德国开车踩了环保贴纸(Umweltplakette)的坑

疫情之下,尽量避免乘坐公共交通,而多选择自驾出行。最近从荷兰自驾到德国法兰克福,不小心踩了德国环保贴纸(Umweltplakette)的坑。回到荷兰收到罚单邮件,才后知后觉,原来在德国随处可以看到的车前窗玻璃上贴的写着数字4的绿色贴纸,不贴是要吃罚单的。然而在荷兰租的车默认配置是没有这个贴纸的,根据网上的信息,忽略这个法规的代价便是一张80欧的罚单(办理环保贴纸的费用大概是6-15欧不等)。建议从欧洲其他国家开车前往德国前,特别留意一下这个问题。网上有很多讨论,具体可以中文搜索 环保贴纸 + 德国,或英文搜索 Umweltplakette + Germany。
Umweltplakette

Read More

脑偏侧化与脑健康、脑疾病研究进展综述

Kong, Xiang-Zhen, et al. “Mapping brain asymmetry in health and disease through the ENIGMA consortium.” (2020). Human Brain Mapping.
关键词:脑偏侧化 ENIGMA 研究进展 综述

偏侧化是人类脑的一个典型特征,也是一个复杂的多因素特质。过去几十年的研究表明脑偏侧化异常可能和一些精神障碍有关。但是,已有研究往往基于小样本数据,且研究结果存在很多不一致。同时,围绕哪些脑结构在健康群体中具有偏侧化、脑偏侧化与年龄、性别和脑疾病之间的关系的研究仍然有一些未解决的问题。在过去4年,我们通过ENIGMA脑偏侧化工作组发表了6项关于脑结构偏侧化研究,相关研究的样本量最少为3500,最多更是高达17000,比已有研究高出1-2个数量级。我们得到了群体水平的脑偏侧化模式,其中包括一个有趣的前额叶-枕叶皮层厚度偏侧化梯度。同时,我们利用ENIGMA多数据集研究方法考察了单一数据集研究的可重复性问题。我们基于多中心样本估计得到脑结构偏侧化的效应量,以及偏侧化与年龄、性别、利手和大脑体积,以及三种精神障碍的关系。研究发现,自闭症和全脑多个脑区的皮层厚度偏侧化异常有关;儿科强迫症和皮下结构的偏侧化异常有关;我们没有发现与重度抑郁障碍相关的脑偏侧化异常。其他相关疾病的研究已经在开展。这些研究一起为识别脑偏侧化与脑疾病相关的遗传基础奠定了基础。
Asymmetry & Disease

更多细节见全文

Read More

Python Package | mlxtend(machine learning extensions)

Mlxtend is short for machine learning extension, “a Python library of useful tools for day-to-day data science tasks”. I came across this amazing package when searching for a quick python solution of permutation test for hypothesis testing. The current version is 0.17.2.

Read More

CNS报告

This is a collection of talks from this week’s CNS virtual conference. There are many fantastic talks. Hope the links would keep working well (although based on the conference website, ‘Each session is available 0 hours after the original broadcast of the session until Saturday, May 16, 2020‘). Please don’t use these for commercial purposes.

Read More

空间导航脑网络和S100B基因

工作原因,最近需要把两篇以前发表的文章的摘要翻译为中文,顺手贴过来一份。这两篇文章都是关于人类空间导航脑网络的。

Read More

脑影像遗传学:语言脑功能网络的基因表达相关

先放全文信息:
Kong, X., Tzourio-Mazoyer, N., Joliot, M., Fedorenko, E., Liu, J., Fisher, S.E., Francks, C.(2020). Gene Expression Correlates of the Cortical Network Underlying Sentence Processing. Neurobiology of Language. Advance publication. https://doi.org/10.1162/nol_a_00004

关键词:语言 脑网络 功能网络 基因表达 神经发展 自闭症

脑影像遗传学研究通过整合不同成像模态脑影像数据和遗传学数据,探索脑结构/功能与遗传变量之间的潜在关联,进而帮助我们了解、认识不同认知功能和相关脑疾病的遗传基础和发展规律。通常情况下,脑影像遗传学研究基于个体差异方法将来自同一批被试的脑影像数据和基因表型数据相关联。目前,研究者已经发表了一些脑影像遗传学的研究。但是,目前该领域仍然面临着样本量限制、多重比较校正和单个基因位点效应偏小等关键问题。

Read More

替换文本数据中的Tab为空格

存储数据的文本文件中常用空格、Tab、逗号或分号等作为分隔符。一些常用的数据分析工具可能仅接受这些分隔符中的一种,这时便需要将其他分隔符的数据转换为相应工具接受的数据格式。类似的数据准备工作也是实际数据分析工作中相当耗精力的部分。
下面是针对Tab转空格问题的两个方便的解决方案。

    Read More

    Presentation Learning Day 3

    Everybody
    Welcome to xx. And welcome to the xx
    My name is xx xx. I am the xxx of the organization of xx

    xx is a really amazing place to host the meeting. and it’s really quite suitable.
    xxx played a major role in early medicine and neuroscience, in many ways,

    it’s also hard to believe that it’s been xx years since the first xxx conference in xx.
    at that time, it really was just a conference. In the second meeting in xxx, it was decided to become a organization.
    Just in the last year, we decided to change to a society.
    so really it has been serve as an evolution over time.
    I attended the boston meeting, but I could go to xx cos I was a poor graduate student. so wasn’t able to afford it.

