通过阶段肖像和模糊的复发图谱来探索大脑功能中的非线性动态
Qiang Li1, Vince D Calhoun1, Tuan D Pham2
1Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, and Emory University, Atlanta, Georgia 30303, USA.
Chaos (Woodbury, N.Y.)
|October 11, 2024
概括
这项研究使用非线性动力学来分析大脑连接. 阶段肖像和模糊的复发图揭示了神经信号中隐藏的信息,为了解大脑功能提供了新的工具.
科学领域:
- 神经科学是一个神经科学.
- 复杂的系统复杂的系统.
- 统计物理 统计物理
背景情况:
- 大脑的复杂性源于非线性现象.
- 非线性动力学和统计物理学促进了对大脑功能和连接性的理解.
- 分析高维神经信号对于发现大脑网络信息至关重要.
研究的目的:
- 使用生物物理非线性动态探索复杂的大脑功能连接.
- 在非线性神经信号中识别隐藏的信息.
- 开发用于分析复杂大脑网络中信息转换的工具.
主要方法:
- 利用相位肖像和模糊的复发图谱来研究功能连接.
- 采用合成线性动力学神经时间序列和生物物理现实的神经质量模型进行数值实验.
- 分析了极限周期吸引器的相位轨迹和几何性质.
主要成果:
- 阶段肖像和模糊的复发图表对神经动态变化很敏感.
- 这些方法可以从结构连接中预测功能连接.
- 阶段轨迹编码低维动态,通过吸引力几何解释神经动力学.
- 阶段肖像和模糊的复发图表作为有效的功能连接描述符,捕捉认知任务期间的非线性动态.
结论:
- 阶段肖像和模糊的复发图是大脑功能连接的有价值的描述.
- 这些方法提供了关于大脑功能背后的非线性动态的见解.
- 这些发现为分析复杂神经网络提供了一种新的方法.
