静止状态功能磁共振成像数据的状态转变动态:模型比较和测试-再测试分析
Saiful Islam1, Pitambar Khanra2, Johan Nakuci3
1Institute for Artificial Intelligence and Data Science, University at Buffalo, State University of New York at Buffalo, 215 Lockwood Hall, Buffalo, 14260, NY, USA.
BMC neuroscience
|March 4, 2024
概括
我们适应了脑电图 (EEG) 微态分析的功能磁共振成像 (fMRI) 数据. 这种方法揭示了个体独特的可靠的大脑状态动态,显示了大脑指纹的潜力.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 大脑成像分析分析
背景情况:
- 脑电图 (EEG) 微态分析从时间序列数据中识别出准稳定的大脑状态.
- 微态分析对功能磁共振成像 (fMRI) 数据的应用是有限的,因为fMRI的时间分辨率较慢.
- 对于EEG微态分析的现有方法需要适应fMRI数据.
研究的目的:
- 将EEG微态分析技术扩展到静止状态fMRI数据.
- 用fMRI研究人类大脑活动的状态过渡动态.
- 评估fMRI衍生的大脑状态动态的可靠性和个体区分性.
主要方法:
- 应用了从EEG微态分析到静止状态fMRI数据的数据聚类方法.
- 开发了一种新的方法来评估fMRI状态转换动态的测试-重新测试可靠性.
- 确定的大脑状态的参与者内部和参与者之间的可靠性进行比较.
主要成果:
- 对于fMRI数据的聚类质量与EEG微态分析所取得的质量相当.
- 状态转换动态的参与者内部测试-重新测试可靠性高于参与者之间的可靠性.
- 分析表明,基于其大脑状态动态,可能会对个体进行歧视.
结论:
- 脑电图微态分析方法可以成功地适应fMRI数据.
- fMRI状态转换动态显示出高个体内可靠性,这表明大脑指纹的潜力.
- 这种方法为从fMRI数据中识别独特的个体大脑动态提供了一个有希望的工具.
关键词:
集群集成是指集群集成.动力学 动力学 动力学这是一个EEGEEGEEGEEGEEGEEGEEG.用手指进行指纹检查.在MEGEG中,MEG是MEG.微观状态 微观状态测试反测试可靠性的可靠性功能磁力共振成像 (fMRI) 是一种更多相关视频
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
12:41Acquisition of Resting-State Functional Magnetic Resonance Imaging Data in the Rat
Published on: August 28, 2021
4.3K