    Read More

    pytorch入门例子3:模型训练和测试

    CIFAR10训练集50,000
    CIFAR10测试集10,000
    图片+标签

    像下面的neural network,不用GPU也可以很好地完成训练。这个模型和之前的例子类似。

    Read More

    pytorch入门例子2

    这是一个略复杂的入门例子,涵盖了一个典型神经网络的训练过程。

    
    import torch.nn as nn
    import torch.nn.functional as F
    
    # Define the network structure
    class Net(nn.Module):
        def __init__(self):
            super(Net, self).__init__()
            self.conv1 = nn.Conv2d(1,6,3) # Convolutions
            self.conv2 = nn.Conv2d(6,16,3)
            self.fc1 = nn.Linear(16*6*6,120) # Full connections
            self.fc2 = nn.Linear(120,84)
            self.fc3 = nn.Linear(84, 10)
        def forward(self, x):
            x = F.max_pool2d(F.relu(self.conv1(x)), (2,2))
            x = F.max_pool2d(F.relu(self.conv2(x)), 2)
            x = x.view(-1, self.num_flat_features(x))
            x = F.relu(self.fc1(x)) # rectified linear unit
            x = F.relu(self.fc2(x))
            x = self.fc3(x)
            return x
        def num_flat_features(self, x):
            size = x.size()[1:]
            num_features = 1
            for s in size:
                num_features *=s
            return num_features
    
    net = Net()
    print(net)

    Read More

    一个pytorch入门例子

    
    import torch
    from torch.autograd import Variable
    
    dtype = torch.FloatTensor
    N, D_in, H, D_out = 64, 1000, 100, 10 
    # one input layer, one hidden layer, and one output layer

    Read More

    Presentation Learning Day 2

    hello and welcome to xxx
    I am just going to briefly touch upon what this xx will be about. and also I want to mention that xxx
    so what is this xx, what isn’t this xx
    I have presented some of these talks to the labs that I work in locally. and there were definitely folks in the audience who did not have xx experience.
    I think they still got something out of it. they built their understanding.
    so it is still useful if you’re completely new. but it’s going to be more useful for those of you who’ve been running xxx.

    Read More

    Presentation Learning Day 1

    My final words is xxx
    The future is very exciting. It takes all excitement and passion to explore the future.
    I wish the future forum great success.
    … beyond what we can see, what we can feel.

    Read More

    命令行后台执行

    关键词:nohup 后台执行
    Keywords: nohup background excute stop

    常用的脑影像数据分析和遗传数据分析工具往往采用命令行的方式,用户通过Terminal执行命令行以完成相关数据分析,这种方式可以满足通常情况的需求。在一些特别的情况下,你可能会需要将命令行提交到后台执行,以避免一些意外的情况:

    1. 通常情况下,Terminal和执行的命令是绑定的,即如果在执行程序过程中意外关闭的执行该程序的Terminal,改程序的执行会一起终止。
    2. 通过Terminal访问服务器,在服务器上执行程序时,如果意外出现网络中断,相应的程序也会因此而终止。

    Read More

    十年

    十年,总不免让人觉得有些特别;2010年代匆匆过去,也不免引发一些思考。

    2010年,我开始攻读博士学位。9月份是正式入学的时间,然而那时我已经进实验室参与研究项目近一年。由于是非心理学科班出身,对我而言,很多事情都是从零开始,更多的时候是给实验室师兄师姐打下手,比如:看被试、做被试。不过通过这些参与和平时的组会(实验室的组会真是一个重要的学习渠道),潜移默化中还是对心理学和认知神经科学的专业名词、实验设计、数据采集、常用统计分析有了一些理解。我更多的兴趣在脑影像数据分析,期初的梦想是基于多元统计和机器学习手段实现《阿凡达》中的类似人机交互(当时还是太年轻)。实验室Z老师带我们学习脑成像原理学习、多元统计、计算神经科学和脑影像分析方法,在这个过程中获得了很多的训练,给以后的工作打下了必要的基础。就这样慢慢对认知神经科学的研究问题和手段有了越来越清晰的认识。2016年顺利获得博士学位,博士学位论文被评为“北京师范大学优秀博士学位论文”,为博士学习阶段画上一个完美的句号。

    Read More