从非静止电生理学数据识别调制的全脑动态模型

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 系统神经科学 系统神经科学

背景情况:

• 了解大脑动态至关重要,但由于个体的变化和非静止性而具有挑战性.
• 现有的模型往往难以捕捉时间变化,个性化的神经活动.

研究的目的:

• 开发一种数据驱动的方法,以在个体受试者层面上建模非静止的大脑动态.
• 通过纳入神经调节原理来扩展中大尺度个性化神经动力学 (MINDy) 框架.

主要方法:

• 扩展了MINDy模型,将一个调制元件乘以基线连接权重.
• 通过合成数据和麻醉受试者的脑电图 (EEG) 数据验证了模块化的MINDy方法.
• 专注于模拟非静止的,个性化的大脑动态.

主要成果:

• 模块化的MINDy方法在建模大脑动态方面展示了准确性,个体特异性和可靠性.
• 该模型提供了生物学上可解释的洞察力,了解醇麻醉对中层层次皮质网络的影响.
• 结果与现有的关于醇神经调节效应的文献一致.

结论:

• 数据驱动的模块化MINDy方法是理解大脑动态的可靠和可扩展的工具.
• 这种方法提供了对大脑神经调节机制的有价值的见解,跨越各种背景.
• 这种方法有助于研究神经活动的动态变化.