在单个主体基础上识别双向和高序脑功能连接特征的统计方法
Laura Sparacino1, Luca Faes1, Gorana Mijatović2
1Department of Engineering, University of Palermo, 90128 Palermo, Italy.
Life (Basel, Switzerland)
|October 28, 2023
概括
这项研究引入了一种分析个体大脑连接的新方法,揭示了超出简单对的复杂高阶相互作用. 这种个性化的方法为患者特异性治疗和理解大脑恢复提供了重要的临床价值.
科学领域:
- 神经科学是一个神经科学.
- 复杂系统科学 复杂系统科学
- 信息理论 信息理论
背景情况:
- 个性化神经科学要求对大脑信号进行特定主体的分析.
- 标准的双向功能连接测量可能会错过复杂的大脑相互作用.
- 高阶相互作用 (HOI) 对于理解大脑系统复杂性至关重要.
研究的目的:
- 提出一种方法来评估单个受试者的大脑功能连接,使用双向和高阶测量.
- 突出特定主体大脑网络分析的临床相关性.
- 证明多变量信息理论在检测协同子系统中的实用性.
主要方法:
- 利用多变量信息理论来分析功能连接.
- 使用代理和引导数据分析进行统计验证.
- 将方法应用于单个受试者的静止状态功能磁共振成像 (休息-fMRI) 数据.
主要成果:
- 证实了大脑中高阶,协同作用子系统的存在.
- 在对和高阶相互作用中证明了统计学意义和特定条件的变化.
- 在患有肝脏脑病变的儿科患者身上验证了该方法.
结论:
- 提出的单个对象分析对个性化调查和治疗规划具有重大临床意义.
- 在高阶层调查大脑连接对于捕捉恢复复杂性至关重要.
- 高级功能连接分析为大脑功能和恢复提供了更深入的见解.
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
08:51Statistical Modelling of Cortical Connectivity Using Non-invasive Electroencephalograms
Published on: November 1, 2019
5.7K
