружение целей, многомерное контроль и осведомленность
оценка у пациентов с расстройством сознания.Proc IEEE
104 (2): 332–352
Лю Ф, Го В., Фуш Дж. П., Ван И, Ван У, Дин Дж, Цзэн Л., Цю Ц,
Гонг Q, Чжан В, Чен Х (2015 ) Многофакторная классификация
социального тревожного расстройства с использованием функциональной связи всего мозга. Функция структуры мозга 220 (1): 101–115. https: //doi.org/10.1007/
s0042 9-013-0641-4
Long J, Li Y, Wang H, Yu T, Pan J, Li F (2012a) Гибридный мозг – com-
Компьютерный интерфейс для управления направлением и скоростью моделируемого
или реального инвалидного кресла.IEEE Trans Neur Syst Rehabil 20 (5): 720–729
Long J, Li Y, Yu T, Gu Z (2012b) Выбор цели с помощью гибридной модели
для управления двумерным курсором на основе BCI. IEEE Trans Bio-Med Eng
59 (1): 132–140
Madan CR, Singhal A (2012) Моторные образы и высокоуровневое познание
: четыре препятствия, прежде чем исследования начнут двигаться вперед. Cognit Pro-
cess 13 (3): 211–229. https: //doi.org/10.1007/s1033 9-012-0438-z
Mantini D, Perrucci MG, Del Gratta C, Romani GL, Corbetta M (2007)
Электрофизиологические сигнатуры сетей состояния покоя в
человеческий мозг.Proc Natl Acad Sci U S A 104 (32): 13170–13175.
https: //doi.org/10.1073/pnas.07006 68104
Mantini D, Corbetta M, Perrucci MG, Romani GL, Del Gratta C (2009)
Крупномасштабные сети мозга составляют устойчивые и временные
активность при обнаружении цели. NeuroImage 44 (1): 265–274. https
: //doi.org/10.1016/j.neuro image .2008.08.019
Marek S, Hwang K, Foran W., Hallquist MN, Luna B (2015). Вклад в организацию и интеграцию сети. на развитие когнитивного контроля.PLoS Biol 13 (12): e1002328. https: //
doi.org/10.1371/journ al.pbio.10023 28
McFarland DJ, Wolpaw JR (2011) Интерфейсы мозг – компьютер для связи и управления. Коммуна ACM 54 (5): 60–66. https: // doi.
org / 10.1145 / 19414 87.19415 06
Гей китайский режиссер Уилл Занг столкнулся с дилеммой в фильме «Лист
».
С момента иммиграции в Район Залива из Китая в 2013 году местный кинорежиссер и маркетолог Уилл Занг лихорадочно работал, чтобы сделать себе имя в этой индустрии.
Он является участником съемочной группы документальных фильмов «Невероятный Аллан Карр», «Нерассказанные истории Армистеда Мопена» и «Неопределенный: в поисках беженца в Америке» и снял несколько собственных фильмов, в том числе отмеченный наградами фильм 2019 года «Одевайся как Миссис Даутфайр.
Но в марте 2020 года, когда в Калифорнии вступили в силу приказы о приюте на месте, остановившие производство и вынудившие закрыться кинотеатры, Занг оказался безработным и не был уверен в своем следующем шаге.
Должен ли он остаться в районе залива на фоне быстро растущих антиазиатских настроений или вернуться в Китай, где он не сможет открыто жить как гей?
«Почти семь-восемь месяцев я был без работы», — говорит Занг.«Я действительно чувствовал себя безнадежным из-за неопределенности моего будущего в США»
Он делает свое беспокойство ощутимым в своем последнем фильме «Лист», премьера которого состоится 13 мая на 11-дневном кинофестивале CAAMFest в Центре азиатско-американских СМИ в программе короткометражных фильмов Out / Here, которая предлагается практически на протяжении всего мероприятия. Программа CAAMFest включает в себя десятки фильмов, транслируемых в прямом эфире, по запросу и / или на подъездной дорожке Форт Мейсон Фликс.
Занг никогда не говорит в четырехминутном гибридном документе, который документирует его мучительную борьбу в качестве азиатского иммигранта-гея во время пандемии.Он передает свои чувства, используя кадры из пустынного Сан-Франциско во время карантина, тревожные новостные сообщения, связанные с COVID-19, и тревожные сообщения WeChat от его далекой семьи и друзей после тревожных комментариев Дональда Трампа о «китайском вирусе».
После COVID-19 Цзэну не приходилось искать антикитайские и антикитайские комментарии до Вашингтона. Он слышал их от своих друзей в заливе.
«Очень грустно видеть, что вирус не просто убивает людей, но даже разделяет их», — говорит Занг.«Я начал спрашивать:« Мне все еще здесь рады? »»
Он также задавался вопросом, как долго он сможет позволить себе оставаться в Городе.
