認知プロセスのモデルは,思春期の脳における有意義な脳-行動関連性を明らかにする 認知発達の研究 停止信号タスク研究

科学分野:

• 神経科学は神経科学である.
• コグニティブ・サイエンス コグニティブ・サイエンス
• コンピュータサイキアトリーの精神医学

背景:

• 脳活動と行動における個々の違いを理解することは,神経イメージングにおいて極めて重要です.
• コンピューティングモデルは,認知のタスクパフォーマンスのメカニズム的な洞察を提供します.

研究 の 目的:

• Adolescent Brain Cognitive Development Study (青少年脳認知発達研究) のストップシグナルタスク (SST) に公式の計算モデルを適用する.
• コンピューターモデルのパラメータと,機械学習を用いた脳活性化の関係を定量化する.
• 表現型測定法を用いて計算モデルのコンストラクションの妥当性を評価する.

主な方法:

• SSTからの9歳から11歳の行動および神経画像データの大規模なデータセット (n=6469) を利用しました.
• モデルパラメータを機能的磁気共鳴画像 (fMRI) データとリンクするために,機械学習ベースの予測モデリングアプローチを採用しました.
• モデルのパラメータと抑制,衝動性,認知のフェノタイプの測定値との関連を調べた.

主要な成果:

• 公式のSSTモデルのパラメータは,経験的パフォーマンス測定値 (R2まで20.89%) と比較して,fMRIアクティベーション (R2まで26.86%) の有意なより大きなバリエーションを説明しました.
• 神経イメージングデータは",開始"の選択と,停止する際の注意欠陥 ("トリガー障害") の証拠蓄積と強く関連していました.
• Salienceネットワークの活動は証拠の蓄積と相関し,視覚野の活動は注意の欠陥と相関した.

結論:

• コンピューティング・コグニティブ・モデリングは,脳の機能と行動を結びつけるのに,より敏感なアプローチを提供します.
• この研究は,行動現象型との関連付けを通じて,計算モデルのコンストラクット有効性を検証します.
• 発見は,発達における微妙な脳行動関係の発見のための計算モデルの有用性を強調しています.