科学大脑研究论文

图说：作为生物节律核心起搏器，SCN把光信号转换为节律信号，并产生不同相位的振荡，折射到古老日晷上的不同时辰来源/中科院脑智卓越中心（下同）中国科学院脑科学与智能技术卓越创新中心（神经科学研究所）、上海脑科学与类脑研究中心、神经科学国家重点实验室严军研究组，通过单细胞测序等技术，首次对小鼠的昼夜节律中枢——视交叉上核进行了系统性的细胞分型，发现了新的神经元亚型，并揭示了这些细胞亚型的基因表达在昼夜节律过程中和光照刺激下的差异，同时在单细胞水平完整重构了各亚型细胞的三维空间分布，为研究哺乳动物昼夜节律的神经机制奠定了重要的基础。今天，国际科学期刊《自然-神经科学》在线发表了相关研究论文。图说：严军研究组昼夜节律，也就是我们通常所说的生物钟，在生物体中广泛存在，对调节人们一天之中的运动、睡眠、代谢等诸多生理过程起着重要的作用。它对人们生活、对人类社会之重要，众所周知。一旦昼夜节律紊乱，会导致包括睡眠障碍在内的各种疾病。因此，理解昼夜节律现象在神经系统中如何产生、维持以及发挥作用，是神经科学重要的研究方向，与人类健康息息相关。 2017年，三位科学家因为发现在分子水平上昼夜节律是由一系列核心节律基因构成的反馈环路所产生获得诺贝尔生理学或医学奖。然而，科学家们对昼夜节律在我们大脑中如何产生仍不清楚。科学家们已知，SCN是大脑中产生昼夜节律的核心，能够接收视网膜传递而来的外界光暗信号，自持地产生昼夜节律振荡，并将节律信号传递到全身。SCN的神经元呈现出同步的振荡，并且处于不同空间位置的细胞有不同的振荡相位。SCN全面的细胞分型、不同细胞类型在SCN中的空间分布、这些细胞类型在昼夜节律中如何发挥作用，都不清楚。严军研究组发现，SCN中的各种非神经元细胞和神经元一样都存在广泛的节律基因表达，暗示了SCN中的各类细胞都有细胞特异性的节律功能。有趣的是所有非神经元细胞中的核心节律基因振荡相位，都明显晚于神经元中的振荡相位。研究组进一步将SCN中的神经元分为了五种亚型，根据它们表达的基因分别命名，并且发现这五类细胞节律振荡的强弱、相位都各自不同。通过光刺激实验，发现SCN不同神经元亚型对光照反应有明显差别，说明它们在生物节律过程中有着各自分工。这些都为研究哺乳动物昼夜节律的神经机制提供了重要的线索。

深度神经网络（DNNs）是 AI 领域的重要成果，但它的 “存在感” 已经不仅仅限于该领域。一些前沿生物医学研究，也正被这一特别的概念所吸引。特别是计算神经科学家。在以前所未有的任务性能彻底改变计算机视觉之后，相应的 DNNs 网络很快就被用以试着解释大脑信息处理的能力，并日益被用作灵长类动物大脑神经计算的建模框架。经过任务优化的深度神经网络，已经成为预测灵长类动物视觉皮层多个区域活动的最佳模型类型之一。用神经网络模拟大脑或者试图让神经网络更像大脑正成为主流方向的当下，有研究小组却选择用神经生物学的方法重新审视计算机学界发明的DNNs。而他们发现，诸如改变初始权重等情况就能改变网络的最终训练结果。这对使用单个网络来窥得生物神经信息处理机制的普遍做法提出了新的要求：如果没有将具有相同功能的深度神经网络具有的差异性纳入考虑的话，借助这类网络进行生物大脑运行机制建模将有可能出现一些随机的影响。要想尽量避免这种现象，从事 DNNs 研究的计算神经科学家，可能需要将他们的推论建立在多个网络实例组的基础上，即尝试去研究多个相同功能的神经网络的质心，以此克服随机影响。而对于 AI 领域的研究者，团队也希望这种表征一致性的概念能帮助机器学习研究人员了解在不同任务性能水平下运行的深度神经网络之间的差异。人工神经网络由被称为 “感知器”、相互连接的单元所建立，感知器则是生物神经元的简化数字模型。人工神经网络至少有两层感知器，一层用于输入层，另一层用于输出层。在输入和输出之间夹上一个或多个 “隐藏” 层，就得到了一个 “深层” 神经网络，这些层越多，网络越深。深度神经网络可以通过训练来识别数据中的特征，就比如代表猫或狗图像的特征。训练包括使用一种算法来迭代地调整感知器之间的连接强度（权重系数），以便网络学会将给定的输入（图像的像素）与正确的标签（猫或狗）相关联。理想状况是，一旦经过训练，深度神经网络应该能够对它以前没有见过的同类型输入进行分类。但在总体结构和功能上，深度神经网络还不能说是严格地模仿人类大脑，其中对神经元之间连接强度的调整反映了学习过程中的关联。一些神经科学家常常指出深度神经网络与人脑相比存在的局限性：单个神经元处理信息的范围可能比 “失效” 的感知器更广，例如，深度神经网络经常依赖感知器之间被称为反向传播的通信方式，而这种通信方式似乎并不存在于人脑神经系统。然而，计算神经科学家会持不同想法。有的时候，深度神经网络似乎是建模大脑的最佳选择。例如，现有的计算机视觉系统已经受到我们所知的灵长类视觉系统的影响，尤其是在负责识别人、位置和事物的路径上，借鉴了一种被称为腹侧视觉流的机制。对人类来说，腹侧神经通路从眼睛开始，然后进入丘脑的外侧膝状体，这是一种感觉信息的中继站。外侧膝状体连接到初级视觉皮层中称为 V1 的区域，在 V1 和 V4 的下游是区域 V2 和 V4，它们最终通向下颞叶皮层。非人类灵长类动物的大脑也有类似的结构（与之相应的背部视觉流是一条很大程度上独立的通道，用于处理看到运动和物体位置的信息）。这里所体现的神经科学见解是，视觉信息处理的分层、分阶段推进的：早期阶段先处理视野中的低级特征（如边缘、轮廓、颜色和形状），而复杂的表征，如整个对象和面孔，将在之后由颞叶皮层接管。如同人的大脑，每个 DNN 都有独特的连通性和表征特征，既然人的大脑会因为内部构造上的差异而导致有的人可能记忆力或者数学能力更强，那训练前初始设定不同的神经网络是否也会在训练过程中展现出性能上的不同呢？换句话说，功能相同，但起始条件不同的神经网络间究竟有没有差异呢？这个问题之所以关键，是因为它决定着科学家们应该在研究中怎样使用深度神经网络。在之前 Nature 通讯发布的一篇论文中，由英国剑桥大学 MRC 认知及脑科学研究组、美国哥伦比亚大学 Zuckerman Institute 和荷兰拉德堡大学的 Donders 脑科学及认知与行为学研究中心的科学家组成的一支科研团队，正试图回答这个问题。论文题目为《Individual differences among deep neural network models》。根据这篇论文，初始条件不同的深度神经网络，确实会随着训练进行而在表征上表现出越来越大的个体差异。此前的研究主要是采用线性典范相关性分析（CCA，linear canonical correlation analysis）和 centered-kernel alignment（CKA）来比较神经网络间的内部网络表征差异。这一次，该团队的研究采用的也是领域内常见的分析手法 —— 表征相似性分析（RSA，representational similarity analysis）。该分析法源于神经科学的多变量分析方法，常被用于将计算模型生产的数据与真实的大脑数据进行比较，在原理上基于通过用 “双（或‘对’）” 反馈差异表示系统的内部刺激表征（Inner stimulus representation）的表征差异矩阵（RDMs，representational dissimilarity matrices），而所有双反馈组所组成的几何则能被用于表示高维刺激空间的几何排布。两个系统如果在刺激表征上的特点相同（即表征差异矩阵的相似度高达一定数值），就被认为是拥有相似的系统表征。表征差异矩阵的相似度计算在有不同维度和来源的源空间（source spaces）中进行，以避开定义 “系统间的映射网络”。本研究的在这方面上的一个特色就是，使用神经科学研究中常用的网络实例比较分析方法对网络间的表征相似度进行比较，这使得研究结果可被直接用于神经科学研究常用的模型。最终，对比的结果显示，仅在起始随机种子上存在不同的神经网络间存在明显个体差异。该结果在采用不同网络架构，不同训练集和距离测量的情况下都成立。团队分析认为，这种差异的程度与 “用不同输入训练神经网络” 所产生的差异相当。如上图所示，研究团队通过计算对应 RDM 之间的所有成对距离，比较 all-CNN-C 在所有网络实例和层、上的表示几何。再通过 MDS 将 a 中的数据点（每个点对应一个层和实例）投影到二维。各个网络实例的层通过灰色线连接。虽然早期的代表性几何图形高度相似，但随着网络深度的增加，个体差异逐渐显现。在证明了深度神经网络存在的显著个体差异之后，团队继续探索了这些差异存在的解释。随后，研究者再通过在训练和测试阶段使用 Bernoulli dropout 方法调查了网络正则化（network regularization）对结果能造成的影响，但发现正则化虽然能在一定程度上提升 “采用不同起始随机种子的网络之表征” 的一致性，但并不能修正这些网络间的个体差异。最后，通过分析网络的训练轨迹与个体差异出现的过程并将这一过程可视化，团队在论文中表示，神经网络的性能与表征一致性间存在强负相关性，即网络间的个体差异会在训练过程中被加剧。总而言之，这项研究主要调查了多个神经网络在最少的实验干预条件下是否存在个体差异，即在训练开始前为网络设置不同权重的随机种子，但保持其他条件一致，并以此拓展了此前与 “神经网络间相关性” 有关的研究。除了这篇这篇研究以外，“深度学习三巨头” 之一、著名 AI 学者 Hinton 也有过与之相关的研究，论文名为《Similarity of Neural Network Representations Revisited》，文章探讨了测量深度神经网络表示相似性的问题，感兴趣的读者可以一并进行阅读。 Refrence： [1] [2]