В одном из эпизодов, ища возможности удаленной работы в Интернете, он получает голосовые сообщения из Пекина, где ему говорят, что вирус находится под контролем, и он может легко получить работу в киноиндустрии (Китай является вторым по величине рынком кино в мире после Голливуд.)
Но если бы он вернулся в свою родную страну, Занг говорит, что его загнали бы обратно в туалет, иначе он рискует подвергнуться насмешкам со стороны общественности и лишиться возможности работать.
«В настоящее время в Китае быть геем или гомосексуалистом все еще не принято в культурном отношении», — говорит он. «Люди ожидали, что я буду« нормальным »мужчиной, выйду замуж и буду иметь детей».
Его семья ясно дает понять в одном голосовом письме в фильме, что они тоже ожидают, что он поселится — желательно рядом с ними.
«Ты как лист, и у тебя нет заграничных корней», — добавляет друг в другом сообщении. «Ваши родители все еще дома, и, несмотря ни на что, вы все еще можете на них рассчитывать.”
Занг говорит, что их коллективное настойчивое требование отойти назад одновременно тронуло и смутило его, заставив на время усомниться в своем решении остаться в США.
«[В конечном итоге] я чувствую, что я больше посередине и по-разному привязан к двум странам», — говорит он. «Меня привлекает либеральная среда в районе залива, и, с другой стороны, мне ясно, что я все еще китаец и чувствую большую культурную связь с моими китайскими друзьями».
Занг, который по-прежнему занимается маркетингом фильмов для коллег-инди-кинематографистов, говорит, что надеется, что «Лист», который отыграет еще несколько фестивалей в июне, произведет впечатление на нужных людей, и он сможет получить финансирование для будущих проектов.
Для кинематографиста было бы мечтой когда-нибудь вдохновить своим искусством столько же людей, сколько его предки из ЛГБТК, такие как Армистед Мопин в своих романах «Сказки о городе» или как продюсер Аллан Карр сделал в «Grease».
«Я чувствую, что в одном я разделяю с ними то, что я очень предан, целеустремлен и сосредоточен на своей карьере», — говорит Занг. «Я надеюсь, что однажды я смогу использовать свои собственные работы, чтобы влиять на большее количество людей».
ЕСЛИ ПОЙДИТЕ
CAAMFest
Где : Интернет и в Fort Mason Flix, 2 Marina Blvd., С.Ф.
Когда : 13-23 мая
Билеты : Некоторые разговоры бесплатные; онлайн-просмотры 10 долларов за программу; 50-90 долларов за просмотр автомобилей; 50 долларов на фестивальный пропуск
Свяжитесь с : https://caamfest.com/2021
«Змееголов» Эвана Джексона Лонга о женщине, которая пробирается в китайский квартал Нью-Йорка после прибытия через человека-контрабандиста, транслируется в Интернете на CAAMFest с докладом режиссера 22 мая. (Фото любезно предоставлено)
Выбрать лучшие
Премьера : «Старайся еще сильнее!» — это профиль директора средней школы Лоуэлла в Сан-Франциско Дебби Лам, где большинство учеников имеют высокие успеваемость и являются американцами азиатского происхождения, но часто чувствуют, что не успевают достаточно хорошо.18:30 и 21:15 13 мая в Форт-Мейсон
Последний вечер : «По-американски», режиссер Иман Завари, рассказывает историю двух сестер из Джексон-Хайтс, Квинс, и их новоиспеченной двоюродной сестры, пытающейся заслужить любовь и уважение матриарха своей семьи. 17:00 23 мая онлайн
В центре внимания документальный фильм : «Мансанар, отвлеченный: когда вода становится пылью» режиссера Анн Канеко рассказывает о различных поколениях коренных американцев, американцев японского происхождения и защитницах окружающей среды, которые борются за свою землю и свои права.18:00 16 мая онлайн
Центральное место в повествовании : «Змееголов» Эвана Джексона Леонга переносит зрителей в китайский квартал Нью-Йорка, где сестра Цзе (Шуя Чанг) прибывает со змееголовом, контрабандисткой-человеком, борется за выживание и переходит от выживания к процветанию. 19:00 22 мая онлайн; до 18:00. Разговор с режиссером, чей хитовый фильм «Безумство», о восхождении баскетболиста Джереми Лина из его дома в Пало-Альто до звезды НБА, транслируется практически
В центре внимания : Признанный комик Маргарет Чо появляется в разговоре с премьерой «Истории о призраках Корейского квартала», сверхъестественного ужаса, основанного на корейском ритуале с Чо и Лирикой Окано в главных ролях.16:00 16 мая онлайн
Hong Kong Cinema Showcase : «Счастливы вместе», основополагающий фильм Вонга Кар-Вая с Лесли Чеунгом и Тони Люном в главных ролях в роли влюбленных, которые борются за сохранение своих отношений. 15 мая в Форт-Мейсон; в отдельной программе «Как мы продолжаем танцевать» режиссера Адама Вонга о жизни артистов, борющихся за выживание в меняющемся промышленном районе Коулун, показ в 21:15. 15 мая в форте Мейсон
Out / Here Shorts : Шесть фильмов, включая «Лист», составляют 62-минутную программу рассказов ЛГБТК + сообществ, которая будет доступна онлайн с 13 по 23 мая
КитайФильмы и ТВ Сан-Франциско
Если вы считаете нашу журналистику ценной и актуальной, рассмотрите возможность присоединения к нашей программе членства Examiner.
