宏观皮层动态的自身模式的实证估计:调和神经场自身模式和静态网络

科学领域:

• 计算神经科学是一种计算神经科学.
• 大脑活动建模模型
• 神经成像分析分析神经成像分析

背景情况:

• 神经场理论使用带有拉普拉斯运算符的部分微分方程来建模大脑活动.
• 这些理论预测了光滑的,整个皮层的空间模式 (赫尔姆霍尔茨方程自函数).
• 在fMRI数据中观察到复杂的局部模式,如静止状态网络.

研究的目的:

• 为了使神经场理论的预测与观察到的复杂大脑活动模式相协调.
• 调查赫尔姆霍尔茨特异模式与实证大脑活动数据的一致性.
• 解释理论预测与观察到的空间模式之间的差异.

主要方法:

• 人类连接体项目fMRI和MEG数据的分析.
• 神经场理论预测 (赫尔姆霍尔茨方程特征模式) 与共变矩阵特征向量的比较.
• 研究阻碍观测理论模式的因素.

主要成果:

• 赫尔姆霍尔茨方程的固有模式与fMRI和MEG共变矩阵的固有向量一致.
• 由于相似的光谱,共变刺激和噪音,观察到的模式很难被检测出来.
• 复杂的空间模式可能是复杂的输入和简单的内在动态的结果.

结论:

• 神经场理论的预测在考虑复杂的输入时与经验数据保持一致.
• 观察到的复杂的大脑活动模式 (例如,静止状态网络) 可以从简单的神经动态中出现.
• 这挑战了假设复杂的大脑动态是唯一负责复杂的空间模式的模型.