在休息状态7T fMRI中跨皮层深度的多层网络分析
Parker Kotlarz1,2, Kaisu Lankinen1,3, Maria Hakonen1,3
1Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital, Charlestown, MA, USA.
bioRxiv : the preprint server for biology
|January 8, 2024
概括
多层图形理论使用超高分辨率的fMRI揭示了在皮层深度的不同功能角色. 表面层促进信息传输,而更深层驱动网络集群,为大脑组织提供新的见解.
科学领域:
- 神经科学是一个神经科学.
- 图形理论 图形理论
- 在Connectomics上,我们提供了连接.
背景情况:
- 多层网络模型复杂的系统与相互连接的拓层次.
- 皮层深度 (laminae) 分层是大脑组织的一个关键特征.
- 超高分辨率功能性MRI (fMRI) 允许对这些层进行非侵入性研究.
研究的目的:
- 应用多层图形理论来分析跨人类皮层深度的功能连接.
- 将层层的网络分析与全面的多层方法进行比较.
- 在信息处理中识别不同皮层深度的不同功能角色.
主要方法:
- 在30名参与者中利用7T fMRI与1mm3的voxels进行7T fMRI.
- 来自血液氧化水平依赖 (BOLD) 信号来自五个皮层深度.
- 使用图形理论指标将"层次"矩阵与完整的"多层"矩阵进行了比较.
主要成果:
- 多层连接学显著改善了在皮层深度之间的功能差异的检测.
- 表面皮层深度在信息传输中占主导地位.
- 较深的皮层深度主要参与网络聚类,特别是在前和边缘区域.
结论:
- 穿过皮层深度的功能连接包含神经生理学上相关的信息.
- 多层连接学为研究分层大脑网络中的信息流提供了一个强大的方法框架.
- 这种方法增强了对大脑组织和功能在皮层层的理解.