Узнайте больше на www.sfexaminer.com/join/
Ли Чжан, Мэриленд | Кливлендская клиника
Врачи и ученые Cleveland Clinic могут сотрудничать с фармацевтической промышленностью или производителями медицинского оборудования, чтобы помочь в развитии медицинских достижений или предоставить медицинский опыт или образование. Cleveland Clinic стремится к научным достижениям, которые принесут пользу пациентам и поддержат внешние отношения, которые обещают общественную пользу.Чтобы открытия лабораторий врачей и ученых Кливлендской клиники и исследования принесли пользу общественности, эти открытия должны быть коммерциализированы в партнерстве с промышленностью. Врачи и ученые Cleveland Clinic, являющиеся экспертами в своих областях, часто пользуются спросом в промышленности для консультаций, предоставления экспертных знаний и обучения.
Чтобы гарантировать профессиональную и коммерческую честность в таких вопросах, Cleveland Clinic поддерживает программу, которая рассматривает это сотрудничество и, при необходимости, принимает меры для минимизации предвзятости, которая может возникнуть из-за связей с отраслью.Cleveland Clinic публично раскрывает названия компаний, когда (i) ее врачи / ученые получают 5000 долларов или более в год (или, в редких случаях, акции или опционы на акции) за выступления и консультации, (ii) ее врачи / ученые выступают в качестве доверенного лица , (iii) его врачи / ученые получают или имеют право на получение гонорара, или (iv) его врачи / ученые владеют долей участия в роли врача / ученого как изобретателя, первооткрывателя, разработчика, основателя или консультанта. * При публичном раскрытии этого Информация, Cleveland Clinic старается предоставить как можно более точную информацию о связях своих врачей и ученых с промышленностью.
По состоянию на 24.05.2021 д-р Чжан не сообщил об отсутствии финансовых отношений с промышленностью, применимых к этому списку.
В общем, пациенты должны свободно обращаться к своему врачу по поводу любых взаимоотношений и того, как эти отношения контролируются клиникой Кливленда. Чтобы узнать больше о политике Cleveland Clinic в отношении сотрудничества с промышленностью и управления инновациями, перейдите на нашу страницу «Честность в инновациях».
Финансовые конфликты интересов, подлежащие отчетности в службе общественного здравоохранения. Ученые и врачи Cleveland Clinic участвуют в фундаментальных, переводческих и клинических исследованиях, работая над решением проблем со здоровьем, улучшением ухода за пациентами и улучшением качества жизни пациентов. Взаимодействие с промышленностью имеет важное значение для ознакомления общественности с открытиями исследователей, но может создавать потенциальные конфликты интересов, связанные с их исследовательской деятельностью.Щелкните здесь, чтобы просмотреть список случаев, когда Cleveland Clinic выявила конфликт интересов, подлежащий регистрации в сфере общественного здравоохранения (PHS), и приняла меры для обеспечения того, чтобы, насколько это возможно, планирование, проведение и отчетность по исследованию свободен от предвзятости.
* Врачи и ученые Cleveland Clinic придерживаются рекомендаций, содержащихся в Кодексе PhRMA по взаимодействию с медицинскими работниками и Этическом кодексе AdvaMed по взаимодействию с медицинскими работниками.Таким образом, подарки значительной стоимости, как правило, запрещены.
Потенциал опреснения увлажнения-осушения с помощью солнечной энергии для мелкомасштабного децентрализованного производства воды
Аннотация
Мировая нехватка воды, особенно в развивающихся странах, указывает на острую потребность
разработать недорогие децентрализованные маломасштабные опреснительные технологии, использующие
возобновляемые источники энергии. В этой статье дается всесторонний обзор состояния-
современное искусство в одной из самых многообещающих технологий, работающих на солнечной энергии.
