在个体内精确地绘制大脑网络,仅使用任务数据

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
• 脑部成像 脑部成像

背景情况:

• 休息状态功能连接分析是绘制个体大脑网络的标准.
• 对于精确的大脑网络估计而言,主动任务范式的实用性在很大程度上仍未被探索.

研究的目的:

• 调查是否可以准确地估计大脑网络,仅使用在活跃任务范式期间获得的数据.
• 将任务数据中的网络估计与传统静止状态数据中的网络估计进行比较.

主要方法:

• 将通用线性模型 (GLM) 应用于基于任务的功能磁共振成像 (fMRI) 数据,以提取剩余时间序列.
• 在剩余的任务数据上进行功能连接分析,以生成相关性矩阵.
• 从任务数据中得出的相关性矩阵与静态固定数据中得出的相关性矩阵进行了比较.

主要成果:

• 来自任务数据的功能相关性矩阵与静止状态数据的功能相关性矩阵具有很高的相似性.
• 数据量是影响相关性矩阵之间的相似性的主要因素.
• 从任务数据中估计的网络与静止状态网络具有强烈的空间重叠,并预测了功能分离.

结论:

• 现有的基于任务的fMRI数据可以重新分析,以估计个人的大脑网络组织.
• 休息状态和任务数据可以结合起来,以提高网络分析中的统计能力.
• 未来的研究可能只使用任务数据来进行网络估计和任务响应提取,从而揭示了不同认知状态的稳定,个体特定的大脑网络架构.