使用静止状态电脑脑图学预测创造性行为
Fatima Chhade1, Judie Tabbal2,3, Véronique Paban4
1CIC-IT INSERM 1414, Université de Rennes, Rennes, France. fatima1chhade@outlook.com.
Communications biology
|July 1, 2024
概括
这项研究使用高密度脑电图 (HD-EEG) 识别休息时的大脑连接模式,从而预测创造力. 这些发现揭示了能够预测创造性行为的大规模网络,为创造性提供了潜在的标记.
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
- 大脑的连接性 大脑的连接性
背景情况:
- 虽然任务和休息期间的大脑模式与创造力有关,但高度创造性大脑的电生理基础尚未得到充分理解.
- 以前的研究还没有完全探索与创造性行为相关的休息状态神经网络.
研究的目的:
- 通过高密度电脑学 (HD-EEG) 来识别与创造性行为相关的静止状态大脑网络.
- 为了确定这些网络中的功能连接强度是否可以预测个人的创造力.
主要方法:
- 获得了90名健康参与者的休息状态HD-EEG数据,他们完成了创造性行为清单.
- 利用基于连接组的预测建模 (CPM) 与支持向量回归来预测从大脑连接特征的创造力.
- 在马频段 (30-45 Hz) 中分析了功能连接.
主要成果:
- 在马波段中确定了与高和低创造力相关的特定功能连接模式.
- 预测模型准确地预测了个人创造力 (r=0.36,p=0.00045) 使用留下一个-输出-交叉验证.
- 在独立数据集上的外部验证证实了该模型的预测能力 (r=0.35,p=0.02).
结论:
- 揭示了可以预测创造性行为的大规模静止状态网络.
- 这些发现为开发基于HD-EEG的创造力生物标志物奠定了基础.
- 表明休息时的大脑连接是创造性潜力的重要指标.
