背脊条纹体的功能划分基于图形神经网络
Qian Zheng1, Xiaojuan Ba1, Yiyang Xin2
1College of Software Engineering, Zhengzhou University of Light Industry, Zhengzhou 450000, China.
Mathematical biosciences and engineering : MBE
|March 8, 2024
概括
这项研究引入了一种新的图形神经网络模型,以功能地划分背脊条纹体. 该模型揭示了在各种认知任务中激活的不同功能子区域,增强了我们对大脑组织的理解.
科学领域:
- 神经科学是一个神经科学.
- 认知神经科学 认知神经科学
- 计算神经科学是一种神经科学.
背景情况:
- 背上条纹体在复杂的认知行为中起着关键作用.
- 有限的研究存在于功能性亚区域激活多个任务在背上条纹体内.
研究的目的:
- 通过图形神经网络 (GNN) 模型,提出一个用于脊椎条纹体功能划分的新框架.
- 在各种认知任务中探索背脊条纹体内的功能差异化和连接性.
主要方法:
- 功能性磁共振成像 (fMRI) 数据用于四个任务:嗅觉奖励,零背工作记忆,情感图像刺激和资本投资决策.
- 构建了一个图形,用背状条状体的声作为节点,连接强度作为边缘.
- 应用了GNN模型来分析功能次区域划分的图形数据.
主要成果:
- 根据特定任务的激活模式,GNN框架成功地将背状条纹体划分为15个不同的功能子区域.
- 结合分析证实了这些次区域的空间定位和差异化.
- 结果表明,在不同的认知需求中,背上条纹体内的功能专业化.
结论:
- 拟议的基于GNN的框架提供了一种可靠的方法来功能地划分脊椎条纹体.
- 鉴定的15个子区域突出显示,在复杂的认知任务中,背上条纹体内存在显著的功能差异化.
- 这种方法增强了对背脊条纹体在各种认知过程中的作用及其潜在的神经组织的理解.
更多相关视频
12:27Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations
Published on: February 15, 2017
7.0K
09:54Comprehensive Profiling of Dopamine Regulation in Substantia Nigra and Ventral Tegmental Area
Published on: August 10, 2012
25.8K
