GINNA,一个33个静态网络图谱,具有基于元分析解码的认知特征

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
• 神经成像是一种神经成像.

背景情况:

• 通过磁共振成像 (MRI) 观察到的静态网络 (RSN) 理论上与认知有关.
• 对RSN的经验认知表征仍然有限.
• 需要一个标准化的地图集来弥合RSN和认知功能.

研究的目的:

• 介绍一下图像神经功能网络集团图谱 (GINNA).
• 提供33个RSN的全面大脑地图.
• 描述每个RSN的认知相关性.

主要方法:

• 根据1812名参与者的静止状态MRI数据开发了GINNA地图.
• 分类独立组件,用于一致的跨主体检测.
• 利用基于神经合成的元分析解码和生成式零假设测试来确定认知相关性.

主要成果:

• 吉纳地图集呈现了33个不同的RSN,具有多样化的拓形状.
• 每个网络都与特定的认知术语相关,合成为认知过程.
• 网络关联的认知过程与标准的认知地图集本体学保持一致.

结论:

• 吉纳地图提供了一个强大的框架来理解RSN的认知作品集.
• 它促进了RSN-认知链接的经验验证.
• 这本地图书推进了大脑网络的认知特征.