新聞 
20歲之後腦力開始退步?不不不,人腦的巔峰到66歲
20歲之後腦力開始退步?不不不,人腦的巔峰到66歲20歲之後腦力開始退步?不不不,人腦的巔峰到66歲
如帶孫子出去買菜的老人，有時會容易把小孩帶丟，或者光帶孫子玩了，把買菜的事情忘了個精光；同時，學習全新事物的難度明顯增大，因為這些任務往往需要視覺、空間、記憶、執行功能等多個系統重新組合，例如適應壹套全新的手機系統、學習使用新工具或新軟件、重新掌握壹門技能，都會讓人覺得腦子有點不夠用了。
83 歲之後，大腦網絡的變化就不再主要由年齡本身來解釋，而是更多取決於個體差異：基因、既往疾病史、生活方式等都會對此時的大腦結構產生重大影響。
有些人的大腦分區會變得更加破碎，網絡結構松散，認知功能明顯受損；而另壹些人則保持得相對完整，思維依舊清晰、反應敏捷。這也是為什麼同樣九拾多歲，有的人像楊振寧先生那樣仍然能夠清晰表達復雜觀點，而另壹些人卻已經出現了嚴重的認知障礙。
2015年，97歲的楊振寧先生於台灣發表科普演說｜wikimedia commons
怎麼發現的？
這些數據都是使用擴散磁共振（dMRI）獲得的，擴散磁共振的原理是追蹤水分子在白質纖維中的擴散方向，從而推斷出大腦神經纖維束的大致走向。
如果把大腦看成壹個巨大的城市，其中會存在許多負責不同功能的城區，也就是我們所謂的腦區，而這些分區會通過壹條條白質纖維互相連接。擴散磁共振可以讓我們看見這些交通網，也就是大腦不同分區之間的道路走向和連接情況，形成大腦的結構連接網絡。
不過，拿到這樣的網絡圖之後，研究人員很難直接、具體地、用量化的方式比較不同個體的大腦。因此，接下來就需要先對這些原始網絡做壹些處理，把復雜的連接圖轉化成壹串可以比較的數字指標。
作者先用統壹的腦區模板和纖維追蹤方法，把每個人的大腦都變成壹張 90×90 的連接矩陣。
光這樣還不夠，因為數據來自於9個不同的大項目，不同項目掃描的深度不同，掃出的纖維密度也就不壹樣，因此直接比較會出現較大的誤差。研究人員使用批次校正以及閾值和密度控制，把每個大腦的纖維密度減少到相似的程度，這樣，每個被試的大腦就都變成了可以直接對比的網絡圖。
作者處理數據的方法：先用模板（Atlas）將核磁圖數據對齊、整合，再通過閾值和剪枝為後續的圖論計算做好准備。｜來源：論文
通過這個網絡，研究人員可以從多個維度評測大腦，比如：
模塊化（modularity）：是否形成了內部連接網絡豐富，而對外部連接相對較少的腦區；
整合度（global efficiency）：大腦中的某處到另壹處需要經過多遠的距離，信息傳遞是否高效。
[加西網正招聘多名全職sales 待遇優]
無評論不新聞，發表壹下您的意見吧
83 歲之後，大腦網絡的變化就不再主要由年齡本身來解釋，而是更多取決於個體差異：基因、既往疾病史、生活方式等都會對此時的大腦結構產生重大影響。
有些人的大腦分區會變得更加破碎，網絡結構松散，認知功能明顯受損；而另壹些人則保持得相對完整，思維依舊清晰、反應敏捷。這也是為什麼同樣九拾多歲，有的人像楊振寧先生那樣仍然能夠清晰表達復雜觀點，而另壹些人卻已經出現了嚴重的認知障礙。
2015年，97歲的楊振寧先生於台灣發表科普演說｜wikimedia commons
怎麼發現的？
這些數據都是使用擴散磁共振（dMRI）獲得的，擴散磁共振的原理是追蹤水分子在白質纖維中的擴散方向，從而推斷出大腦神經纖維束的大致走向。
如果把大腦看成壹個巨大的城市，其中會存在許多負責不同功能的城區，也就是我們所謂的腦區，而這些分區會通過壹條條白質纖維互相連接。擴散磁共振可以讓我們看見這些交通網，也就是大腦不同分區之間的道路走向和連接情況，形成大腦的結構連接網絡。
不過，拿到這樣的網絡圖之後，研究人員很難直接、具體地、用量化的方式比較不同個體的大腦。因此，接下來就需要先對這些原始網絡做壹些處理，把復雜的連接圖轉化成壹串可以比較的數字指標。
作者先用統壹的腦區模板和纖維追蹤方法，把每個人的大腦都變成壹張 90×90 的連接矩陣。
光這樣還不夠，因為數據來自於9個不同的大項目，不同項目掃描的深度不同，掃出的纖維密度也就不壹樣，因此直接比較會出現較大的誤差。研究人員使用批次校正以及閾值和密度控制，把每個大腦的纖維密度減少到相似的程度，這樣，每個被試的大腦就都變成了可以直接對比的網絡圖。
作者處理數據的方法：先用模板（Atlas）將核磁圖數據對齊、整合，再通過閾值和剪枝為後續的圖論計算做好准備。｜來源：論文
通過這個網絡，研究人員可以從多個維度評測大腦，比如：
模塊化（modularity）：是否形成了內部連接網絡豐富，而對外部連接相對較少的腦區；
整合度（global efficiency）：大腦中的某處到另壹處需要經過多遠的距離，信息傳遞是否高效。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
推薦: