基于密集采集的静止状态fMRI数据,估计动态的个体同活化模式,并将其用于更好地识别受试者
Hang Yang1,2, Xing Yao3, Hong Zhang3
1The Clinical Hospital of Chengdu Brain Science Institute, MOE Key Laboratory for Neuroinformation, Center for Information in Medicine, School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, 611731, China. yanghang@cibr.ac.cn.
Brain structure & function
|August 12, 2023
概括
个体大脑活动模式,称为同活化模式 (CAPs),可以在主体层面可靠地识别. 优化数据收集策略可以提高这些个性化大脑动态分析的准确性.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 大脑动力学 大脑动力学
背景情况:
- 大脑的功能是一个复杂的动态系统,具有空间组织,反复活动模式.
- 同激活模式 (CAPs) 分析单数据以检测短暂的大脑活动状态.
- 以前的CAP分析集中在群体层面,可能忽视了个体大脑的差异.
研究的目的:
- 在主体和扫描层面估计个别的同活化模式 (CAP) 状态.
- 通过差异识别来评估个人差异.
- 推最佳的数据收集策略,以获得可靠的特定主体大脑动态.
主要方法:
- 使用密集采样的午夜扫描俱乐部数据集.
- 在主体和扫描层面估计了个别的CAP国家.
- 应用差异识别来衡量学科内部和学科间的相似性.
主要成果:
- 在学科层面,个别的CAP表现出卓越的指纹识别能力,具有高度的学科内部相似性和增加的学科间差异.
- 协会网络是 CAP 可识别性的关键贡献者.
- 扫描水平的CAP国家在同一参与者的扫描中显示出不稳定性.
- 随着数据持续时间的增加,主题特定的CAP在可靠性和可区分性方面得到了改善.
结论:
- 已经构建了可靠的主题特定的CAP状态,捕捉了有意义的个体差异.
- 一个推的数据收集策略包括多次扫描适当的持续时间 (12-15分钟) 固定的总采集时间 (150分钟).
- 这些发现为未来个性化大脑动态研究提供了基础.
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
07:12Using Informational Connectivity to Measure the Synchronous Emergence of fMRI Multi-voxel Information Across Time
Published on: July 1, 2014
12.3K