本研究提出了一种名为通用化与关联临时编码（GATE）的新模型，探讨海马如何快速适应不同环境并构建灵活的工作记忆。该模型通过三维多层结构有效捕捉信息，展现出快速普遍化能力，为理解海马记忆机制及仿生智能系统的发展提供了框架。

本研究利用多模态磁共振成像技术对早期认知障碍进行诊断，通过对齐不同特征类型并最大化它们的相互作用，学习与认知障碍相关的脑区和连接特征。该方法在数据集上评估显示其在诊断中的优势，可能成为早期检测的重要工具。

本研究使用图变分自编码器和有监督对比学习的方法，研究了神经系统疾病下海马形态变异，并分离出与年龄和疾病相关的潜变量。研究结果显示，该模型在离散度分数方面优于其他方法，能够区分多发性硬化症患者的年龄组和疾病状态，并揭示了不同年龄下海马体积变化的结果。这项研究对于了解不同年龄组多发性硬化症患者的神经系统疾病与海马形态变化之间的关系具有重要意义。

本研究结合了GradCam和SHAP技术，提出了一种创新的3D可解释性框架，验证了深度学习网络在副扣带沟检测方面的准确性。通过解释和统计特征转换，揭示了相关子区域对决策过程的贡献。研究利用精神分裂症患者的MRI数据集，发现副扣带沟在左侧大脑半球中的检测正确率较高。研究强调了公正的注释协议在维护网络性能公平性方面的重要性。该方法有望在神经科学领域引发进一步研究。

我们研究通过将传统艺术材料和基于图像的生成性人工智能相结合，帮助家庭通过表达式艺术疗法与专业治疗师共同创造家庭故事，并概括了生成性人工智能作为表达材料在疗法中的疗效。我们总结了为未来人机交互研究提供支持儿童、父母和治疗师的期望的交互特点。

重度抑郁症患者牛磺酸浓度低，可能是新特征。牛磺酸在神经元生成和突触连接中起关键作用，摄入不足可能导致老化衰退。