увлажнение-осушение (HDH) опреснение.Предыдущие исследования исследовали
много разных вариаций цикла HDH. В этой статье параметры производительности, которые
возможность сравнения различных версий цикла HDH.
оценен. Чтобы лучше сравнить эти циклы, каждый был представлен в психометрической шкале.
координаты. Также рассматриваются основные компоненты системы HDH и
по сравнению, включая увлажнитель, солнечные обогреватели и осушители. Частичное внимание
отдается солнечным воздухонагревателям, проектные данные для которых ограничены; и прямое воздушное отопление
по сравнению с прямым нагревом воды в оценках цикла.Альтернативные процессы на основе
также рассматриваются и сравниваются концепции HDH. Кроме того, новые предложения по
намечены улучшения цикла HDH. Сделан вывод о том, что технология HDH имеет
большие перспективы для децентрализованных приложений для мелкомасштабного производства воды, хотя
необходимы дополнительные исследования и разработки для повышения эффективности системы и
снижение капитальных затрат.
Отдел
Массачусетский Институт Технологий. Кафедра машиностроения
Журнал
Обзоры возобновляемых и устойчивых источников энергии (онлайн)
Цитата
Нараян, Г.Prakash et al. «Потенциал опреснения увлажнения-осушения с помощью солнечной энергии для децентрализованного производства воды в небольших масштабах». Обзоры возобновляемой и устойчивой энергетики 14.4 (2010): 1187-1201.
Версия: Последняя рукопись автора
Ключевые слова
увлажнение, осушение, опреснение, децентрализованное производство воды, солнечная энергия, мелкомасштабное производство воды
Атомное регулирование анионной и катионной миграции в щелочно-металлических батареях
Ларчер Д. и Тараскон Ж.-М. На пути к более экологичным и устойчивым батареям для хранения электроэнергии. Nat. Chem. 7 , 19–29 (2015).
CAS
PubMed
Статья
Google Scholar
Ли, М., Лу, Дж., Чен, З. и Амин, К. 30 лет литий-ионных аккумуляторов. Adv. Матер. 30 , 1800561 (2018).
Артикул
CAS
Google Scholar
Лю Б., Чжан Ж.-Г. & Сюй, В. Продвижение литий-металлических батарей. Джоуль 2 , 833–845 (2018).
CAS
Статья
Google Scholar
Manthiram, A., Fu, Y., Chung, S.-H., Zu, C. & Su, Y.-S. Перезаряжаемые литий-серные батареи. Chem. Ред. 114 , 11751–11787 (2014).
CAS
PubMed
Статья
Google Scholar
Pang, Q., Liang, X., Kwok, C.-Y. И Назар, Л.-Ф. Достижения в области литий-серных аккумуляторов на основе многофункциональных катодов и электролитов. Nat. Энергетика 1 , 16132 (2016).
ADS
CAS
Статья
Google Scholar
Abouimrane, A. et al. Новый класс литиевых и натриевых аккумуляторных батарей на основе селена и селеносеры в качестве положительного электрода. J. Am. Chem. Soc. 134 , 4505–4508 (2012).
CAS
PubMed
Статья
Google Scholar
Янг, К.-П. и другие. Усовершенствованный селен-углеродный катод для литий-селеновых аккумуляторных батарей. Angew. Chem. Int. Эд. 52 , 8363–8367 (2013).
ADS
CAS
Статья
Google Scholar
Manthiram, A., Fu, Y. & Su, Y.-S. Проблемы и перспективы литий-серных аккумуляторов. В соотв. Chem. Res. 46 , 1125–1134 (2013).
CAS
PubMed
Статья
Google Scholar
Эверс, С. и Назар, Л.-Ф. Новые подходы к катодам литий-серных батарей с высокой плотностью энергии. В соотв. Chem. Res. 46 , 1135–1143 (2013).
CAS
PubMed
Статья
Google Scholar
Она, З.-W., Sun, Y., Zhang, Q. & Cui, Y. Проектирование высокоэнергетических литий-серных батарей. Chem. Soc. Ред. 45 , 5605–5634 (2016).
Артикул
Google Scholar
Джи, Х., Ли, К.-Т. И Назар, Л.-Ф. Высокоупорядоченный наноструктурированный сероуглеродный катод для литий-серных аккумуляторов. Nat. Матер. 8 , 500–506 (2009).
ADS
CAS
PubMed
Статья
Google Scholar
Zhou, G., Paek, E., Hwang, G.-S. & Manthiram, A. Долговечные литий-полимерные / полисульфидные батареи с высоким содержанием серы благодаря легкой трехмерной графеновой губке, содержащей азот / серу. Nat. Commun. 6 , 7760 (2015).
ADS
CAS
PubMed
Статья
Google Scholar
Wang, J., He, Y.-S. И Янг, Дж. Композитные катодные материалы на основе серы для перезаряжаемых литиевых батарей высокой энергии. Adv. Матер. 27 , 569–575 (2015).
CAS
PubMed
Статья
Google Scholar
Zhou, G. et al. Электрод из вспененного графена с высоким содержанием серы для гибких и высокоэнергетических Li-S батарей. Nano Energy 11 , 356–365 (2015).
CAS
Статья
Google Scholar
Tao, T. et al. Улучшение анодов в литий-серных аккумуляторных батареях. Adv. Матер. 29 , 1700542 (2017).
Артикул
CAS
Google Scholar
Cha, E. et al. 2D MoS 2 в качестве эффективного защитного слоя для литий-металлических анодов в высокопроизводительных Li-S батареях. Nat. Nanotechnol. 13 , 337–344 (2018).
ADS
CAS
PubMed
Статья
Google Scholar
Bai, S. et al. Сепаратор на основе металлоорганического каркаса для литий-серных аккумуляторов. Nat. Энергия 1 , 16094 (2016).
ADS
CAS
Статья
Google Scholar
Tu, S. et al. Полимер, иммобилизующий полисульфид, замедляет перемещение полисульфидных промежуточных продуктов в литий-серные батареи. Adv. Матер. 30 , 1804581 (2018).
Артикул
CAS
Google Scholar
Yang, Y. & Zhang, J. Высокостабильные литий-серные батареи на основе сепараторов целгарда с лапонитным нанолистовым покрытием. Adv. Energy Mater. 8 , 1801778 (2018).
Артикул
CAS
Google Scholar
He, Y. et al. Одновременное подавление роста дендритов лития и шаттла полисульфидов с помощью гибкой мембраны на основе MOF в Li-S батареях. Adv. Energy Mater. 8 , 1802130 (2018).
ADS
Статья
CAS
Google Scholar
Cheng, Z. et al. Сепаратор, модифицированный углеродными нанолистами с кобальтовым покрытием, обеспечивающий хемосорбцию и каталитическое действие полисульфидов для литий-серных батарей с высокой плотностью энергии. Adv. Energy Mater. 9 , 19 (2019).
Артикул
CAS
Google Scholar
Lu, Q.и другие. «Электроотрицательный» бифункциональный слой покрытия: одновременное регулирование участков адсорбции полисульфидов и литий-ионных аккумуляторов для аккумуляторов Li-S с длительным циклом работы и «без дендритов». J. Mater. Chem. А 7 , 22463–22474 (2019).
CAS
Статья
Google Scholar
Tian, Y. et al. Селенид сурьмы с низкой шириной запрещенной зоны с дефицитом селена в качестве многофункционального полисульфидного барьера для высокопроизводительных литий-серных батарей. Adv. Матер. 32 , 1
6 (2020).
CAS
Статья
Google Scholar
Li, Z. et al. Создание кислородных вакансий в блокирующем полисульфид слое с повышенной каталитической способностью. Adv. Матер. 32 , 1
4 (2020).
CAS
Статья
Google Scholar
Гупта А. и Сиварам С. Разделительные мембраны для литий-серных батарей: принципы проектирования. Struct. Выполнять. Energy Techol 7 , 1800819 (2019).
Артикул
CAS
Google Scholar
Balach, J. et al. Функциональный мезопористый сепаратор с углеродным покрытием для долговечных высокоэнергетических литий-серных батарей. Adv. Функц. Матер. 25 , 5285–5291 (2015).
CAS
Статья
Google Scholar
Ю., Х., Би, З., Чжао, Ф. и Мантирам, А. Управление полисульфидным шаттлом в литий-серных батареях с химически / электрохимически совместимым твердым электролитом типа NaSICON. Adv. Energy Mater. 6 , 1601392 (2016).
Артикул
CAS
Google Scholar
Fan, L. et al. Одновременное подавление образования дендритов и челночного эффекта в литий-серной батарее за счет двусторонней границы раздела твердых электролитов. Adv. Sci. 5 , 1700934 (2018).
Артикул
CAS
Google Scholar
Zhang, N., Li, B., Li, S. & Yang, S. Мезопористый гибридный электролит для одновременного ингибирования литиевых дендритов и полисульфидного челнока в Li-S батареях. Adv. Energy Mater. 8 , 1703124 (2018).
Артикул
CAS
Google Scholar
Li, S. et al. Ингибирование полисульфидных челноков в Li-S батареях: модифицированные сепараторы и твердотельные электролиты. Adv. Energy Mater. 11 , 2000779 (2020).
Huang, J.-Q. и другие. Селективная мембрана из оксида графена для высокостабильных литий-серных батарей с защитой от саморазряда. САУ Нано 9 , 3002–3011 (2015).
