对皮层动态的精确数据驱动建模揭示了规范振荡背后的特异性机制

科学领域:

• 计算神经科学是一种神经科学.
• 神经成像分析分析 神经成像分析
• 系统神经科学 系统神经科学

背景情况:

• 无任务大脑活动揭示了功能性大脑网络动态.
• 大脑活动的个体差异是显著的.
• 了解大脑动态需要先进的建模技术.

研究的目的:

• 开发一种算法优化框架,用于逆转和参数化大脑范围的动态系统模型.
• 为了创建"精确的大脑模型",用于询问个人的大脑动态.
• 为了对大脑活动和个体变异性进行定量预测.

主要方法:

• 为动态系统模型开发了一个算法优化框架.
• 使用单个主体时间序列记录的倒置和参数化模型.
• 通过预测大脑活动和预测M/EEG标志物来验证模型.

主要成果:

• 成功预测了未来的大脑活动,并预测了M/EEG标志物的个体变异性.
• 解决了α和β频率振荡中的个体差异.
• 基于模型吸引子拓和动态系统机制的特征学科.

结论:

• 该框架为"精密大脑模型"提供了一个强大的神经计算工具.
• 阿尔法与β节律的个体差异是由吸引子拓和动态机制解释的.
• 这些现象与激发-抑制平衡的全球变化有关.