肯定就是没有结论呢，就是一个正常人的大脑一样的，只不过他的大脑利用率更高

为了理解为什么这么多不缺乏智商，受过良好教育，并且足够努力的人，他们的成就比获得诺贝尔奖的人差得多？经过反复统计，科学界普遍有两种看法：一种解释是，智商或解决问题中显示出的智慧和真正的智慧并非完全线性相关。另一个解释是，天才的大脑与我们普通人的大脑明显不同，也就是说，它们是天生的。

您和我不仅关心这个问题，全世界的科学家也都想知道答案。找到这个答案的直接方法是找到一个超级天才的大脑来研究它。 1955年。一位医生得到了机会。他的名字叫托马斯·哈维。那年，伟大的科学家爱因斯坦去世。他的尸体被停在普林斯顿大学医学院，哈维恰好是负责爱因斯坦的医院医生之一。哈维采取了非常惊人的举动。他利用自己的作品偷走了这个天才的大脑。经过消毒处理后，他做了240切片，并将其保存下来以研究天才的大脑与普通人有什么不同。

当然，这件事不能从联邦调查局隐瞒。他们一直在追捕他们，但联邦调查局只是想秘密保护哈维和爱因斯坦的大脑。爱因斯坦的儿子知道这件事当然很生气，但是在哈维的解释之后，他仍然原谅了哈维，但提出了一项要求，即研究结果必须在世界一流的杂志上发表。从那一刻起，世界一直在等待哈维的研究成果。遗憾的是，哈维一生都在研究，而爱因斯坦的大脑与普通人之间没有任何区别。令我们更失望的是，提出相对论的天才仅重1,230克，远低于普通人的1,400克。尽管他的大脑有更多的苏尔奇，但这还不是判断天才的直接证据。

直到1980年，哈维承受着巨大的压力，担心自己一生中无法完成爱因斯坦大脑研究的艰巨任务，因此他决定让世界各地的科学家参与这项研究。每个人都拿起高火柴火，许多人参加了。人们不仅容易产生结果，而且他们也有不同的意见。 1999年，加利福尼亚大学的科学家发现，爱因斯坦大脑中的神经胶质细胞多于数学。有许多具有物理功能的神经元细胞。然而，医学上的共识是神经元细胞在人类思维中起主要作用，而角质形成细胞仅起辅助作用。因此，这一发现被医学界所鄙视。后来，加拿大科学家发现，埃斯坦的脑洞很大，也就是说，他的颅骨和大脑上部空间更大。尽管在开玩笑时，我们总是说脑孔是敞开的，但每个人都知道，脑孔实际上不一定与智力有关。

大脑科学饮食研究论文

摘要：随着我国经济水平的提高，居民饮食也随之改变，但健康问题也随之而来，糖尿病、高血压、高血脂等与饮食有关的病迅速增多，合理膳食有助于改变这一现状。在这个生活节奏日益加快的时代，我们能每天回家给自己做饭的人越来越少，原因方方面面，尤其是上班族、学生常常于快餐、外卖、食堂打交道，在有限的菜品和种类下，难免遇上诸如吃什么才更健康之类的问题。那么我们究竟应该吃什么，怎么吃？这里面有一个食物配比关系。即在人体的生理需要和膳食营养供给之间建立平衡的关系，就形成平衡膳食关键词：合理膳食、亚健康、大学生饮食、膳食平衡、营养素一、平衡宝塔理论平衡膳食宝塔共分五层，包含我们每天应吃的主要食物种类。第一层（底层）：谷类。包括米、面、杂粮。主要提供碳水化物、蛋白质、膳食纤维及 B 族维生素。它们是膳食中能量的主要来源，多种谷类掺着吃比单吃一种好。每人每天要吃 350-500 克。第二层：蔬菜和水果。主要提供膳食纤维、矿物质、维生素和胡萝卜素。蔬菜和水果各有特点，不能完全相互替代，不可只吃水果不吃蔬菜。一般来说红、绿、黄色较深的蔬菜和深黄色水果含营养素比较丰富，所以应多选用深色蔬菜和水果。第三层：鱼、虾、肉、蛋（肉类包括畜肉、禽肉及内脏）类。主要提供优质蛋白质，脂肪、矿物质、维生素 A 和 B 族维生素。第四层：奶类和豆类食物。奶类主要包括鲜牛奶、奶粉等。除含丰富的优质蛋白质和维生素外，含钙量较高，且利用率也高，是天然钙质的极好来源。豆类含丰富的优质蛋白质、不饱和脂肪酸、钙及维生素 B1 、 B2 等。第五层（塔尖）：油脂类。包括植不物油等。主要提供能量。植物油还可提供维生素 E 和必需脂肪酸。每天不超过 25 克。在平常的膳食中，我们可以同层相互替换，从某种意义上说，这样的相互替换是非常合理而且应该提倡的，因为这样可以使膳食更丰富。吃的品种越多，摄入的营养素也就越全面。对于摄入的量而言。可以根据自身的实际情况稍加调整，只要经常遵循宝塔中各层各类 . 转载慎用 . 食物的大体比例，就在基本上做到了膳食平衡。二、现代大学生的合理膳食当今大学生的膳食指南包括：多吃谷类，供给充足的能量；保证鱼﹑肉﹑蛋﹑奶﹑豆类和蔬菜的摄入；参加体力活动，避免盲目节食。根据我国新近修订每日膳食营养素供应标准规定，男性大学生每天需要蛋白质 90 克，女性大学生为 80 克，其中优质蛋白质应占总蛋白质摄入量的 30%~40% 。另外，大学生男性每日需要能量为 2 500 千卡，女性为 2 100 千卡，同时还需要各种维生素、无机盐和微量元素等。（一）大学生应注重一下几点： 1. 重视早餐：早餐与前一天的晚餐相隔时间比较长，此时胃早已排空，应及时进餐，使血糖维持在一定的水平。 2. 科学的营养饮食：为满足脑的营养需要，最好把效能不同的营养食物搭配成平衡膳食。实践证明，通过调整饮食可迅速改善大脑的疲劳状态，所谓健脑食物，不是指某一种食品，也不是指某一种营养成分，而是指一种平衡的营养状态。 3. 饮水充足：水是人体最重要的组成成分和不可缺少的营养素，保持水摄入和排出的平衡对维持人体健康是必需的。 4. 钙是保证脑持续工作的物质。钙可保持体液呈弱碱性的正常状态，防止人陷入容易导致疲劳的酸性体液环境。充足的钙可促进骨骼和牙齿的发育并抑制神经的异常兴奋。钙严重不足可导致性情暴躁、多动、抗病力下降、注意力不集中、智力发育迟缓。补充钙的最佳食物有牛奶、海带、骨汤、小鱼类、紫菜、野菜、豆制品、虾皮等（二）合理膳食应做到：一、食物多样，谷类为主，粗细搭配二、多吃蔬菜、水果和薯类三、每天吃奶类、大豆或其制品四、常吃适量的鱼、禽、蛋和瘦肉五、减少烹调油，吃清淡少盐膳食六、三餐分配要合理，零食要适当七、每天足量饮水，合理选择饮料（三）膳食小常识：新鲜大蒜：蒜素含量达 4g/kg 。具有抗氧化、防癌作用，增强免疫系统功能，预防疾病，降低血脂、预防动脉粥样硬化，治疗菌痢和肠炎。洋葱、茄子：含有硫氨基酸、黄铜类化合物，增强血管弹性、改善动脉硬化作用。薯类：含有膳食纤维，具有通便、防结肠癌作用。女性不可以缺少：大豆制品、大枣、红糖、姜、蜂蜜等。老年人经常选择黑色食品：黑米、黑芝麻、黑豆、黑木耳、香菇、海带等。总结：身体是革命的本钱，养成良好饮食习惯，拥有健康要需要做的：首先要满足人体对热量和营养素的需要量，再按营养素的供给量标准来选择各种食物。根据经济条件、季节、用膳人的饮食习惯、饮食特点，以最习惯的方法加以烹调，保证饭菜的色香味和品种多样化。采用适当的烹调方法变化花样，这样可以促进食欲，有利于食物的消化吸收，并能充分利用各种食物在营养价值上的特点，发挥互补作用。食物的质和量方面要符合合理的营养原则，组成平衡膳食以充分满足机体的需要。看到这边是不是已经快怀疑人生了，问题不大，解解馋：

