跨主体动态条件相关性:一种新的方法来追踪自然主义刺激期间的框架式网络含义

科学领域:

• 认知神经科学 认知神经科学
• 神经成像分析分析 神经成像分析

背景情况:

• 自然主义刺激在认知神经科学中具有很高的生态价值,但也带来了方法论上的挑战.
• 现有的动态功能连接方法,如滑窗,在分析复杂的神经数据方面存在局限性.

研究的目的:

• 引入和验证一种新的方法,即主体间动态条件相关性 (ISDCC),用于分析神经网络重新配置.
• 克服当前方法的局限性,以捕捉响应自然刺激的动态大脑活动.

主要方法:

• ISDCC使用跨主体分析来隔离一致的,刺激引起的神经信号.
• 基于通用自回归条件异构性而建立的动态条件相关性 (DCC) 用于框架式功能连接性计算.
• 验证涉及模拟数据和功能磁共振成像 (fMRI) 数据集的叙事理解.

主要成果:

• 在模拟中,ISDCC准确地确定了网络重新配置模式,性能优于标准的DCC.
• 在参与者之间观察到同步的网络重新配置模式.
• 该方法基于刺激的时间连贯性来区分大脑活动.
• 网络变化与在叙事任务期间的听众参与度有显著的相关性.

结论:

• ISDCC提供了一种敏感和动态的方法来分析大脑网络动态.
• 这种方法增强了对生态有效,自然主义刺激的神经反应的研究.
• 在复杂的认知过程中,ISDCC提供了对网络影响的精确跟踪.