XM-603C脑解剖模型（15部件）   XM-603C脑解剖模型由大脑半球、胼胝体、岛叶、豆状核、尾状核、脑室系统和脑干等15个部件组成，并显示大脑半球、内囊、脑室系统、间脑、小脑和脑干中脑、脑桥、延髓各个部位，以及脑神经等结构，同时按不同功能部位用颜色加以区别。 尺寸：自然大，23×18×18cm 材质：PVC材料

XM-603B脑解剖模型（9部件）   XM-603B脑解剖模型可拆分为9部件，用于了解脑各部分的相互关系，显示了脑的外形结构、大脑外侧面主要结构、大脑的半球内侧面和底面的主要结构、脑干各面的主要结构、小脑的主要结构。 尺寸：自然大，18.5×14×13.5cm 材质：PVC材料

XM-606A右半脑带血管和神经模型   XM-606A右半脑带血管和神经模型显示大脑半球、间脑、小脑和脑干中脑、脑桥、延髓各个部分以及脑神经和脑血管等结构。 尺寸：自然大，15×15×6cm 材质：PVC材料

XM-602脑模型（一套6件）   XM-602脑模型内囊位置组成及分布模型、脑纤维束解剖模型、海马穹窿前连合模型、脑及脑室解剖模型、大脑半球连合纤维模型、硬脑膜及静脉窦模型6种模型组成。 尺寸：自然大，50×26×16cm 材质：PVC材料   示教内容： 1、通过四块脑组织的分拆，显示整个脑室在各部脑实质内所占位置、相互关系及脑室各部结构。 2、右侧半示前连合的行程与位置、脑基底神经节、丘脑内束与内束放射线冠等，左侧示豆核、胼胒体放射、视放射等，脑干示小脑三对脚和齿状核。 3、示前连合穹窿的全程以及侧脑室颞角内的结构，如海马、海马伞、灰小束与齿状回等结构。 4、通过脑的水平额状切面，示内束的位置、组成和分布。 5、示大脑半球内部的白质纤维、大脑联合系、固有联合系和投放射系。 6、示硬脑膜膈和静脉窦蝶窦位置及关系。

XM-605头解剖附脑动脉模型   XM-605颅脑模型（头解剖附脑动脉模型）可拆分为9部件，显示颅内的脑结构，包括颅底、大脑半球、间脑、小脑、脑干、中脑、脑桥、延髓各个部分以及脑神经和脑血管等结构。 尺寸：自然大 材质：PVC材料

XM-607脑水平切模型   功能特点： ■ XM-607脑水平切模型共5片，每片厚度约1.2cm。 ■ 第一个切面约额叶顶部3.5cm位做水平切，以下每隔约1.2—1.5cm做剖面共4个剖面。 ■ 第一剖面示：右额叶胼骶体。 ■ 第二剖面示：胼骶体膝、侧脑室、岛叶、苍白球、肉速膝、尾状核、背侧丘脑。 ■ 第三剖面示：胼骶体侧脑室前角、后角、尾状核、屏状核、豆状核、背侧丘脑、尾状核尾部。 ■ 第四剖面示：外侧沟、豆状核、红核黑质第三脑室、侧脑室下角、中脑水管。 ■ 尺寸：自然大，19×18×24cm ■ 材质：玻璃钢材料

XM-607脑水平切模型   功能特点： ■ XM-607脑水平切模型共5片，每片厚度约1.2cm。 ■ 第一个切面约额叶顶部3.5cm位做水平切，以下每隔约1.2—1.5cm做剖面共4个剖面。 ■ 第一剖面示：右额叶胼骶体。 ■ 第二剖面示：胼骶体膝、侧脑室、岛叶、苍白球、肉速膝、尾状核、背侧丘脑。 ■ 第三剖面示：胼骶体侧脑室前角、后角、尾状核、屏状核、豆状核、背侧丘脑、尾状核尾部。 ■ 第四剖面示：外侧沟、豆状核、红核黑质第三脑室、侧脑室下角、中脑水管。 ■ 尺寸：自然大，19×18×24cm ■ 材质：玻璃钢材料

产品详细介绍NeurOne高精度脑电测量系统一、产品概述：NeurOneEEG/ERP高精度脑电测量系统是芬兰Mega公司开发的创新型脑科学研究，NeurOne认知神经科学测量系统利用世界最新的数字信号处理技术发展，目前是全世界性能最好的神经科学测量系统并提供了更加精确与干净的信号质量、更高的采样率、模块化解决方案，和在数字信号加工过程中利用最新处理手段,使其更加具有灵活性和扩展性。NeurOne是一个多功能系统，广泛应用于不同的认知神经科学、心理与行为科学以及人因工程与工效学等研究领域。二、多模态脑功能研究：NeurOne系统可以与fMRI功能性核磁共振、fNIRS功能性近红外光谱脑成像或者TMS经颅磁刺激器结合进行多模态脑功能实验研究；NeurOne提供了专为与TMS经颅磁刺激器一起使用的功能模块，有特殊还原技术在短延时情况下来消除磁制品影响。先进的头盒设计使AC交流电和DC直流电信号可单独或同时,新的创新Tesla核磁脑电放大器给NeurOne带来MRI兼容性。三、技术功能特点：NeurOne挑战传统的认知神经实验室ERP系统:24Bit高分辨率每通道最高可达80,000Hz超高速采样率高精度放大器技术可升级为NeurOneBrainstorm系统,最高达1200导联NeurOne设备具有很明显的技术领先优势，决不以牺牲数据质量来追求通道的数量、缩短准备时间或者降低成本。其中，NeurOne放大器每个80导，包括8个双极导联，还有8导High-level外接信号输入。