早餐──7：00这时你可能还“睡”在床上，可实际上你的体温已经开始上升、脉搏开始加快、交感神经变得逐渐活跃，消化功能也已经开始运转，胃肠道处于苏醒状态，能最高效地消化吸收食物中的营养成分，是早餐的最佳时间。满分早餐：1个完整的橙子+1杯咖啡+2片全麦面包+1份西红柿炒鸡蛋。加餐──10：30要知道，在早上7点到10点之间的这个时间段，你体内的新陈代谢速度要比在其他时间段快上40%。所以，此时你需要吃一些低脂肪的碳水化合物来补充能量，来帮你集中精力、保持积极的工作状态。满分加餐：1根香蕉午餐──12：30同事们都开始逐渐起身，这也是你的身体能量需求最大的时候，是吃午餐的最佳时间。此时你体内胃肠道的消化积极性已经远不如早餐的时候，所以用餐时需要细嚼慢咽，万万不能一边盯着电脑一边吃午餐。不仅容易发胖，营养也无法吸收。满分午餐：含丰富纤维的蔬菜+红肉类肉食+主食下午茶──15：30这也是需要立即补充能量的时候，因为你体内的葡萄糖含量已经大大降低，不仅思维速度变慢，烦躁、焦虑等不良情绪也开始冒头，如果再不及时补充能量，你的工作就很难顺利、愉快地进行下去了。满分下午茶：富含粗纤维的杏仁或葡萄干。晚餐──18：30晚餐一定要在睡前4个小时解决，这是食物在胃肠道中完全消化吸收所需的时间。否则带着未消化的食物入睡，不仅会堆积脂肪，你的睡眠质量也会大大受到影响。满分晚餐：富含蛋白质的海鲜或豆类+主食

1、人造甜味剂会加剧代谢病

人造甜味剂被普遍视作一种对抗肥胖和糖尿病的手段，比如木糖醇是人工甜味剂的一种，甜度为蔗糖的倍，在人体中代谢不需要胰岛素，食用不会使血糖升高。但有可能在一定程度上反而助长了这些疾患在全球的蔓延。《自然》杂志发表的一项研究结果首次表明，甜味剂可能通过“肠道菌群”加重代谢性疾病。

2、“洋快餐”影响大脑认知和记忆

人们都知道长期吃垃圾食品对身体有害，澳大利亚新南威尔士大学去年一项新研究发现，垃圾食品吃一周后，记忆力就会受到损伤。药理学教授玛格丽特·莫里斯博士及其同事完成的这项新研究发现，吃一顿含有大量饱和脂肪和糖的食物，可立即对大脑认知能力产生不良影响。

进而造成记忆损伤，负责学习和记忆的大脑海马区域炎症明显增加。发表在《临床检查杂志》上的一项研究也表明，实验动物在摄入高脂饮食之后，下丘脑会受损。

3、可可豆能改善记忆

美国哥伦比亚大学医学中心的科学家进行的一项研究发现，一种在可可豆里自然产生的生物活性物质——食用性黄烷醇能够逆转健康老年人出现的与衰老相关的记忆衰退。这项研究发表在期刊《自然神经科学》上。

不过研究者也提醒，当前大多数可可粉加工会将黄烷醇去除，因此不要为了获得这种效应而过多食用巧克力。早前有研究发现，黄烷醇可以通过维持人的血管健康保持正常的血压，通过降低血液中血小板的黏附性来维持健康的血流，还可以作为抗氧化剂维持心脏健康。

4、益生菌可预防食物过敏

近年来，食物过敏现象越来越普遍，尤其在儿童中。美国芝加哥大学研究人员2014年报告称确认了一类能影响食物过敏反应的肠道细菌，比如，食物过敏婴儿肠道菌群与健康婴儿的肠道菌群差异存在显著性。在此基础上，人们可以用益生菌预防和治疗食物过敏。

5、高脂饮食影响生物钟，导致肥胖和代谢疾病

美国科学家们发现，高脂饮食还会影响生物钟。高脂饮食通过影响控制身体生物钟的分子机制，调控了肝脏的代谢功能。这些昼夜节律如果遭到破坏，就有可能促成糖尿病、肥胖和高血压等代谢异常类疾病。

而好消息是，这项研究还发现恢复平衡的好方法：低脂饮食可使昼夜节律正常化。这些发现表明，生物钟能够根据饮食的营养含量来进行自身重编程。相关研究论文去年年底刊登在《细胞》杂志上。

