基于图形理论的分析,对潜在的认知疲劳的大脑网络中的功能连接变化进行了分析:一项EEG研究

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:

• 认知疲劳会影响日常运作和表现.
• 了解认知疲劳的神经生理基础对于开发有效干预措施至关重要.
• 脑电图 (EEG) 提供了一种非侵入性方法来研究大脑活动和功能连接.

研究的目的:

• 用EEG数据分析与认知疲劳相关的大脑网络功能连接的变化.
• 建立一个框架,以加强认知疲劳表现的检测.
• 为了检查认知疲劳的神经生理基质.

主要方法:

• 从神经学上完整的成年人 (20-35岁) 的EEG数据是在认知疲劳任务 (Stroop任务) 之前和之后收集的.
• 功率光谱密度 (PSD) 分析了theta,alpha和beta频段,以确定最敏感的频段.
• 权重相位滞后指数 (wPLI) 用于计算功能连接矩阵,然后进行图形理论分析 (全球和本地指标) 来描述网络拓.

主要成果:

• 在所有频段中,在疲劳后观察到全球平均PSD显著上升,其中α频段显示出最明显的效应.
• 对阿尔法带wPLI网络的拓分析显示,增强了全球效率,本地效率和聚类系数,并减少了最短路径长度.
• 在疲劳后的中央和前皮层区域,节点效率优先提高.

结论:

• 阿尔法频段活动对持续任务引起的认知疲劳高度敏感.
• 认知疲劳涉及补偿机制,提高本地和全球神经信息处理效率.
• 这些发现阐明了认知疲劳的新型神经生理机制,突出了适应性网络重新配置和系统效率之间的平衡.