CAS
PubMed
Статья
Google Scholar
Zhou, G. et al. Гибкий интегрированный электрод с разделителем серы, графена и полипропилена для современных Li-S батарей. Adv. Матер. 27 , 641–647 (2015).
CAS
PubMed
Статья
Google Scholar
Zhai, P. Y. et al. Масштабное производство сепараторов, модифицированных пористым графеном, для литий-серных аккумуляторов большой емкости. Energy Storage Mater. 7 , 56–63 (2017).
Артикул
Google Scholar
Pei, F. et al. Двумерный пористый модифицированный углеродом сепаратор для Li-S батарей с высокой плотностью энергии. Джоуль 2 , 323–336 (2018).
CAS
Статья
Google Scholar
Lei, T. et al. Запрещение челночного перемещения полисульфидов с помощью сепаратора из графенового композитного материала для высокопрочных литий-серных батарей. Джоуль 2 , 2091–2104 (2018).
CAS
Статья
Google Scholar
Панг, Ю., Вэй, Дж., Ван, Ю. и Ся, Ю. Синергетический защитный эффект сверхлегкого модифицированного сепаратора MWCNT / NCQD для высокостабильных литий-серных батарей. Adv. Energy Mater. 8 , 1702288 (2018).
Артикул
CAS
Google Scholar
Xiao, Z. et al. Легкая прослойка TiO 2 / графен, применяемая в качестве высокоэффективного полисульфидного абсорбента для быстрых и долговечных литий-серных батарей. Adv. Матер. 27 , 2891–2898 (2015).
CAS
PubMed
Статья
Google Scholar
Zhao, Y. et al. Плотное покрытие из смеси Li 4 Ti 5 O 12 и графена на сепараторе для обеспечения длительного срока службы литий-серной батареи. Nano Energy 30 , 1–8 (2016).
Артикул
CAS
Google Scholar
Гази, З.-А. и другие. MoS 2 / Celgard сепаратор как эффективный полисульфидный барьер для долговечных литий-серных батарей. Adv. Матер. 29 , 1606817 (2017).
Артикул
CAS
Google Scholar
Wu, J. et al. Сверхлегкий послойный самосборный сепаратор, модифицированный полимером MoS2, для одновременного улавливания полисульфидов и подавления дендритов лития. Adv. Energy Mater. 8 , 1802430 (2018).
Артикул
CAS
Google Scholar
He, J., Chen, Y. & Manthiram, A. Вертикальные полые наностенки Co9S8, выращенные на сепараторе Celgard в качестве многофункционального полисульфидного барьера для высокоэффективных Li-S батарей. Energy Environ. Sci. 11 , 2560–2568 (2018).
CAS
Статья
Google Scholar
Song, J. et al. Иммобилизация полисульфидов с помощью сепараторов, функционализированных MXene, для стабильных литий-серных батарей. ACS Appl. Матер. Интерфейсы 8 , 29427–29433 (2016).
CAS
PubMed
Статья
Google Scholar
Peng, H.-J. и другие. Кооперативный интерфейс для высокоэффективных литий-серных батарей. Adv. Матер. 28 , 9551–9558 (2016).
CAS
PubMed
Статья
Google Scholar
Zhou, Y. et al. Катионные двумерные листы для сверхлегкой электростатической полисульфидной ловушки для высокоэффективных литий-серных батарей. Energy Storage Mater. 9 , 39–46 (2017).
Артикул
Google Scholar
Zang, Y. et al. Подготовка большой площади кристаллической микропористой проводящей мембраны без трещин для модернизации высокоэнергетических литий-серных батарей. Adv. Energy Mater. 8 , 1802052 (2018).
Артикул
CAS
Google Scholar
Wu, F. et al. Композитные металлоорганические каркасы, навинченные на вязаный сепаратор из УНТ, для подавления челночного эффекта литий-серных батарей. Energy Storage Mater. 14 , 383–391 (2018).
Артикул
Google Scholar
Tian, M. et al.Ультратонкий нанолист MOF собирает высокоориентированную микропористую мембрану в качестве промежуточного слоя для литий-серных батарей. Energy Storage Mater. 21 , 14–21 (2019).
Артикул
Google Scholar
Hong, X.-J. и другие. Металлоорганические каркасы на основе церия в качестве эффективного разделительного покрытия, катализирующего превращение полисульфидов для высокоэффективных литий-серных батарей. САУ Нано 13 , 1923–1931 (2019 г.).
CAS
PubMed
Google Scholar
Li, Y. et al. Имитация массива одиночных атомов на ультратонких нанолистах MOF повышает безопасность и срок службы литий-серных батарей. Adv. Матер. 32 , 1
2 (2020).
