音乐家的休息大脑:磁脑电图数据的多层网络分析
Kanad N Mandke1,2, Prejaas Tewarie3, Peyman Adjamian4
1School of Psychology, University of Nottingham, University Park, Nottingham NG7 2RD, United Kingdom.
Cerebral cortex (New York, N.Y. : 1991)
|July 4, 2025
概括
音乐训练可以增强大脑网络组织. 多层网络分析揭示了音乐家中明显的视觉-运动和前额-时间连接,而不是单层方法发现的. 这突显了听觉运动技能中的大脑可塑性.
科学领域:
- 神经科学是一个神经科学.
- 认知神经科学 认知神经科学
- 大脑网络分析 脑网络分析
背景情况:
- 音乐训练诱导功能性大脑变化,即使在休息时也可以观察到.
- 之前的研究将大脑网络单独分析 (单层),缺少复杂的相互作用.
- 多层网络分析为大脑功能提供了更全面的方法.
研究的目的:
- 通过使用多层框架,研究音乐家和非音乐家之间的静止状态大脑网络差异.
- 确定多层分析是否揭示了单层方法遗漏的群体差异.
- 探索多层网络分析在理解大脑可塑性的应用.
主要方法:
- 利用来自开放MEG档案的公开磁脑摄影 (MEG) 数据.
- 应用了多层网络框架来分析静止状态的功能连接.
- 音乐家 (n=31) 和非音乐家 (n=31) 之间的网络组织比较.
主要成果:
- 单层网络分析显示,没有显著的群体差异.
- 多层分析揭示了音乐家视觉运动和前时间区域的独特模块化组织.
- 在theta,alpha1和beta1频段中,群体差异突出.
结论:
- 多层网络分析为大脑组织提供了洞察力,而单层方法无法检测到.
- 音乐家表现出与听觉运动处理相关的独特网络模块化.
- 这种方法有可能研究大脑可塑性和功能网络变化.
