在神经成像数据中确定大脑状态.
Zalina Dezhina1, Jonathan Smallwood2, Ting Xu3
1Department of Neuroimaging, King's College London, United Kingdom.
PLoS computational biology
|October 16, 2023
概括
研究人员使用动态系统理论和fMRI数据提出了大脑状态的新定义. 研究结果表明,第一阶段模型描述了休息大脑状态,而第二阶段模型更适合任务状态,挑战了当前的计算神经科学模型.
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.
- 动态系统理论 动态系统理论
背景情况:
- "大脑状态"的定义在神经科学子领域之间缺乏共识.
- 这种模糊性阻碍了准确的神经动力学模型的开发.
- 动态系统理论为定义系统状态提供了一个框架.
研究的目的:
- 为神经成像数据采用动态系统状态定义.
- 在功能磁共振成像 (fMRI) 时间序列中建立大脑状态.
- 为了研究描述大脑状态的模型的顺序.
主要方法:
- 应用动态因果建模 (DCM) 对fMRI数据的低维嵌入.
- 分析了休息和任务条件fMRI数据集.
- 对比一级和二级的动态模型.
主要成果:
- 大约90%的休息状态的受试者被第一阶段模型更好地描述.
- 任务状态中约有55%的受试者通过二级模型更好地描述.
- 确定了休息与任务大脑状态的不同的模型顺序.
结论:
- 这项研究提出了一种用于定义神经成像中大脑状态的新方法.
- 这些发现挑战了计算机神经科学中第一阶方程的占主导地位.
- 介绍了fMRI数据中大脑状态的相位表示.