由于它的频带足够宽（DC～3500Hz）、采样率足够高（256-1200导，每导可达20000Hz，单导记录最高可达80000Hz），还可用双极或单极同时记录许多其他的生理信号（如ECG心电、EMG肌电、EEG脑电等），一方面可以去除心电和肌电的干扰，另一方面可以进行脑活动过程与其他生理系统的综合研究。同时NeurOne的放大器参数足够高，性能足够稳定，可以进行听觉脑干诱发电位的记录和研究。输入阻抗为1 Gohm，共模抑制比 106 dB。 NeurOne是建立在高保真记录的基础上，能够提供完全原始的高保真数据，不需要屏蔽和滤波，信号不失真。四、脑电超扫描技术NeurOne脑电超扫描系统每个放大器的Headbox由64个单极、8个双极和8个high level输入接口组成，共计80导，每导的采样率能达到20000Hz，最高可以达到80000Hz。团体超扫描脑电测试平台每套系统可提供多至2-30个放大器（共计128/1200导）的协调同步,并可选择支持视频同步。NeurOne系统最高支持1200高导联，并可确保所有通道的同步采集。精心设计的启动和时间锁定功能确保系统中所有通道无相位偏差。所有的通道都使用高质量的24位A/D模拟数字芯片来处理数据。五、多功能应用：　1、Hyperscanning脑电超扫描研究:NeurOne脑电超扫描系统的模块化设计可以提供多达4人实时同步进行脑功能超扫描测试使用系统，并支持完全同步视频的摄影机。使用创新的Brainstorm超扫描技术 (Multi Syncbox)，支持多达10个 NeurOne主机系统实时同步，允许最多30人使用30个放大器同时工作–均由一台电脑记录。2、EEG-fNIRS多模态研究: NeurOne多模态脑功能测试系统可以和fNIRS（高密度近红外脑功能成像系统）搭配使用，将EEG和fNIRS进行整合发挥二者的优势，EEG的时间分辨率高，但是空间分辨率低；fNIRS的时间分辨率低，实时性较差，但是空间分辨率高。为了准确、全面、实时的测量大脑在认知过程中的活动，实现全面、实时的脑成像方式无疑是一种更好的策略。结合EEG与fNIRS的多模态脑成像技术在认知神经科学研究中有着很好的应用前景，同时还可搭建多模态脑-机接口系统。3、EEG-fNIRS多模态脑机接口研究:传统基于单一模态脑电(EEG)脑-机接口易受环境噪声干扰、分类精度低等问题,在EEG脑-机接口的研究基础上,引入功能近红外光谱成像(function NearInfrared Spectroscopy,fNIRS)技术,可以自行设计EEG-fNIRS多模态脑-机接口的实验范式,研究最重要的特征提取与分类环节，同时SIMULINK驱动程序可在订单中选购，并提供BCI脑机接口应用程序: BCI2000可免费提供给NeurOne用户。4、EEG-TMS多模态研究: NeurOne多模态脑功能测试系统可以和TMS（经颅磁刺激器）搭配使用。高动态输入范围（+/-430mV的直流电模式以及+/-86mV的交流电模式），较大的模拟带宽（直流输出3500HZ），让TMS保持较低的伪影，使得分析大脑活动的潜伏期更短。此外，TMS拥有硬件弱音功能以及在线伪影消除的软件功能。此外我们增加了EEG采样同步触发新功能。触发器由刺激系统软件发出（ErgoLAB刺激编译软件、Presentation软件, Superlab软件, E-Prime软件），这些触发信号能够通过NeurOne主控器传到TMS设备上。NeurOne可以在持续的EEG采样信号中发出触发脉冲，产生更精确的TMS，减少伪影，更容易进行伪影去除。NeurOne结合TMS案例应用：http://www.kingfar.cn/newsShow_88.html5、EEG-fMRI多模态研究: NeurOne Tesla多模态脑功能测试系统使得同时测量MRI和EEG成为可能。利用NeurOne SyncboxEEG所获得的数据和MRI扫描是同步的(例如4或10MHz)。高动态输入范围(+/- 430 mV的直流电模式和 +/-86 mV的交流电模式)结合模拟带宽(直流输出3500 Hz) ,使利用高梯度力度获得精确信号毫无风险。应用领域：EEG/EP测量ERP研究EEG +TMS结合多模态脑功能研究EEG +fMRI结合多模态脑功能研究多通道EMG肌电图研究群组超扫描研究（多达4人4视频摄像机完全同步）其他神经科学的测量其他心理测量 NeurOne放大器参数：•每个Headbox 有64导单极导联；•每个Headbox 有16导双极导联；•每个Headbox 有16导High Level 导联；•采样率：512导同时采集，每导可达20,000 Hz ；•所有导联均同步采集信号，最大支持1200高导联，•支持超扫描技术Hyperscanning最多支持30人同步采集团体脑电数据；•支持多模态技术，含EEG-TMS，EEG-fNIRS，EEG-fMRI等研究技术方案•A/DResolution：24 Bit ；•输入阻抗：1 GOhms ；•共模抑制比（CMRR）：106 dB ；•带宽（Bandwidth）：DC ～ 3500 Hz ；•低通滤波：DC（10000 Hz）；-3 dB（7000 Hz）；•高通滤波： -3 dB（0.16 Hz）；•输入噪声（InputNoise.）