以上内容参考人民网-十大饮食科学最新发现让我们2015年吃得更健康

脑科学研究课程论文

摘要：本课题主要目的是研究和解决初中物理活动课教学如何引导学生广泛获取多种形态的物理知识信息，它以研究性自主学习为突破口，以弘扬教学主体精神为出发点，促进学生的个性和谐发展和发挥学生的创造性，试图通过对物理活动课程诸多因素的系统探索，构建一种以培养学生的研究性自主学习、自我探究与集体智慧相结合，促进学生自主思维升华的教学模式。关键词：活动课程、研究性学习、自主学习⒈课题研究的理论基础理论依据马克思主义关于人的全面学说是本实验的哲学基础基本观点：劳动创造了人，人是在劳动基础上形成的社会化的高级动物，是社会历史活动的主体，人具有主动性、自主性、社会性、抽象思维能力以及高度创造性等基本属性。主体性是人的本质的最高表现，创造性依赖主体性，是主体性的最高层次，研究性自主学习的本质就是充分注重学生的主体性，进而充分开发学生的本质力量——创造力。现代脑科学对人获取、储存的信息的潜能研究是本课题的生理学依据。现代脑科学研究认为，人的一生中储存的信息量可达14万亿个信息单位（kit），而人类至今大概只利用了自己潜能很少部分，有的科学估计仅为十分之一。此外，还有关于左右脑功能优势及初中学生大脑发育水平等心理生理研究成果。这些研究成果为研究学生在活动课程中研究性自主学习提供了充分的生理学数据。创造学与现代学习理论是本课题的教学依据。美国心理学家吉尔福德关于智能结构三维模式认为：智能可分解为内容、操作、产品三个维度，包括4个内容、5个操作和6个过程，构成120种能力。而基本能力是由包括对问题的自主性兴趣力、新奇探索力、自主分析研究及评价等因素构成，他提出发散思维概念，认为发散思维具有流畅性、变通性、精进性和独创性四个特性，教学应注重宽泛的活动内容。以皮亚杰为代表的建构主义学习理论认为；知识是个体与环境交互作用过程中逐渐建构的结果，学生在不断与环境的接触中建构知识和行动策略，活动课程是实现这一行动策略的一种有效途径，在这个建构过程中，一方面学生受本人兴趣、需要以及外部环境的推动表现为自主性和选择性，另一方面受本人原有知识经验：思维方式、情感品质、价值观等制约，在对信息的内容加工上，表现为独立性和自主性。2．课题研究的理论内涵2．1活动课教学的内涵活动课教学是指在教学过程中建构具有教育性、创造性、实践性为主的学生自主活动，它是以激励学生主动参与、主动实践、主动思考、主动探索、主动创新为基本特征，以促进学生研究性学习为目的的一种新型教学观和教学形式。活动课的主体因素a.身心发展水平。学生对研究性自主学习活动必须是学生身心发展到一定程度以后才能发生，若没有一定的实践经验作为依托，研究性自主学习就如同空中阁楼。b.主体在活动课中的自主性与参与度。分为三种形式，①被动应答—迫于外界作用下的一种被动性行为，主体不能激活、不能达到兴奋状态，注意力仅局限于维持动作的完成，对主体研究性自主学习发展不利；②自觉适应—主体接受并理解活动课的任务、要求与意义，从而自觉积极投入到活动中去；③主动研究学习、创造—主体态度不仅自觉，而且主动积极寻求解决问题的方法，经历情感意志体验，进行研究性论证。c.主体的自我效能感，是学生对自身能够实施某一行为的自信度和能力感。活动课的客体因素•活动课目标的适应度•活动课有无成效•活动课的方式与类型•活动课条件的提供•活动课中学生的研究性自主学习内容研究性自主学习研究性自主学习是一种综合教学模式，不同于综合课程，在很多情况下，它涉及的知识是综合的，可以是几门学科综合而成的课程，它是教学过程中学生的一种自主学习活动，是以科学方法研究为主的课题研究学习活动。课题研究涵盖的教育理念坚持“以活动促发展”的指导思想。“以活动促发展”的主张是活动课教学的立论基础和时间切入点，是活动课教学的灵魂，学生研究性自主学习活动是学生认知、情感、行为发展的基础，教学的关键点就是要创造出学生的真实活动，让学生作为主体去活动，在活动中完成研究性与自主性学习的双向建构。突出以学生为中心，以主动学习，主体实践的研究性自主学习为特征的方法论体系。构筑以活动为基础的动态、开放的教学过程。教学过程中基本以学生自主活动，研究性自主学习为主，教师应较少干预。活动氛围上，努力创设一个让学生乐于、敢于表现自己所知、所能的民主氛围。活动时空上，不局限在课堂内、学校内、充分利用一切教育机会开发社会与生活等广泛的教育资源，但重心应以课堂活动课为主线。3、对课题主要内容的表述“初中物理活动课”的表述“初中物理活动课”是指与初中物理现象、实验、基本规律和概念相关的研究类活动，项目设计类活动及课堂探讨类活动课程，所研究的目标和研究目的，就是在物理概念和规律形成过程中，达到物理学科能力的提高，就是在实际物理场景中进行识模，建模，并运用科学的思维方法以数学工具为手段解决实际问题的能力。“物理研究性自主学习”的表述“物理研究性自主学习”是指通过各种活动课提供的物理场景运用研究性的方法，使初中学生自主地从不同角度认识物理概念所反映的物理本质、认识一类物理现象的本质属性，强调学生以规律为中心，通过问题的解决实现方法论的深化，自我探究与集体智慧相结合，促进自主思维的升华研究性自主学习能力：①利用各种媒介获取物理信息的能力。②选择和充分利用已有信息的能力。③提出物理问题并解决的能力。④认知能力。⑤有效学习物理知识的能力。“实践”的表述认识来源于实践，在实践中发展，同时认识的目的又是实践。在物理活动课教学中充分发挥实践的作用，能丰富学生的感性认识，这种通过实践富有研究性的自主学习能提高学生的思维水平，亲自动手的实践能力，进而激发学生的创新精神，让学生切身体会到在实践探究中获得新知的乐趣，在探究中掌握研究性自主学习的思路、方法和技巧，养成持久性的学习兴趣，最终实现自主学习。4、课题的实施实施目标•通过对现行书本知识为本位、教师为中心以及传授为主要特征的教学模式的改革，逐步减少教学的强制性和划一性，增强初中物理教学的选择性与开放性。重点放在生活事例中的物理学问题，进而在活动课中通过亲身体验、理解简单的物理原理、规律。•构建以学生为中心、研究性自主学习活动为基础的新型教学过程，使教学真正建立在学生自主学习、主动研究探索的基础上，形成有利于学生主体精神、创造能力健康发展的宽松教学环境和新的教学体系。•创造适宜于初中学生主动参与、主动研究、自主探索的新型教学环境，活而不散、趣而明智。•加快教学手段现代化进程，引进先进的教学媒体手段。注重网络、多媒体对活动课教学多方面的影响，真正发挥学生的自主性，进而提高处理各种物理相关信息的综合应变能力。探索活动课的不同类型对学生研究性自主学习的影响物理活动课教学中的活动方式必须是能够促进学生自主参与研究性学习过程并通过主体实践活动完成发展任务的教学方式，由于初中学生的素质发展是多层次、多侧面的，因此活动类型也呈现多种形态。本课题就是要通过研究不同类型活动课的特点，寻求富有积极影响的不同类型活动课在课堂上的不同作用。其主要研究有以下几种类型：探究型活动课：是指在教师引导下由学生独立完成发现知识过程的活动课型，运用时需注重：•有目的地选择重演和再现的物理知识内容•创造探究和发展物理情景•提供有针对的物理信息材料•鼓励用多种方式完成•引导学生进行科学加工、奠定最基础科学素养品质与能力。交往型活动课：认知与交往是共生的。主体意识的形成、掌握与人沟通的技巧，合作精神都是与交往不可分割的，它是一种有目的的师生间的相互作用的互动课型。•应主动将课堂物理教学组成一个完整的相互作用系统•采取小组合作研究探究、学习•鼓励学生自主准确地表达自我对某些物理现象的理解与想法体验型活动课：体验是人的一种心理感受与学生个体经验相结合的一项综合实践活动。成功的体验会使学生增强自信，失败的体验对学生同样重要，能够帮助学生从迷途中领会错误的原因。创造型活动课，它重在激发学生的创造动机、培养学生的创造态度和形成创造性能力。5、课题的研究方法与步骤方法实验班的选取本实验采用分组实验法，参与实验的初2004级学生进行必要的测试，确认参与实验的学生在学习成绩、自主学习水平等方面无明显差异，然后根据随机抽样原则，抽中等学生分别组成实验班和对比班。实验因子分配本实验为多因素实验，为了归因明确和便于对实验研究对象的控制，参与实验的班级可选择一两个实验因子进行实验，不能进行全方位实验。无关变量的控制为了“纯化”实验研究过程，有效地完成理论目标，从而实现研究科学的归因分析，要对无关变量进行适当的控制。一是根据等组要求，运用分配法组织实验班和对比班，二是实验班和对比班的主要实验要由业务水平接近、教龄、学历相近的青年教师担任，三是实验班和对比班的课时量、课内外作业量要基本一致，四是要采取“单盲法”，避免被试产生积极或消极的心理效应。研究步骤本研究分为三个阶段第一阶段——前期准备、成立课题组•文献讨论•拟订研究计划•实验教师培训第二阶段——教学实验研究阶段•实施检测•开展教学实验•开展教学实验研讨•形成阶段性成果第三阶段研究总成果•本科研课题研究的教师汇报课•初中物理学生活动课研究性自主学习的实验报告•课题组的教师论文•撰写总的课题研究报告

