个性化预测任务性能下降使用任务前休息状态功能连接

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 心理学 心理学 心理学

背景情况:

• 精神疲劳,特别是任务时间 (TOT) 效应,严重影响日常活动和表现.
• 任务效率和大脑活动的个体差异使得预测个人层面的疲劳相关下降具有挑战性.
• 目前的小组级分析缺乏针对个性化的疲劳预测的概括性.

研究的目的:

• 调查使用任务前休息状态功能连接 (FC) 来预测个人疲劳相关性能恶化的可行性.
• 开发和验证一个数据驱动的框架,用于个性化预测与疲劳相关的行为障碍.

主要方法:

• 利用一个交叉验证的,数据驱动的分析框架,对37名健康受试者的休息状态功能连接 (FC) 数据进行了分析.
• 估计个人行为障碍使用像∆RT和TOTslope这样的指标在三个会议中的15分钟持续注意力任务中.
• 采用基于连接组的预测模型,使用任务前的FC特征来预测性能恶化.

主要成果:

• 确认了与TOT相关的显著的人口表现下降,具有实质性的个人间变异性.
• 在预测个人TOT相关的行为障碍指标时使用任务前神经成像功能实现了高准确性.
• 识别了额头,部和部区域内的/之间的关键FC特征,有助于个性化预测.

结论:

• 任务前的休息状态FC是个体疲劳相关性能下降的可行预测指标.
• 开发的框架提供了一个有前途的方法,超出了传统的相关性/分类方法.
• 这种方法可能会导致在现实场景中防止性能下降的实用技术.