（DC Mode）：<0.8uV RMS (0-200 Hz)，<2.0uV RMS(DC-3500 Hz) ；•输入范围（FullScale Input Range）（DC Mode）：+/- 430 mV ；•系统增益（SystemGain）（DC Mode）：10 ；•灵敏度（Sensitivity）（DC Mode)：51 nV/bit ；•输入噪声（InputNoise.）（AC Mode）：<0.6uV RMS (0.16-200 Hz)，<1.5uV RMS (0.16-3500 Hz) ；•输入范围（FullScale Input Range）（AC Mode）：+/- 4.3 mV ；•系统增益（SystemGain）（AC Mode）：50 ；•灵敏度（Sensitivity）（AC Mode）：0.51 nV/bit ；•数字化（TTL）输入：8 Bit非隔离输入触发，2个隔离输入/输出•High Level 输入范围：+/- 5 V ；或+/- 10 V•阻抗：1K Ohm ～ 50 K Ohm ；•Headbox 体积（h x w x d）：20 x 7 x 16cm, 每 64 导；•Headbox 重量：0.68 kg。•Main unit体积（H x W x D）：33×12×27 cm,160导系统主机•Main unit重量：3.6•安全规范：EN60601-1，EN 60601-1-1，EN 60601-1-2EN60601-1-4，EN60601-2-26NeurOne用户请注意：注意 – 仅用于科研，不用于诊断过程,设备可用于非临床实验研究。PUBLICATIONS USING NEURONE EEG/ERP ORNEURONE TESLA :1. A platform for realtime processing of biosignalsfor monitoring purposes. PITKÄNEN,PAAVO. Master of Science Thesis. Tampere University of Technology. May 2012. InFinnish2. A New Platform for Realtime BCI Applications. Paavo Pitkänen1,2,Jukka Kinnunen2, Tarmo Lipping1 (IEEE,Senior Member). 1 Tampere University Of Technology, 2 Mega Electronics Ltd. Poster at Berlin BCI meeting 20123. Visual ERP P3 amplitude and latency in standaloneand embedded visual processing task. Conf Proc IEEE Eng Med Biol Soc. 2011;2011:781-4.doi: 10.1109/IEMBS.2011.6090179. Korpela J, Huotilainen M. Brain Work ResearchCentre, Finnish Institute of Occupational Health, Helsinki, Finland. jussi.korpela@ttl.fi4. The effect of automatic blink correction onauditory evoked potentials. Korpela,J. ; Brain Work Res. Centre, Finnish Inst. of Occupational Health, Helsinki,Finland ; Vigario, R. ; Huotilainen, M. 10.1109/EMBC.2012.63460095. Breakfast high in whey protein or carbohydratesimproves coping with workload in healthy subjects. Nora Sihvola a1, Riitta Korpela a1, Andreas Henelius a2, Anu Holm a2 a3,Minna Huotilainen a2, Kiti Müller a2,Tuija Poussa a4, Kati Pettersson a2,Anu Turpeinen a5 and Katri Peuhkuri a1 c1.a1 Institute of Biomedicine, Medical NutritionPhysiology, Pharmacology, University