浅谈新时代背景下教与学关系新论

论文关键词教学变革脑科学教与学

论文摘要新时代的背景下，我们需要重新来审视教与学之间的关系，以求教与学更趋于合理化，更符合时代以及人类发展的需要。本文在传统教与学定义的基础上，结合最新的相关科学的发展及言论，理清相关脉络，试图探讨出一种新的教与学关系，为提高中小学课堂的有效性提供参考。我国实施素质教育以来，学校的教学正经历着一场深刻的变革。在新时代的背景下，我们更需要重新审视教与学的关系，以求两者更趋于合理化，更符合时代以及人类发展的需要。教与学的关系，一直为人所探讨，人们一直试图寻求两者之间最佳的配比。然而，理论和实践都证明，它永远都在与时俱进，没有真正的盖棺定论一说。21世纪，脑科学的迅猛发展为我们揭开脑的神秘面纱又迈进了一步。多位科学家都证实，脑科学的发展为教学的科学化提供了证据。在新世纪，教与学的关系将更加科学化，我们的课堂也将向科学化、有效化迈进。 1教与学的历史渊源教育随着人类的产生而产生，并随着社会的发展而发展。最初，“教”和“学”以独立的单字出现，“教”有“教授、教诲、教化、告诫，令使等含义”，①“学”有学习、模仿、说、讲学等含义。后来才将两字合起来使用，但那时这个词并没有专有的解释意义。随着“教学”一词的沿用，广泛定义为教师传授给学生知识、技能，同时引申义为教师对学生正面的引导，将学生教导成对社会有用的人。对于我们一般教育工作者来说，“教学”就是指教师指导学生进行学习的活动，这是一种教和学相结合或相统一的活动。只有单方面的活动或者只是这两项活动的简单相加而没有结合或统一起来，都不是我们所说的严格意义上的教学活动。② 2教与学的传统关系教与学的关系与时代的发展息息相关。在传统意义上，教与学的最基本的关系是相互依存的知识授受关系。③概括地说，“教”的功能是向学生传授系统的科学知识，训练学生形成基本技能、技巧，发展学生的智力和能力，同时培养学生的世界观和道德品质。使学生能够身体正常发育，健康成长。而学的主要活动是掌握教材内容，并将其内化为自己的经验系统。在这些关系中，学生是受体，确切地说是被动接受的客体。随着对这种观点种种弊端的批判，教与学是相互作用的双向关系的观点逐渐出现。一方面，教师的教影响学生的学，另一方面学生的学也影响教师的教。教师不仅在用教材内容对学生进行影响，而且也通过自己的言谈、举止、情感等人格特征对学生进行影响，它们整体上对学生的学习产生积极的或消极的作用，并因此而潜移默化地影响学生的个性的形成。同时，学生在教学活动中的`行为特点以及需要、兴趣、态度和抱负水平等也在影响教师的教。所以两者之间是密切的相互关系，也是隐含意义上的双向关系。随着时代的不断进步，我们对教和学的关系有了更深刻的转变，因为我们逐渐认识到，教学关系的本质是主导与主动的关系，这是在确定学生在教学过程中的主体地位上发展而来的。对学生作为“一个人”的认识、对学生身心发展的认识、对学生社会角色的认识，构成了整个的学生观的改变。可以说，对学生观认识上的改变，扭转了传统意义上的教与学关系，逐渐将教学过程看作是一个由教到学、由依靠教师的教到学生独立的学的过程。这成为了教与学关系的最深刻的变革！ 3新时代下的教与学变革教师的教主要是为学生的学服务的，而教师的教要在教学过程中起主导作用，就必须真正使学生的学主动起来。我们一直致力于让学生能主动学起来，进而爱上学习，学会学习，独立学习。但普遍存在的厌学现象可能使每位教育者都为之头疼。实践清晰地告诉我们，教与学还有需要改进的地方。或许在有关教本能与学本能的争论中可以为我们找到一丝头绪。

有一些很老套的，比如说废旧电池的回收，或者化学知识在现实生活中的应用，以及光对生物生活的影响等等都可以。不一定要多么高深，反而是利用课本涉及到的知识好一些。至于社会调查，可以对你所在城市的两个经济圈进行对比，或者探究一下养老院老人的生活，也可以在你的同学们当中进行一个关于名牌的调查等。

大脑性研究论文

via 果壳网葡萄酒酿造是一项复杂的工艺，葡萄的品种、产地的“风土”以及酿酒过程当中的每一个环节都会对酒的风味产生影响，葡萄酒鉴赏也因此成为了一门玄妙的学问。不过，一篇于3月18日发表在PLOS ONE上的论文发现，我们的大脑可能对酒精含量较低的葡萄酒“情有独钟”。果壳科学人对文章的第一作者、来自以色列希伯来大学的莱姆•弗罗斯特（Ram Frost）教授进行了专访。弗罗斯特教授告诉果壳网，自己对葡萄酒的热爱由来已久。经过多年的钻研，他积累了大量关于葡萄酒酿造与品评的知识，而此次研究的主题也与这项兴趣密切相关。弗罗斯特教授等人注意到，在过去的二三十年间，市场中贩卖的葡萄酒酒精含量越来越高。30年前，酒精含量为12%或的葡萄酒最为常见，而在今日，多数葡萄酒的酒精含量达到了14%或以上。出现这一趋势的部分原因在于葡萄酒制造商对大众口味的推断，毕竟有许多人相信高度酒浓烈醇厚；不过，一些品酒专家对此提出了异议，他们认为酒精含量太高会掩盖酒本身微妙的味道与气韵。如果你是一名葡萄酒制造商，此刻该听从自己的直觉还是专家的建议？到底什么样的酒更容易吸引消费者买单？论文指出，与品酒密切相关的嗅觉与味觉活动，均为难以量化的化学感觉通道，而且易受其他因素的影响，因此，要想获得一个关于口味偏好的可靠结果并不简单。于是，研究者们决定利用功能性磁共振成像（functional magnetic resonance imaging, fMRI）的技术，在被试不进行主观判断的情况下，记录不同酒精含量的葡萄酒引发的大脑活动。研究者们通过问卷筛查，选择性地招募了一批志愿者。这些志愿者平日有喝葡萄酒的习惯，但购买次数不超过每周一次。在实验中，研究者让被试一边接受fMRI，一边按照随机顺序喝下三种液体：（1）低酒精含量葡萄酒，（2）高酒精含量葡萄酒，以及（3）由 mM 氯化钾与 mM碳酸氢钠配置成的无味溶液。为了最大限度地排除酒精含量以外的变量产生的干扰，研究者对实验使用的葡萄酒样品进行了严格的控制。首先，每一对高/低酒精含量葡萄酒的产地、葡萄品种、年份与市场价格一致；其次，经过测定，两种葡萄酒的残糖含量与pH值也非常接近；其三，研究者共准备了4组高/低酒精含量葡萄酒，并对每位被试进行随机提供其中一组；最后，志愿者们在fMRI扫描结束后对自己喝到的葡萄酒进行了评分，结果表明，他们对两种葡萄酒的主观偏好度几乎一致。分析fMRI数据发现，与无味液体相比，葡萄酒显著激活了诸多参与味觉加工的脑区，其中包括扣带回（cingular cortex）、中央后回（post-central gyrus）、罗兰迪克脑盖（rolandic operculum）、腹后内侧丘脑（ventral posterior medial thalamus）和小脑（cerebellum）等。当对两种酒精含量的葡萄酒引起的神经活动进行比较时，研究者发现了一个出人意料的结果。与人们对高度酒“味道浓郁”的印象相反，酒精含量较低的葡萄酒在右侧脑岛（insula）和小脑引起了更强的活动，而这两个脑区均与味觉强度的加工有关（如图）。被试对两种葡萄酒的主观评定几乎一致，客观的大脑活动信号却出现了差异，为何会产生这种现象？弗罗斯特教授告诉果壳网，酒精含量较低时，大脑或能更深入地探索葡萄酒的芳香与口味，从而导致了更活跃的神经反应，这一过程并不受主观意识的控制，可能也与人们对酒精度高低的偏好无关。有趣的是，尽管参与实验的志愿者都是普通消费者，他们的大脑却与一些品酒专家不谋而合。尽管这一结果并不能直接反映人们对酒精含量的实际喜好，葡萄酒制造业依旧能从中获得一些启示。弗罗斯特教授指出，本项研究的一大意义即在于提出了一种测量方法，即便是像葡萄酒这样复杂的化学感觉刺激，也可用fMRI技术来考察大脑对它们的反应，而“葡萄酒的其他一些特征，如酸度、丹宁含量都可以用同样的方法进行研究。”在下一步的实验当中，研究者们还将对葡萄酒鉴赏专家们进行fMRI扫描，看看他们的大脑又会有怎样的反应。（编辑：游识猷）参考资料 Frost R, Quiñones I, Veldhuizen M, et al. What Can the Brain Teach Us about Winemaking? An fMRI Study of Alcohol Level Preferences[J]. PloS one, 2014, 10(3): e0119220-e0119220.

