拓数据分析,以揭示MEG数据中的动态大脑重新配置
Ali Nabi Duman1, Ahmet E Tatar2
1Department of Mathematics, King Fahd University of Petroleum and Minerals, Dhahran, Saudi Arabia.
PeerJ
|July 25, 2023
概括
这项研究引入了一种新的拓数据分析方法Mapper,使用MEG/EEG数据分析动态大脑连接. Mapper可视化快速的神经波动,在没有数据崩的情况下区分认知任务,以获得潜在的临床见解.
科学领域:
- 神经科学是一个神经科学.
- 数据科学数据科学数据科学
- 认知科学 认知科学
背景情况:
- 功能连接研究正在转向动态,时间变化的大脑活动.
- 像MEG/EEG这样的高时间分辨率神经成像能够研究认知过程中的快速神经变化.
研究的目的:
- 使用磁脑电图 (MEG) 数据分析动态大脑重构.
- 引入一种新的拓数据分析 (TDA) 方法,Mapper,用于分析电生理学数据.
- 开发生物标志物来区分认知任务与神经活动数据.
主要方法:
- 利用了受试者在休息和认知任务期间的MEG成像数据.
- 应用了一个名为Mapper的拓数据分析方法.
- 专注于分析动态大脑重新配置而没有空间或时间数据崩.
主要成果:
- Mapper方法产生了能够区分认知任务的生物标志物.
- 该方法提供了快速电生理学波动的交互可视化.
- 证明了在个人层面提取临床相关信息的潜力.
结论:
- Mapper方法有效地分析了来自MEG/EEG数据的动态大脑连接.
- 这种方法可以研究神经活动而不影响时间或空间信息.
- 该技术对神经科学中个性化临床应用具有前景.