of Helsinki, PO Box 63, HelsinkiFIN-00014, Finland. a2 Finnish Institute of Occupational Health,Brain and Technology Team, Topeliuksenkatu 41 aA, Helsinki FIN-00250, Finland. a3 Department of Clinical Neurophysiology, Hospital District of Satakunta,Sairaalantie 3, Pori FIN-28500, Finland a4 Stat-Consulting,Vahverokatu 6, Nokia FIN-37130, Finland a5 ValioLimited, PO Box 30, VALIO, Helsinki FIN-00039, Finland British Journal ofNutrition, 20136. Pilot Study ofAcupuncture Point Laterality: Evidence from Heart Rate Variability. Guangjun Wang, Yuying Tian, ShuyongJia,Wenting Zhou, and Weibo Zhang.Institute ofAcupuncture and Moxibustion, China Academy of Chinese Medical Sciences, 16Dongzhimennei, Nanxiaojie, Dongchen District, Beijing 100700, China Evidence-BasedComplementary and Alternative Medicine. Volume 2013 (2013), Article ID 476064,7 pages http://www.hindawi.com/journals/ecam/aip/476064/7. Algorithm forautomatic analysis of electro-oculographic data.Kati Pettersson1*, Sharman Jagadeesan1, Kristian Lukander1,Andreas Henelius1, Edward Hæggström2 andKiti Müller11Brain Work Research Center, FinnishInstitute of Occupational Health, Topeliuksenkatu 41aA, Helsinki 00250,Finland.2Electronics Research Laboratory, Departmentof Physics, University of Helsinki, P. O. Box 64, Gustaf Hällströmin katu 2,Helsinki FIN-00014, Finland.BioMedicalEngineering OnLine 2013 12:110.8. Brain-statedependent brain stimulation: Real-time EEG alpha band analysis using slidingwindow FFT phase progression extrapolation to trigger an alpha phase locked TMSpulse with 1 millisecond accuracy.Christoph Zrenner,Johannes Tünnerhoff , Carl Zipser, Florian Müller-Dahlhaus , Ulf ZiemannCenter forNeurology, Tübingen University, Hoppe-Seyler-Str. 3, 72076 Tübingen, GermanyBrainStimulation: Basic, Translational, and Clinical Research in Neuromodulation:Volume 8, Issue 2, A1-A10, 169-4389. Behavioral andelectrophysiological evidence for fast emergence of visual consciousness.Henry Railo1,2,3,*,Antti Revonsuo1,2,3,4 and Mika Koivisto1,2,31Department of Psychology, University ofTurku, 20014, Finland; 2Centre