相关实验视频
Updated: Jul 4, 2025
06:01
Transcranial Direct Current Stimulation for Online Gamers
Published on: November 9, 2019
8.0K
基于Connectome的互联网成症状学的预测建模
Qiuyang Feng1,2, Zhiting Ren2,3, Dongtao Wei2,3
1Center for Studies of Education and Psychology of Ethnic Minorities in Southwest China, Southwest University (SWU), Chongqing 400715, China.
Social cognitive and affective neuroscience
|February 9, 2024
概括
互联网成症状 (IAS) 可以通过特定的大脑连接模式来预测. 这项研究确定了与IAS相关的关键神经网络,为潜在的早期干预提供了神经生物学标志物的洞察力.
科学领域:
- 神经科学是一个神经科学.
- 精神病学是一个精神病学.
- 计算神经科学是一种神经科学.
背景情况:
- 互联网成症状学 (IAS) 涉及强迫性互联网使用,导致严重损害.
- 了解IAS的神经生物学基础对于开发有效干预措施至关重要.
研究的目的:
- 在健康人群中使用全脑静止状态功能连接解码IAS.
- 为了确定与互联网成障碍 (IAD) 易感性相关的预测性大脑网络特征.
主要方法:
- 应用基于连接组的预测建模到静止状态的功能连接数据.
- 在健康人群中利用全脑分析来识别预测网络特征.
- 在独立样本中验证了确定连接的概括性.
主要成果:
- 通过前额叶皮质,小脑和边缘叶之间的功能连接来预测IAS.
- 尾叶,边缘叶和岛叶之间的连接也与IAS有关.
- 一个涉及叶的独特网络区分了IAS预测与酒精使用障碍预测.
结论:
- 这项研究提供了基于内在大脑网络组织的IAS预测大脑特征的第一个数据驱动的证据.
- 这些发现有助于我们更好地理解IAD易受性的神经生物学基础.
- 这些见解可能会为患有IAD风险的个人提供及时干预信息.
