基于大脑动态和从全夜fMRI过渡的可复制,数据驱动的睡眠特征
Fan Nils Yang1, Dante Picchioni1, Jacco A de Zwart1
1Advanced MRI Section, Laboratory of Functional and Molecular Imaging, National Institute of Neurological Disorders and Stroke, National Institutes of Health, Bethesda, United States.
eLife
|September 27, 2024
概括
研究人员使用先进的fMRI和隐藏的马尔科夫模型 (HMM) 绘制了全夜大脑活动的地图. 这揭示了21个不同的大脑状态及其过渡,为睡眠动态和障碍提供了新的见解.
科学领域:
- 神经科学是一个神经科学.
- 睡眠科学 睡眠科学
- 计算神经科学是一种神经科学.
背景情况:
- 了解睡眠功能需要研究整个夜间睡眠和过渡的脑活动动态.
- 多睡眠学 (PSG) 为大脑活动跟踪提供有限的空间分辨率.
- 以前的功能性MRI (fMRI) 研究太短,无法捕捉完整的睡眠阶段及其循环.
研究的目的:
- 为了研究整个大脑的动态和整个夜间睡眠的过渡.
- 识别重复的大脑状态及其超越传统睡眠阶段的过渡概率.
- 评估睡眠期间大脑状态识别的可重现性.
主要方法:
- 使用隐藏马尔科夫模型 (HMM),一种无监督学习方法.
- 分析了12名没有睡眠剥夺的参与者的两夜,16小时的fMRI记录.
- 通过在一个晚上进行训练,在另一个晚上进行测试来验证HMM预测.
主要成果:
- 确定了21个重复的大脑状态及其在睡眠期间的过渡概率.
- 证明了高可重现性,HMM在一个晚上接受训练,准确地预测了另一个晚上.
- 在快速眼动 (REM) 和非REM第二阶段睡眠中发现了功能相关的细分.
结论:
- HMM方法为睡眠期间的大脑动态和转变提供了新的见解.
- 这种方法提高了我们对睡眠障碍影响睡眠过渡的理解.
- 这些发现为更详细地分析睡眠神经生理学铺平了道路.