for Cognitive Neuroscience, University of Turku, 20014, Finland;3Brain and Mind Centre, University of Turku,20014, Finland; 4School of Bioscience, University of Skövde,SE-54128, SwedenNeuroscience ofConsciousness, 2015, 1–1210. Fastdetermination of MMN and P3a responses to linguistically and emotionallyrelevant changes in pseudoword stimuliSatu Pakarinen,Laura Sokka, Marianne Leinikka, Andreas Henelius, Jussi Korpela,MinnaHuotilainenFinnish Institute ofOccupational Health, Helsinki, FinlandNeuroscienceLetters 577 (2014) 28–3311. Alterationsin attention capture to auditory emotional stimuli in job burnout: Anevent-related potential studyLaura Sokka a, Minna Huotilainen a, Marianne Leinikka a, Jussi Korpela a, Andreas Henelius a,Claude Alain b,c, Kiti Müller a,Satu Pakarinenaa Finnish Institute of Occupational Health,Topeliuksenkatu 41 a A, 00250 Helsinki, Finlandb Rotman Research Institute, Baycrest Centrefor Geriatric Care, 3560 Bathurst Street, Toronto, Ontario, Canada M6A 2E1c Department of Psychology, University ofToronto, Toronto, Ontario, CanadaInternationalJournal of Psychophysiology 94 (2014) 427–43612. Brain-statedependent non-invasive brain stimulation using closed-loop real-time EEG signalanalysis to trigger a TMS pulse with millisecond accuracyC. Zrenner, J.Tünnerhoff, C. Zipser, F. Müller-Dahlhaus, U. ZiemannUniversity ofTübingen, Center of Neurology, Tübingen, GermanySocietyProceedings / Clinical Neurophysiology 126 (2015) e63–e17013. BilateralHegu Acupoints Have the Same Effect on the Heart Rate Variability of theHealthy SubjectsWang Guangjun, TianYuying, Jia Shuyong, ZhouWenting, and ZhangWeiboInstitute ofAcupuncture and Moxibustion, China Academy of Chinese Medical Sciences,Beijing 100700,ChinaHindawi PublishingCorporationEvidence-BasedComplementary and Alternative MedicineVolume 2014, ArticleID 106940, 5 pages (http://dx.doi.org/10.1155/2014/106940)14. AcupunctureRegulates the Heart Rate VariabilityGuangjun Wang,Yuying Tian, Shuyong Jia, Wenting Zhou, Weibo ZhangInstitute ofAcupuncture and Moxibustion, China Academy of Chinese Medical Sciences,Beijing, ChinaJ AcupunctMeridian Stud 2015;8(2):94-9815. Closed-LoopNeuroscience and Non-Invasive Brain Stimulation: A Tale of Two LoopsChristoph Zrenner,Paolo Belardinelli, Florian Müller-Dahlhaus and Ulf ZiemannBrain Network andPlasticity Laboratory, Department of Neurology and Stroke and Hertie-Institutefor Clinical Brain Research, University of Tübingen, Tübingen, GermanyFrontiers inCellular Neuroscience, April 2016, Volume 10, Article 9216. Physiologicalprocesses non-linearly affect electrophysiological recordings duringtranscranial electric stimulationNoury, N., et al.,NeuroImage (2016), http://dx.doi.org/10.1016/j.neuroimage.2016.03.06517. Job burnout is associated with dysfunctions inbrain mechanisms ofvoluntary and involuntary attention Laura Sokka, Marianne Leinikka, JussiKorpela, Andreas Henelius, Lauri Ahonen,Claude Alain, Kimmo Alho, MinnaHuotilainen, http://dx.doi.org/10.1016/j.biopsycho.2016.02.01018. Shifting ofattentional set is inadequate in severe burnout: Evidence from an event-relatedpotential studyLaura Sokka, MarianneLeinikka, Jussi Korpela, Andreas Henelius, Jani Lukander, Satu Pakarinen, KimmoAlho, Minna Huotilainen. PII: S0167-8760(16)30853-4 DOI: doi:10.1016/j.ijpsycho.2016.12.004

脑电信号作为人体重要的生理信息，已经被广泛应用于医学疾病诊断与治疗、人体潜能开发等方面。脑电图通过将电极接入被试对象的头皮，来测量大量神经元发放所形成的电场。脑电波作为能够体现大脑活动的信号中的一种，有方便检测、非侵入式且对被试对象友好等特点。一般认为，通过对大脑脑电波的检测并采取特定数据分析方法，有望将大脑的各项反应能力充分挖掘出来。近年来，脑电信号分析已成为认知神经科学领域的重要技术之一。大量研究表明，人类认知能力与脑电信号有关，其中工作记忆能力在认知中起关键作用。脑电信号具有数据量大、时间分辨率高、易受干扰等特点，给研究带来了不少挑战。杨立坚课题组使用样条函数，基于随机抽取的122名大学生志愿者训练集，以闭眼静息态下8个脑前区导联的脑电信号（图1），对20名志愿者测试集进行工作记忆能力的预测（图2），其确定系数R^2在多次随机试验下的中位数为68%，最低值大于50%，最高值72%（图3）。图1 ：试验中脑电信号记录的导联名称和位置图2：对某测试集计算的认知能力预测值与真实值的对比图3：对多次重复随机抽取的测试集计算的确定系数R^2箱线图杨立坚课题组依托10年来自身在函数型数据领域的研究成果，课题组2017级博士生张园园和2018级博士生黄昆在学习神经科学专业知识的同时，与机械工程系教授吴方芳和硕士生王健凯高效合作，分析季林红课题组的大学生志愿者脑电与认知能力数据。他们秉承“面向应用，背靠理论，写好算法”的统计学理念，把样条回归估计脑电信号的光滑轨迹，张量样条回归估计协方差函数，样条估计函数型主成分与得分等深刻的统计学前沿理论，结合LASSO回归，转化为快速准确分析脑电数据的算法（图4），从2018年12月开始仅用6个多月的时间，就很好地解决了基于工作记忆能力预测的问题，完成了这篇跨学科应用方法论文。图4：算法流程图

9前额叶和枕叶区的灰质体积越小多动症症状越严重）复旦大学类脑智能科学与技术研究院院长冯建峰教授、罗强副研究员团队，与英国剑桥大学、伦敦国王学院等单位合作，研究青少年中注意缺陷多动障碍双通路模型的神经基础，发现左楔叶结构不仅和多动症的认知和动机功能受损相关，还