建模低维交互的大脑网络揭示了人类认知的组织原理
Yonatan Sanz Perl1,2,3, Sebastian Geli1, Eider Pérez-Ordoyo1
1Center for Brain and Cognition, Computational Neuroscience Group, Universitat Pompeu Fabra, Barcelona, Spain.
Network neuroscience (Cambridge, Mass.)
|June 9, 2025
概括
大脑网络的相互作用是认知的关键. 通过深度学习建模这些动态可以提高理解和任务分类,揭示网络重新配置如何驱动大脑功能.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 计算神经科学是一种神经科学.
背景情况:
- 休息状态网络突出显示了全球大脑动态,而不是本地活动.
- 非线性维度缩小简化了复杂的大脑活动记录.
- 了解网络交互对于认知功能至关重要.
研究的目的:
- 研究网络互动作为人类认知的组织原则.
- 使用深度变量自编码器和fMRI数据开发大脑网络的动态模型.
- 在休息和认知任务期间,在大脑网络之间进行有效的功能连接.
主要方法:
- 结合了深度变量自动编码器和计算建模.
- 从功能磁共振成像 (fMRI) 调整了一个动态模型到全脑动态.
- 确定了静止状态和七个认知任务期间网络之间的有效功能连接.
主要成果:
- 确定了基于任务驱动的网络交互模式的灵活重新配置.
- 证明了网络重新配置可以分类不同的认知任务.
- 与使用所有节点相比,通过建模交互的网络动态实现了更好的模型和分类性能.
结论:
- 互动的大脑网络作为大脑功能的基本组织原则.
- 多元体在组织大脑功能中起着关键的因果作用.
- 互动网络是驱动认知任务的计算引擎.