CAS
Статья
Google Scholar
Cheng, C. et al. Низковольтная электростатическая модуляция диффузии ионов через слоистые нанопористые мембраны на основе графена. Nat. Nanotechnol. 13 , 685–690 (2018).
ADS
CAS
PubMed
Статья
Google Scholar
Zhang, M. et al. Контролируемый перенос ионов с помощью мембраны из оксида графена с поверхностным зарядом. Nat. Commun. 10 , 1253 (2019).
ADS
PubMed
PubMed Central
Статья
CAS
Google Scholar
Koenig, S.-P., Wang, L., Pellegrino, J. & Bunch, J.-S. Селективное молекулярное просеивание через пористый графен. Nat. Nanotechnol. 7 , 728–732 (2012).
ADS
CAS
PubMed
Статья
Google Scholar
Lin, L.-C. И Гроссман, Ж.-К. Атомистические представления о восстановленном оксиде графена как о сверхтонкой нанопористой мембране для разделения. Nat. Commun. 6 , 8335 (2015).
ADS
CAS
PubMed
Статья
Google Scholar
Surwade, S.-P. и другие. Обессоливание воды с использованием однослойного нанопористого графена. Nat. Nanotechnol. 10 , 459–464 (2015).
ADS
CAS
PubMed
Статья
Google Scholar
Ding, L. et al. Эффективное ионное просеивание с Ti 3 C 2 T x Мембраны MXene для производства питьевой воды из морской воды. Nat. Sustain 3 , 296–302 (2020).
Артикул
Google Scholar
Sapkota, B. et al. Высокопроницаемые субнанометровые ситовые композитные мембраны MoS 2 . Nat. Commun. 11 , 2747 (2020).
ADS
CAS
PubMed
PubMed Central
Статья
Google Scholar
Sasaki, T. et al.Макромолекулярные аспекты коллоидной суспензии расслоенного титаната. попарное объединение нанолистов и инициирование процесса динамической сборки. J. Am. Chem. Soc. 118 , 8329–8335 (1996).
CAS
Статья
Google Scholar
Сасаки Т. и Ватанабе М. Осмотическое набухание до отшелушивания. исключительно высокая степень гидратации слоистого титаната. J. Am. Chem.Soc. 120 , 4682–4689 (1998).
CAS
Статья
Google Scholar
Ван, Л. и Сасаки, Т. Нанолисты оксида титана: аналоги графена с разнообразными функциями. Chem. Ред. 114 , 9455–9486 (2014).
CAS
PubMed
Статья
Google Scholar
Sasaki, T. et al. Смешанный титанат щелочного металла со слоистой структурой лепидокрокита.препарат, кристаллическая структура, протонная форма и свойства кислотно-основного интеркалирования. Chem. Матер. 10 , 4123–4128 (1998).
CAS
Статья
Google Scholar
Ohwada, M. et al. Атомная структура нанолиста диоксида титана с вакансиями. Sci. Отчет 3 , 2801 (2013).
PubMed
PubMed Central
Статья
Google Scholar
Xu, X. et al. Наночастица оксида тантала в виде автономного электролита толщиной один нанометр. Energy Environ. Sci. 4 , 3509–3512 (2011).
CAS
Статья
Google Scholar
Xiong, P. et al. Двумерные однослойные катионодефицитные нанолистовые сверхрешетки оксида металла для высокоскоростного накопления энергии иона натрия. ACS Nano 12 , 12337–12346 (2018).
CAS
PubMed
Статья
Google Scholar
Angelomé, P.-C. и другие. Пленки TiO2 мезопористого анатаза: использование Ti K XANES для количественной оценки нанокристаллического характера и эффектов подложки при фотокатализе. J. Phys. Chem. С. 111 , 10886–10893 (2007).
Артикул
CAS
Google Scholar
Pan, L. et al. Управление спиновой поляризацией диоксида титана для эффективного фотокатализа. Nat. Commun. 11 , 418 (2020).
ADS
CAS
PubMed
PubMed Central
Статья
Google Scholar
Fukuda, K. et al. Наноархитектура полупроводниковых нанолистов диоксида титана, выявленная с помощью поляризационно-зависимой тонкой структуры поглощения рентгеновских лучей флуоресценции полного отражения. J. Phys. Chem. B 108 , 13088–13092 (2004).
CAS
Статья
Google Scholar
Zheng, F. et al. Критически стабильная длина в складках двумерных материалов. САУ Нано 14 , 2137–2144 (2020).
CAS
PubMed
Статья
Google Scholar
Huang, H. et al. Сверхбыстрый поток вязкой воды через мембраны из оксида графена с нанонитями. Nat. Commun. 4 , 2979 (2013).
