间接同步的大脑状态优化了主体特异性和预测能力之间的权衡
Leonard Sasse1,2,3, Daouia I Larabi1,2, Amir Omidvarnia1,2
1Institute of Neuroscience and Medicine, Brain and Behaviour (INM-7), Research Centre Jülich, Jülich, Germany.
Communications biology
|July 10, 2023
概括
功能连接 (FC) 分析显示,大脑行为关联最好通过较低和中等幅度的共同波动时间点来预测,而不仅仅是高幅度的时间点.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 数据科学数据科学数据科学
背景情况:
- 功能连接 (FC) 量化了大脑区域之间的统计依赖关系.
- 用边缘时间序列 (ETS) 来研究FC的时间波动.
- 高振幅共波动 (HACF) 时间点被认为驱动FC和个体差异.
研究的目的:
- 系统地评估不同FC时间点对大脑行为关联的贡献.
- 评估FC估计在不同协波动水平的预测效用.
- 利用机器学习 (ML) 来分析功能磁共振成像 (fMRI) 中的时间动态.
主要方法:
- 从fMRI数据计算边缘时间序列 (ETS).
- 基于共波动振幅水平的时间点的分类.
- 应用机器学习 (ML) 模型来评估预测能力.
- 使用不同的FC时间点评估主体特异性和表型预测.
主要成果:
- 具有较低和中等共波动水平的时间点表现出最高的主体特异性.
- 这些较低和中间的共同波动时间点也表现出对个体表型的最大预测能力.
- FC估计的预测效用在不同的共同波动水平上有很大差异.
结论:
- 大脑与行为之间的关联不仅仅是由高幅度的共同波动事件驱动的.
- 功能连接中的低幅和中幅时间点为个人差异提供了关键的见解.
- 重新思考对高幅度事件的关注对于全面了解大脑行为关系是必要的.
更多相关视频
08:36Dynamic Inter-subject Functional Connectivity Reveals Moment-to-Moment Brain Network Configurations Driven by Continuous or Communication Paradigms
Published on: March 21, 2019
7.3K
04:44Inter-Brain Synchrony in Open-Ended Collaborative Learning: An fNIRS-Hyperscanning Study
Published on: July 21, 2021
4.2K