谈补阳还五汤对脑缺血大鼠神经功能及细胞形态的影响论文

脑缺血属中风范畴，是临床常见病，具有高发病率、高死亡率及高致残率的特点，严重危害着人类健康。迄今为止，国内外在治疗脑缺血及其后遗症方面还缺少有效的化学治疗药物。循证医学表明，中医药对缺血性脑卒中的治疗有一定优势。当前大量研究集中在中药对急性脑缺血损伤的保护作用。而脑缺血后的功能恢复是一个较长时间过程，目前对其进行较长时间观察的研究较少。出自清代王清任《医林改错》的补阳还五汤，是治疗缺血性中风及中风后遗症的经典名方，该方在临床上应用广泛且疗效确切，但其促神经功能恢复机制还需进一步阐明。本文采用大脑中动脉线栓法复制大鼠局灶性脑缺血模型，探讨了补阳还五汤较长时间多时间点对其神经功能的.保护作用，以期为治疗缺血性脑中风临床用药提供实验依据。

1 材料

1. 1 动物健康雄性SD 大鼠189 只，SPF 级，体重260 ～ 280 g，购自湖南斯莱克景达实验动物有限公司，生产许可证号SCXK( 湘) 2009-0004，动物合格证号004535。

1. 2 药物补阳还五汤处方来源于清·王清任《医林改错》，按原方组成: 黄芪120 g，赤芍4. 5 g，川芎3 g，归尾6 g，干地龙3 g，红花3 g，桃仁3 g，药材经湖南中医药研究院鉴定均符合《中国药典》2005 年版标准。补阳还五汤药剂制备: 饮片先用清水浸泡30 min，第一煎加药材及5 倍体积双蒸水，煎煮60min，二煎5 倍体积双蒸水，煎煮60 min，两煎混匀，浓缩至含生药2 g·mL - 1，冷藏待用。

1. 3 试剂10% 水合氯醛( 扬州市奥鑫助剂厂) ，多聚甲醛( 长沙市锦华化工有限公司) ，TTC( 红四氮唑，Sigma 公司) 。

1. 4 仪器Bx51 光学显微镜及IPP5. 1 图像分析系统( 日本Olympus) ，FA 型电子天平( 上海台之衡电子衡器有限公司) ，自动双重纯水蒸馏器( 上海玻璃仪器一厂) ，Finesse 325 型石蜡切片机( 英国Shando) 。

2 方法

2. 1 分组与给药将大鼠随机分为假手术组、模型组和补阳还五汤组，每组63 只，每组动物又分3 个时间点，即分别于首次给药后7， 14， 21 d 处死，每个时间点21 只动物。补阳还五汤组动物于术后2 h后开始给药，给药剂量为5 g·kg - 1·d - 1，每日ig 1次。模型组和假手术组动物均给予等体积蒸馏水。

2. 2 模型制备与评价参照文献采用大脑中动脉线栓法复制大鼠局灶性脑缺血模型: 10% 水合氯醛( 3. 5 mL·kg - 1 ) ip 麻醉，取颈正中切口长约3cm，逐层分离，结扎颈外动脉，夹闭颈内动脉、再结扎颈总动脉，于颈总动脉充盈分叉部下方约4 mm处将一长为4 cm 直径为0. 26 mm 的尼龙鱼线插入颈内动脉，直到遇到轻微阻力为止，固定尼龙线，缝合切口。假手术组仅切开皮肤、分离左侧颈总动脉后随即缝合。术后将动物置于放有清洁垫料的饲养盒内，自由饮水、进食。动物清醒2 h 后参照Longa及Bederson的5 分制法进行神经功能评分，分值在1 ～ 3 分者入组。0 分: 无神经损伤症状; 1 分: 不能完全伸展对侧前爪; 2 分: 向对侧转圈; 3 分: 向对侧倾倒; 4 分: 不能自发行走，意识丧失。评分越高，神经功能缺损越严重，反之亦然。不纳入标准: 评分低于1 分; 蛛网膜下腔出血; HE 染色无脑缺血病理改变; 未到时间点死亡。死亡等不足动物时随机替补。

2. 3 指标检测

2. 3. 1 TTC 染色测脑梗死面积比每组每个时间点5 只大鼠， 10% 水合氯醛麻醉后，断头取大脑，置于- 20 ℃ 冷冻20 min 后，自额极每隔2 mm 切1片。第1 刀在脑前极与视交叉连线中点处; 第2 刀在视交叉部位; 第3 刀在漏斗柄部位; 第4 刀在漏斗柄与后叶尾极之间，共A，B，C，D，E 5 片。用2%的红四氮唑染色，37 ℃下避光30 min，正常组织呈深红色，而梗死组织则为白色。拍照后选最大缺血断面C 片梗死面积，运用Image-Pro Express 图像分析系统扫描计算，取梗死面积占C 片大脑总面积的百分比表示。为消除梗死侧大脑半球因脑水肿造成的误差，按Swanson 方法进行校正后计算C 片梗死面积百分比( IS) 。IS = ( S1 - Sr) /2S1 × 100%S1: C 片健侧总面积; Sr: C 片患侧非梗死区面积。

2. 3. 2 神经功能评分每组每个时间点10 只大鼠，于术后2 h 及动物处死前1 h 进行神经功能评分。

2. 3. 3 HE 染色观察海马、皮质组织病理学变化每组每个时间点6 只。同2. 3. 1 取大脑后4% 多聚甲醛固定24 h，梯度乙醇脱水，常规石蜡包埋，脑冠状连续切片( 片厚5 μm) ，取含海马切片贴于载玻片上，随后HE 染色，光镜下观察比较各组大鼠左侧海马、皮质组织细胞形态病理学改变。

2. 4 统计学分析

所有数据以珋x ± s 表示，应用SPSS 19. 0 统计软件对数据进行统计分析，组间比较用单因素方差分析，P < 0. 05 被认为具有统计学意义。

3 结果

3. 1 各组脑梗死面积比较通过TTC 染色，假手术组着色比较均匀，为深红色; 7， 14， 21 d 模型组与补阳还五汤组染色不均匀，局部梗死区为白色，梗死部位在缺血侧顶叶大脑皮质、海马周围。梗死面积分析显示，模型组和补阳还五汤组随时间点后延脑梗死面积均逐渐缩小( P < 0. 05) ; 且7， 14， 21 d 补阳还五汤组梗死面积明显小于同时相模型组，差异具有统计学意义( P < 0. 05) 。

3. 2 各组神经功能评分情况假手术组各时间点大鼠神经功能评分均为0 分; 补阳还五汤组各时间点神经功能评分均较同时相模型组低，差异具有统计学意义( P < 0. 05) 。

3. 3 各组海马、皮质组织细胞形态学变化

3. 3. 1 海马假手术组海马细胞形态正常，细胞轮廓清晰可见，细胞核染色均匀，细胞排列整齐，间质着色均匀。7，14，21 d 模型组海马神经细胞皱缩，出现细胞核固缩，核边集严重，细胞内有空泡，细胞形态由椭圆形变成梭形、三角形，细胞间间距增大，间质染色稀疏，有空洞。7， 14， 21 d 补阳还五汤组海马细胞空泡样细胞较模型组明显减少，细胞形态明显改善，细胞排列较模型组整齐。7，14 d 补阳还五汤组仍存在少量核深染及空泡样改变细胞，但21 d 补阳还五汤组海马细胞形态接近假手术组。

3. 3. 2 皮质假手术组皮质细胞形态正常，边缘清晰，排列整齐，形态完整，胞核着色均匀，细胞间质染色均匀。7，14，21 d 模型组缺血细胞呈空泡样坏死，细胞形态丧失，细胞间间隙增大，染色变浅，呈网状改变; 残存细胞其体积缩小、细胞核固缩深染、细胞边界不清。补阳还五汤组各时间点皮质细胞空泡样细胞较同时间相模型组明显减少，细胞形态明显改善，细胞排列整齐，神经细胞核较清晰，细胞间隙染色较均匀。

4 讨论

局灶性脑缺血又称缺血性脑卒中，是由于脑的血液供应障碍，导致脑组织缺血、缺氧，所致相应区域脑梗死性坏死，大量神经元丧失，而产生相应的神经功能缺损症状与体征，是脑血管疾病中最为常见的临床类型。目前西医治疗脑缺血的主要方法包括溶栓、抗凝、降纤、扩血管、高压氧、介入治疗等，还有尚处于动物实验阶段的基因治疗、神经干细胞移植等。这些治疗方法中除了超早期( 发病3 h 内)溶栓治疗有效率高达21% ～ 93%，其他疗法效果并不确定。而且溶栓治疗因其严格的时间窗，意味着只有不到5% 的病人有机会进行这一治疗。因此，缺血性脑中风的病人约80% 留下不同程度的后遗症——神经功能缺损。

