激活网络改善了人类大脑沟通过程的时空建模
Xucheng Liu1, Ze Wang2, Shun Liu1
1Department of Electrical and Computer Engineering, Faculty of Science and Technology, University of Macau, Macau 999078, China; Centre for Cognitive and Brain Sciences, Institute of Collaborative Innovation, University of Macau, Macau, 999078, China.
NeuroImage
|November 25, 2023
概括
一个新的激活网络框架 (AFC) 揭示了传统的动态功能网络 (DFN) 错过的动态大脑通信模式. 这种方法对理解诸如自闭症和COVID-19之类的大脑疾病有很大的前景.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 网络科学 网络科学
背景情况:
- 动态功能网络 (DFN) 使用时间序列相关性模型大脑通信.
- 目前的DFN方法由于非动态依赖性,对动态变化的敏感性有限.
- 这种局限性阻碍了对实时大脑通信动态的理解.
研究的目的:
- 引入基于功能连接 (AFC) 活动的激活网络框架.
- 提取反映特定时间的大脑通信波动的新型连接模式.
- 克服DFN在捕捉动态大脑过程中的局限性.
主要方法:
- 开发了AFC框架,以消除统计相关性中的非动态依赖.
- 使用模拟数据验证了AFC方法,显示与地面真相的高相关性.
- 应用AFC到自闭症谱系障碍 (ASD) 和COVID-19数据集.
主要成果:
- 与DFN相比,AFC提取了更丰富的拓重组信息.
- AFC确定了重要的区域间连接和高效的时间重新配置.
- AFC检测到患者的大脑信息处理能力下降,使他们与对照者区分开来,与DFN不同.
- 联合AFC和DFN成功对ASD和COVID-19患者进行了分类.
结论:
- AFC框架为分析大脑通信动态提供了一种更敏感的方法.
- AFC揭示了以前被DFN所掩盖的大脑动态的神经机制.
- 这种方法有可能在神经系统和传染病中获得临床应用.
更多相关视频
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
11.0K
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
