使用基于DAG的新型有效连接模型与fMRI探索职业神经可塑性

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 职业健康 职业健康 职业健康

背景情况:

• 职业经验塑造神经可塑性,影响大脑健康和认知.
• 了解职业神经可塑性的神经机制至关重要,但具有挑战性.
• 目前用于从fMRI数据中估计有效连接 (EC) 的方法在时间分辨率,维度和解释性方面存在局限性.

研究的目的:

• 引入一个新的定向环形图 (DAG) 估计模型,GroupDAGs,用于增强大脑有效连接 (EC) 分析.
• 解决现有的EC估计方法的局限性,包括时间分辨率低,高维度和解释性差.
• 利用海员的fMRI数据,探索职业神经可塑性的神经因果机制.

主要方法:

• 开发集团DAG模型,其中包含一个M矩阵,用于非循环约束,模块化和组相似性.
• 通过各种噪音类型和图形结构的模拟来广泛验证GroupDAG的性能.
• 将GroupDAG应用到航行前和航行后的fMRI数据,以调查职业神经可塑性.

主要成果:

• 与现有的方法相比,GroupDAG在估计大脑EC网络方面表现出更高的准确性和可解释性.
• 海员在航行后表现出大脑网络模块化和小脑专业化的增加.
• 在海员中观察到与任务相关的注意力控制和运动协调的改善,以及在情绪调节和社会认知区域发现的变化.

结论:

• 集团DAG模型在计算大脑EC网络方面取得了重大进展,提高了准确性和可解释性.
• 海员的职业神经可塑性以大脑网络组织,专业化和认知能力的明显变化为特征.
• 这项研究为与职业相关的大脑可塑性及其功能后果的神经基础提供了新的见解.