基于图表注意力网络的功能动态大脑状态的识别
Inyoung Baek1, Jong Young Namgung2, Yeongjun Park3
1Department of Statistics and Data Science, Inha University, Incheon, Republic of Korea.
NeuroImage
|April 5, 2025
概括
这项研究使用图表注意力网络从功能性MRI数据中检测大脑状态,揭示了与认知任务相关的独特网络模式和过渡. 这种方法捕捉了动态的大脑活动,以更好地理解认知系统.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 数据科学数据科学数据科学
背景情况:
- 了解人类大脑的功能动态是认知系统研究的关键.
- 休息状态功能磁共振成像 (fMRI) 提供了对大脑连接性的洞察.
研究的目的:
- 用先进的异常检测来调查大脑功能连接的动态变化.
- 识别不同的大脑状态及其相关的网络属性和与任务相关的过渡.
主要方法:
- 使用基于图形注意网络 (GAN) 的异常检测技术.
- 将该方法应用于来自1010名人类结合体项目参与者的静止状态fMRI数据.
- 为已识别的大脑状态 (S1,S2,S3) 生成了低维的功能连接梯度.
主要成果:
- 确定了三个不同的大脑状态:S1 (体力运动),S2 (集成) 和S3 (高阶关联).
- S2显示集成连接,而S1和S3显示分离的网络模式.
- 大脑状态转换与特定的认知任务相关 (感官/运动,记忆,语言,奖励).
结论:
- 基于GAN的异常检测有效地捕捉了个体级的大脑动态.
- 这种方法提供了一种评估动态大脑系统及其认知相关的新方法.
- 这些发现突显了大脑的动态性质及其与认知过程的联系.