典型的缺血性脑卒中在临床上可按照病程分为3 期。第1 期急性期，脑卒中后1 个月内; 第2 期恢复期，脑卒中后2 ～ 6 个月内; 第3 期后遗症期，脑卒中6 个月后。补阳还五汤主要用于脑缺血恢复期及后遗症期治疗，是治疗脑缺血后遗症的首选方，临床应用疗效显著。因此在动物实验中我们观察的时间点最长达到缺血后21 d，这相当于人脑缺血后遗症期。本实验研究中，神经功能评分结果表明补阳还五汤能促进脑缺血后大鼠神经功能恢复。其作用机制有学者认为与促血管生成、扩血管、抗凝、溶栓等改善脑缺血局部微循环，减轻脑水肿及氧自由基损伤，保护脑组织，从而促进神经功能恢复。本实验室及国内其他实验室研究表明补阳还五汤能促进缺血后脑内神经干细胞增殖、迁移、分化，可能也是其促进缺血后神经功能恢复机制之一。通过比较各组动物脑梗死面积比，结果显示补阳还五汤各时间点分别较同时间相模型组脑梗死面积明显缩小。可能的原因有: 其一，补阳还五汤在脑缺血急性期起脑保护作用，抑制了大量神经元死亡与凋亡导致梗死面积变小; 其二，补阳还五汤促进缺血后脑组织再生、修复、代偿，而导致梗死面积较相应的模型组缩小; 二者也可能兼而有之。另外，通过比较补阳还五汤组与模型组缺血后海马、皮质组织学改变，结果表明补阳还五汤能明显改善细胞形态与排列，促进脑缺血损伤后组织修复。

总之，本研究证实了补阳还五汤具有降低脑缺血神经功能评分、减小脑梗死面积、改善脑组织细胞形态与排列的脑保护作用，为该药临床治疗缺血性脑卒中提供了有力的实验依据。

深度神经网络（DNNs）是 AI 领域的重要成果，但它的 “存在感” 已经不仅仅限于该领域。一些前沿生物医学研究，也正被这一特别的概念所吸引。特别是计算神经科学家。在以前所未有的任务性能彻底改变计算机视觉之后，相应的 DNNs 网络很快就被用以试着解释大脑信息处理的能力，并日益被用作灵长类动物大脑神经计算的建模框架。经过任务优化的深度神经网络，已经成为预测灵长类动物视觉皮层多个区域活动的最佳模型类型之一。用神经网络模拟大脑或者试图让神经网络更像大脑正成为主流方向的当下，有研究小组却选择用神经生物学的方法重新审视计算机学界发明的DNNs。而他们发现，诸如改变初始权重等情况就能改变网络的最终训练结果。这对使用单个网络来窥得生物神经信息处理机制的普遍做法提出了新的要求：如果没有将具有相同功能的深度神经网络具有的差异性纳入考虑的话，借助这类网络进行生物大脑运行机制建模将有可能出现一些随机的影响。要想尽量避免这种现象，从事 DNNs 研究的计算神经科学家，可能需要将他们的推论建立在多个网络实例组的基础上，即尝试去研究多个相同功能的神经网络的质心，以此克服随机影响。而对于 AI 领域的研究者，团队也希望这种表征一致性的概念能帮助机器学习研究人员了解在不同任务性能水平下运行的深度神经网络之间的差异。人工神经网络由被称为 “感知器”、相互连接的单元所建立，感知器则是生物神经元的简化数字模型。人工神经网络至少有两层感知器，一层用于输入层，另一层用于输出层。在输入和输出之间夹上一个或多个 “隐藏” 层，就得到了一个 “深层” 神经网络，这些层越多，网络越深。深度神经网络可以通过训练来识别数据中的特征，就比如代表猫或狗图像的特征。训练包括使用一种算法来迭代地调整感知器之间的连接强度（权重系数），以便网络学会将给定的输入（图像的像素）与正确的标签（猫或狗）相关联。理想状况是，一旦经过训练，深度神经网络应该能够对它以前没有见过的同类型输入进行分类。但在总体结构和功能上，深度神经网络还不能说是严格地模仿人类大脑，其中对神经元之间连接强度的调整反映了学习过程中的关联。一些神经科学家常常指出深度神经网络与人脑相比存在的局限性：单个神经元处理信息的范围可能比 “失效” 的感知器更广，例如，深度神经网络经常依赖感知器之间被称为反向传播的通信方式，而这种通信方式似乎并不存在于人脑神经系统。然而，计算神经科学家会持不同想法。有的时候，深度神经网络似乎是建模大脑的最佳选择。例如，现有的计算机视觉系统已经受到我们所知的灵长类视觉系统的影响，尤其是在负责识别人、位置和事物的路径上，借鉴了一种被称为腹侧视觉流的机制。对人类来说，腹侧神经通路从眼睛开始，然后进入丘脑的外侧膝状体，这是一种感觉信息的中继站。外侧膝状体连接到初级视觉皮层中称为 V1 的区域，在 V1 和 V4 的下游是区域 V2 和 V4，它们最终通向下颞叶皮层。非人类灵长类动物的大脑也有类似的结构（与之相应的背部视觉流是一条很大程度上独立的通道，用于处理看到运动和物体位置的信息）。这里所体现的神经科学见解是，视觉信息处理的分层、分阶段推进的：早期阶段先处理视野中的低级特征（如边缘、轮廓、颜色和形状），而复杂的表征，如整个对象和面孔，将在之后由颞叶皮层接管。如同人的大脑，每个 DNN 都有独特的连通性和表征特征，既然人的大脑会因为内部构造上的差异而导致有的人可能记忆力或者数学能力更强，那训练前初始设定不同的神经网络是否也会在训练过程中展现出性能上的不同呢？换句话说，功能相同，但起始条件不同的神经网络间究竟有没有差异呢？这个问题之所以关键，是因为它决定着科学家们应该在研究中怎样使用深度神经网络。在之前 Nature 通讯发布的一篇论文中，由英国剑桥大学 MRC 认知及脑科学研究组、美国哥伦比亚大学 Zuckerman Institute 和荷兰拉德堡大学的 Donders 脑科学及认知与行为学研究中心的科学家组成的一支科研团队，正试图回答这个问题。论文题目为《Individual differences among deep neural network models》。根据这篇论文，初始条件不同的深度神经网络，确实会随着训练进行而在表征上表现出越来越大的个体差异。此前的研究主要是采用线性典范相关性分析（CCA，linear canonical correlation analysis）和 centered-kernel alignment（CKA）来比较神经网络间的内部网络表征差异。这一次，该团队的研究采用的也是领域内常见的分析手法 —— 表征相似性分析（RSA，representational similarity analysis）。该分析法源于神经科学的多变量分析方法，常被用于将计算模型生产的数据与真实的大脑数据进行比较，在原理上基于通过用 “双（或‘对’）” 反馈差异表示系统的内部刺激表征（Inner stimulus representation）的表征差异矩阵（RDMs，representational dissimilarity matrices），而所有双反馈组所组成的几何则能被用于表示高维刺激空间的几何排布。两个系统如果在刺激表征上的特点相同（即表征差异矩阵的相似度高达一定数值），就被认为是拥有相似的系统表征。表征差异矩阵的相似度计算在有不同维度和来源的源空间（source spaces）中进行，以避开定义 “系统间的映射网络”。本研究的在这方面上的一个特色就是，使用神经科学研究中常用的网络实例比较分析方法对网络间的表征相似度进行比较，这使得研究结果可被直接用于神经科学研究常用的模型。最终，对比的结果显示，仅在起始随机种子上存在不同的神经网络间存在明显个体差异。该结果在采用不同网络架构，不同训练集和距离测量的情况下都成立。团队分析认为，这种差异的程度与 “用不同输入训练神经网络” 所产生的差异相当。如上图所示，研究团队通过计算对应 RDM 之间的所有成对距离，比较 all-CNN-C 在所有网络实例和层、上的表示几何。再通过 MDS 将 a 中的数据点（每个点对应一个层和实例）投影到二维。各个网络实例的层通过灰色线连接。虽然早期的代表性几何图形高度相似，但随着网络深度的增加，个体差异逐渐显现。在证明了深度神经网络存在的显著个体差异之后，团队继续探索了这些差异存在的解释。随后，研究者再通过在训练和测试阶段使用 Bernoulli dropout 方法调查了网络正则化（network regularization）对结果能造成的影响，但发现正则化虽然能在一定程度上提升 “采用不同起始随机种子的网络之表征” 的一致性，但并不能修正这些网络间的个体差异。最后，通过分析网络的训练轨迹与个体差异出现的过程并将这一过程可视化，团队在论文中表示，神经网络的性能与表征一致性间存在强负相关性，即网络间的个体差异会在训练过程中被加剧。总而言之，这项研究主要调查了多个神经网络在最少的实验干预条件下是否存在个体差异，即在训练开始前为网络设置不同权重的随机种子，但保持其他条件一致，并以此拓展了此前与 “神经网络间相关性” 有关的研究。除了这篇这篇研究以外，“深度学习三巨头” 之一、著名 AI 学者 Hinton 也有过与之相关的研究，论文名为《Similarity of Neural Network Representations Revisited》，文章探讨了测量深度神经网络表示相似性的问题，感兴趣的读者可以一并进行阅读。 Refrence： [1] [2]

