使用神经质量模型探索发作中的间接到间接过渡
Chunfeng Yang1,2,3, Qingbo Luo1,2,3, Huazhong Shu1,2,3
1Key Laboratory of Computer Network and Information Integration of Ministry of Education, Southeast University, Nanjing, 210096 China.
Cognitive neurodynamics
|June 3, 2024
概括
这项研究使用神经质量模型和一种新的混合决定性动态因果建模 (H-DCM) 方法来建模发作过渡. 研究结果显示,在发作进展过程中神经连接和兴奋抑制平衡的变化.
科学领域:
- 计算神经科学是一种计算神经科学.
- 神经成像分析分析神经成像分析
- 的研究研究.
背景情况:
- 发作涉及刺激和抑制之间的复杂的神经相互作用.
- 了解从间接到间接状态的过渡对于研究至关重要.
- 现有的动态因果建模 (DCM) 方法可能存在局部最大值问题.
研究的目的:
- 在发作期间重建脑电图 (EEG) 信号并推断刺激-抑制 (E-I) 平衡的变化.
- 开发和验证一种新的混合决定性DCM (H-DCM) 方法,用于分析信号的光谱特征.
- 为了研究从互触状态到互触状态的过渡背后的神经机制.
主要方法:
- 使用完整的基于生理学模型 (cPBM) 模拟EEG信号.
- 应用频谱DCM以量化频率特征和估计cPBM参数.
- 提出并实施了一种混合确定性DCM (H-DCM) 与确定性回火方案来解决局部最大问题.
主要成果:
- 重建了EEG信号和功率光谱密度 (PSDs) 对于interictal,preictal和ictal阶段,使用估计的cPBM参数.
- 拟议的H-DCM在传统的DCM方法中表现出优越的性能,实现了更高的自由能量和更低的根平均平方误差 (RMSE).
- 鉴定了神经连接的特定变化以及在过渡到ictal活动期间EI平衡的显著增加.
结论:
- 该cPBM可以有效地重建EEG信号及其光谱特性.
- H-DCM提供了一种更强大,更准确的方法来分析的光谱特征.
- 这项研究阐明了神经动态,包括改变的突触连接和E-I平衡,驱动发作过渡.
