在DLPFC中探索流体智能的图形理论机制:跨越不同时间窗口的静止状态fNIRS的见解

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 生物医学工程 生物医学工程

背景情况:

• 传统的流体智能 (gF) 尺度缺乏客观性和活力.
• 大脑成像提供了更直接,客观和动态的gF测量.
• 图形理论为大脑信号解释提供了新的分析工具.

研究的目的:

• 在gF测量中研究图形理论的时间机制.
• 澄清DLPFC图形理论指标与gF之间的关系.
• 确定rs-fNIRS为gF评估采集数据的最佳时间窗口.

主要方法:

• 利用了来自116名健康参与者的30分钟休息状态fNIRS (rs-fNIRS) 数据.
• 使用雷文的高级渐进矩阵 (RAPM) 评估流体智能.
• 使用图形理论指标分析了DLPFC的大脑信号:平均度 (AD) 和全球效率 (Eglob).

主要成果:

• 在静止状态的DLPFC中,AD和Eglob与RAPM得分有显著的负相关.
• 2分钟的rs-fNIRS数据收集可能足以通过AD有效测量gF.
• 超过15分钟的rs-fNIRS数据收集证明通过Eglob测量gF更有效.

结论:

• 研究结果澄清了用于智力测量的大脑指标.
• 证明rs-fNIRS对客观gF评估的有效性.
• 为便携式智能测试提供理论和实践基础.