这个应该没有什么特别的结论吧，只不过是因为爱因斯坦他的一些思维比我们更厉害而已

大脑研究的论文

深度神经网络（DNNs）是 AI 领域的重要成果，但它的 “存在感” 已经不仅仅限于该领域。一些前沿生物医学研究，也正被这一特别的概念所吸引。特别是计算神经科学家。在以前所未有的任务性能彻底改变计算机视觉之后，相应的 DNNs 网络很快就被用以试着解释大脑信息处理的能力，并日益被用作灵长类动物大脑神经计算的建模框架。经过任务优化的深度神经网络，已经成为预测灵长类动物视觉皮层多个区域活动的最佳模型类型之一。用神经网络模拟大脑或者试图让神经网络更像大脑正成为主流方向的当下，有研究小组却选择用神经生物学的方法重新审视计算机学界发明的DNNs。而他们发现，诸如改变初始权重等情况就能改变网络的最终训练结果。这对使用单个网络来窥得生物神经信息处理机制的普遍做法提出了新的要求：如果没有将具有相同功能的深度神经网络具有的差异性纳入考虑的话，借助这类网络进行生物大脑运行机制建模将有可能出现一些随机的影响。要想尽量避免这种现象，从事 DNNs 研究的计算神经科学家，可能需要将他们的推论建立在多个网络实例组的基础上，即尝试去研究多个相同功能的神经网络的质心，以此克服随机影响。而对于 AI 领域的研究者，团队也希望这种表征一致性的概念能帮助机器学习研究人员了解在不同任务性能水平下运行的深度神经网络之间的差异。人工神经网络由被称为 “感知器”、相互连接的单元所建立，感知器则是生物神经元的简化数字模型。人工神经网络至少有两层感知器，一层用于输入层，另一层用于输出层。在输入和输出之间夹上一个或多个 “隐藏” 层，就得到了一个 “深层” 神经网络，这些层越多，网络越深。深度神经网络可以通过训练来识别数据中的特征，就比如代表猫或狗图像的特征。训练包括使用一种算法来迭代地调整感知器之间的连接强度（权重系数），以便网络学会将给定的输入（图像的像素）与正确的标签（猫或狗）相关联。理想状况是，一旦经过训练，深度神经网络应该能够对它以前没有见过的同类型输入进行分类。但在总体结构和功能上，深度神经网络还不能说是严格地模仿人类大脑，其中对神经元之间连接强度的调整反映了学习过程中的关联。一些神经科学家常常指出深度神经网络与人脑相比存在的局限性：单个神经元处理信息的范围可能比 “失效” 的感知器更广，例如，深度神经网络经常依赖感知器之间被称为反向传播的通信方式，而这种通信方式似乎并不存在于人脑神经系统。然而，计算神经科学家会持不同想法。有的时候，深度神经网络似乎是建模大脑的最佳选择。例如，现有的计算机视觉系统已经受到我们所知的灵长类视觉系统的影响，尤其是在负责识别人、位置和事物的路径上，借鉴了一种被称为腹侧视觉流的机制。对人类来说，腹侧神经通路从眼睛开始，然后进入丘脑的外侧膝状体，这是一种感觉信息的中继站。外侧膝状体连接到初级视觉皮层中称为 V1 的区域，在 V1 和 V4 的下游是区域 V2 和 V4，它们最终通向下颞叶皮层。非人类灵长类动物的大脑也有类似的结构（与之相应的背部视觉流是一条很大程度上独立的通道，用于处理看到运动和物体位置的信息）。这里所体现的神经科学见解是，视觉信息处理的分层、分阶段推进的：早期阶段先处理视野中的低级特征（如边缘、轮廓、颜色和形状），而复杂的表征，如整个对象和面孔，将在之后由颞叶皮层接管。如同人的大脑，每个 DNN 都有独特的连通性和表征特征，既然人的大脑会因为内部构造上的差异而导致有的人可能记忆力或者数学能力更强，那训练前初始设定不同的神经网络是否也会在训练过程中展现出性能上的不同呢？换句话说，功能相同，但起始条件不同的神经网络间究竟有没有差异呢？这个问题之所以关键，是因为它决定着科学家们应该在研究中怎样使用深度神经网络。在之前 Nature 通讯发布的一篇论文中，由英国剑桥大学 MRC 认知及脑科学研究组、美国哥伦比亚大学 Zuckerman Institute 和荷兰拉德堡大学的 Donders 脑科学及认知与行为学研究中心的科学家组成的一支科研团队，正试图回答这个问题。论文题目为《Individual differences among deep neural network models》。根据这篇论文，初始条件不同的深度神经网络，确实会随着训练进行而在表征上表现出越来越大的个体差异。此前的研究主要是采用线性典范相关性分析（CCA，linear canonical correlation analysis）和 centered-kernel alignment（CKA）来比较神经网络间的内部网络表征差异。这一次，该团队的研究采用的也是领域内常见的分析手法 —— 表征相似性分析（RSA，representational similarity analysis）。该分析法源于神经科学的多变量分析方法，常被用于将计算模型生产的数据与真实的大脑数据进行比较，在原理上基于通过用 “双（或‘对’）” 反馈差异表示系统的内部刺激表征（Inner stimulus representation）的表征差异矩阵（RDMs，representational dissimilarity matrices），而所有双反馈组所组成的几何则能被用于表示高维刺激空间的几何排布。两个系统如果在刺激表征上的特点相同（即表征差异矩阵的相似度高达一定数值），就被认为是拥有相似的系统表征。表征差异矩阵的相似度计算在有不同维度和来源的源空间（source spaces）中进行，以避开定义 “系统间的映射网络”。本研究的在这方面上的一个特色就是，使用神经科学研究中常用的网络实例比较分析方法对网络间的表征相似度进行比较，这使得研究结果可被直接用于神经科学研究常用的模型。最终，对比的结果显示，仅在起始随机种子上存在不同的神经网络间存在明显个体差异。该结果在采用不同网络架构，不同训练集和距离测量的情况下都成立。团队分析认为，这种差异的程度与 “用不同输入训练神经网络” 所产生的差异相当。如上图所示，研究团队通过计算对应 RDM 之间的所有成对距离，比较 all-CNN-C 在所有网络实例和层、上的表示几何。再通过 MDS 将 a 中的数据点（每个点对应一个层和实例）投影到二维。各个网络实例的层通过灰色线连接。虽然早期的代表性几何图形高度相似，但随着网络深度的增加，个体差异逐渐显现。在证明了深度神经网络存在的显著个体差异之后，团队继续探索了这些差异存在的解释。随后，研究者再通过在训练和测试阶段使用 Bernoulli dropout 方法调查了网络正则化（network regularization）对结果能造成的影响，但发现正则化虽然能在一定程度上提升 “采用不同起始随机种子的网络之表征” 的一致性，但并不能修正这些网络间的个体差异。最后，通过分析网络的训练轨迹与个体差异出现的过程并将这一过程可视化，团队在论文中表示，神经网络的性能与表征一致性间存在强负相关性，即网络间的个体差异会在训练过程中被加剧。总而言之，这项研究主要调查了多个神经网络在最少的实验干预条件下是否存在个体差异，即在训练开始前为网络设置不同权重的随机种子，但保持其他条件一致，并以此拓展了此前与 “神经网络间相关性” 有关的研究。除了这篇这篇研究以外，“深度学习三巨头” 之一、著名 AI 学者 Hinton 也有过与之相关的研究，论文名为《Similarity of Neural Network Representations Revisited》，文章探讨了测量深度神经网络表示相似性的问题，感兴趣的读者可以一并进行阅读。 Refrence： [1] [2]