相关实验视频
Updated: Jul 20, 2026
10:36
fMRI Validation of fNIRS Measurements During a Naturalistic Task
Published on: June 15, 2015
21.0K
根据自发大脑活动的差异对运动员和非运动员进行分类:机器学习和fMRI研究
Lei Peng1, Lin Xu1, Zheyuan Zhang1
1School of Psychology, Beijing Sport University, No. 48 Xinxi Road Haidian Distric, Beijing, 100084, China.
Brain structure & function
|May 24, 2025
概括
高度训练有素的运动员表现出不同的大脑活动模式,特别是在与感官处理和执行功能相关的区域. 这种通过休息状态功能性MRI测量的大脑重组与训练持续时间相关,并可以使用机器学习高精度地识别.
科学领域:
- 神经科学是一个神经科学.
- 运动科学 运动科学 运动科学
- 脑部成像 脑部成像
背景情况:
- 体育训练诱导大脑变化,但跨学科的共同点和训练持续时间的影响尚不清楚.
- 了解这些神经适应对于优化运动表现和认知功能至关重要.
研究的目的:
- 调查不同体育学科大脑活动变化的共同点.
- 探索大脑活动变化与体育训练持续时间之间的关系.
- 根据大脑活动模式,区分运动员与非运动员.
主要方法:
- 休息状态功能磁共振成像 (rs-fMRI) 用于分析自发的大脑活动.
- 低频波动的幅度 (ALFF) 和低频波动的分数幅度 (fALFF) 被用作关键指标.
- 机器学习算法被用来对大脑活动模式进行分类.
主要成果:
- 与对照人群相比,运动员在右胰岛,右后轨道环和右侧轨道环中显示出明显更高的ALFF.
- 对照组在右侧中后回形中表现出更高的fALFF.
- 在运动员的右后中转和多年的专业训练之间发现了负相关性.
- 机器学习准确地将运动员与非运动员分类,准确度超过96.97%.
结论:
- 运动员的功能性大脑重组可能代表了长时间训练的适应,可能会提高处理效率.
- 长期的体育训练会影响大脑功能,影响体育表现至关重要的认知和感官系统.
- 机器学习显示出基于独特的大脑活动配置文件识别运动员的前景.
更多相关视频
11:31Functional Near Infrared Spectroscopy of the Sensory and Motor Brain Regions with Simultaneous Kinematic and EMG Monitoring During Motor Tasks
Published on: December 5, 2014
15.3K
10:07Using Fiberless, Wearable fNIRS to Monitor Brain Activity in Real-world Cognitive Tasks
Published on: December 2, 2015
27.2K