ADS
PubMed
Статья
CAS
Google Scholar
Geng, F. et al. Гигантское разбухание неорганических слоистых материалов: мост к молекулярно тонким двумерным нанолистам. J. Am. Chem. Soc. 136 , 5491–5500 (2014).
CAS
PubMed
Статья
Google Scholar
Fukuda, K. et al. Коллоидные однослойные слои оксида тантала с открытыми каналами. Inorg. Chem. 46 , 4787–4789 (2007).
CAS
PubMed
Статья
Google Scholar
Хурана, Р., Шефер, Ж.-Л., Арчер, Л.-А. И Коутс, Г.-В. Подавление роста дендритов лития с помощью электролитов из сшитого полиэтилена / полиэтилена: новый подход для практических литий-металлических полимерных батарей. J. Am. Chem. Soc. 136 , 7395–7402 (2014).
CAS
PubMed
Статья
Google Scholar
Tian, H. et al. Теоретическое исследование 2D слоистых материалов в качестве защитных пленок для металлических анодов лития и натрия. Adv. Energy Mater. 7 , 1602528 (2017).
Артикул
CAS
Google Scholar
Guo, Y. et al. Самопереносимый g-C 3 N 4 Li + -модулирующий слой на стабильные литиевые аноды. Adv. Матер. 31 , 1
2 (2019).
Артикул
CAS
Google Scholar
Сюй, Ю.и другие. Ионно-транспортно-выпрямляющий слой позволяет использовать литий-металлические батареи с высокой плотностью энергии. Материя 3 , 1685–1700 (2020).
Артикул
Google Scholar
Ковтюхова Н.-И. и другие. Послойная сборка ультратонких композитных пленок из микронных листов оксида графита и поликатионов. Chem. Матер. 11 , 771–778 (1999).
CAS
Статья
Google Scholar
Zhang, S. et al. Активированный уголь со сверхвысокой удельной поверхностью, синтезированный из природного растительного материала для литий-серных аккумуляторов. J. Mater. Chem. А 2 , 15889–15896 (2014).
CAS
Статья
Google Scholar
Ye, H. et al. Активация Li2S как литийсодержащего катода в литий-серных батареях. ACS Energy Lett. 5 , 2234–2245 (2020).
CAS
Статья
Google Scholar
Weadock, N. et al. Определение механических свойств SEI в ионно-натриевых батареях с помощью коллоидной зондовой микроскопии. Nano Energy 2 , 713–719 (2013).
CAS
Статья
Google Scholar
Xiao, W.-Z. и другие. Двумерные гетероструктуры Ван-дер-Ваальса H-TiO 2 / MoS 2 (WS 2 ) для фотокатализа в видимом свете и преобразования энергии. Заявл.Серфинг. Sci. 504 , 144425 (2020).
CAS
Статья
Google Scholar
Кресс, Г. и Жубер, Д. От сверхмягких псевдопотенциалов к методу дополненных волн проектора. Phys. Ред. B 59 , 1758–1775 (1999).
ADS
CAS
Статья
Google Scholar
Perdew, J. P., Burke, K. & Ernzerhof, M.Обобщенное приближение градиента стало проще. Phys. Rev. Lett. 77 , 3865–3868 (1996).
ADS
CAS
PubMed
Статья
Google Scholar
Эрнцерхоф М. и Скузериа Г. Э. Оценка обменно-корреляционного функционала Пердью-Берк-Эрнцерхоф. J. Chem. Phys. 110 , 5029–5036 (1999).
ADS
CAS
Статья
Google Scholar
Blöchl, P.E. Метод расширенных волн проектора. Phys. Ред. B 50 , 17953–17979 (1994).
ADS
Статья
Google Scholar
Хенкельман, Г., Уберуага, Б. П. и Йонссон, Х. Метод эластичной ленты с подталкиваемым изображением для нахождения седловых точек и путей с минимальной энергией. J. Chem. Phys. 113 , 9901–9904 (2000).
ADS
CAS
Статья
Google Scholar
Монкхорст, Х. Дж. И Пак, Дж. Д. Особые точки для интеграции зоны Бриллюэна. Phys. Ред. B 13 , 5188–5192 (1976).
ADS
MathSciNet
Статья
Google Scholar
Донг, Л., Янг, Дж., Чховалла, М. и Ло, К. П. Синтез и восстановление листов оксида графена большого размера. Chem. Soc. Ред. 46 , 7306–7316 (2017).
CAS
PubMed
Статья
Google Scholar
Dudley, J. T. et al. Электропроводность электролитов литиевых аккумуляторных батарей. J. Power Sources 35 , 59–82 (1991).
ADS
CAS
Статья
Google Scholar