用静止状态fMRI数据的线性状态空间模型分析大脑层次结构中的不对称性

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 脑部成像 脑部成像

背景情况:

• 静止状态功能磁共振成像 (rsfMRI) 传统上依赖于零滞后统计.
• 了解大脑层次结构和信息流的方向性需要先进的分析方法.

研究的目的:

• 挑战在 rsfMRI 中对零滞后统计的依赖.
• 研究时间滞后相互作用对评估大脑层次结构和方向性的有用性.
• 将时间滞后统计整合到动态因果建模 (DCM) 中,以进行非对称有效连接 (EC) 分析.

主要方法:

• 在DCM框架内分解EC矩阵.
• 将时间滞后统计纳入信息流和时间不可逆转性的模型.
• 分析稳态差异交叉共变率及其对系统动态的影响.

主要成果:

• 该研究通过结合时间滞后统计数据,揭示了一个不对称的EC矩阵.
• 确定了稳态差异交叉共变矩阵,模拟信息流并引入时间不可逆转性.
• 系统动态表现出曲线稳定状态流量组件,破坏细节平衡并偏离平衡.
• 输出EC强度与差异交叉共变量流相关,而输入强度与零滞后共变量相关.

结论:

• 时间滞后分析为大脑层次结构的方向性和不对称性提供了关键的见解.
• 当DCM扩展到时间延迟统计时,它提供了一个比零延迟方法更全面的脑连接模型.
• 这些发现强调了考虑时间动态的重要性,以更深入地了解神经信息处理.