在状态依赖刺激中研究大脑网络动态:使用隐藏的马尔科夫模型进行一次并发的脑电图和经磁刺激研究

科学领域:

• 系统神经科学 系统神经科学
• 神经成像是一种神经成像.
• 大脑与计算机的接口.

背景情况:

• 静态网络 (RSN) 影响认知和临床症状.
• 大脑刺激的目标通常是根据RSN选择的.
• 目前的EEG方法缺乏空间分辨率用于TMS期间的网络层次表征.

研究的目的:

• 用高空间和时间精度映射大脑网络.
• 评估网络层次状态对跨磁刺激 (TMS) 结果的影响.
• 探索大规模大脑网络动态和皮质脊髓刺激性之间的关系.

主要方法:

• 隐藏的马尔科夫模型应用于TMS期间的高密度EEG数据.
• 对EEG数据的源空间分析针对左主运动皮质.
• 确定了大脑状态,RSN (Yeo atlas) 和皮层脊髓刺激性之间的相关性分析.

主要成果:

• 确定了快速动态的大脑状态,具有明显的时空和光谱特征,反映了RSN.
• 证明不同网络参与对皮质脊髓刺激性的显著影响.
• 当传感运动网络主导基线活动时,观察到运动唤起潜力的增加.

结论:

• 在高空间和时间分辨率的EEG-TMS研究中对大脑网络的高级表征.
• 强调将大规模网络动态整合到TMS实验设计中的重要性.
• 为更精确,更有效的TMS应用提供了基础.