之前的运动任务性能影响基于阶段的EEG静止状态连接状态

科学领域:

• 神经科学是一个神经科学.
• 脑部成像 脑部成像
• 计算神经科学是一种神经科学.

背景情况:

• 休息的人类大脑表现出通过脑电图 (EEG) 微态分析分析的动态状态.
• 基于EEG地形特征的微态可以作为神经退行性疾病的生物标志物,但缺乏关于活跃神经网络的信息.
• 目前的方法不能完全捕捉休息状态下的动态神经网络活动.

研究的目的:

• 为分析静止状态EEG数据提供一种新,可重复和可靠的方法.
• 通过相同步和源重建的EEG来调查大脑连接状态.
• 为了比较一项运动任务对传统微状态的影响,与新型连接状态相比.

主要方法:

• 在连续五天内对年轻健康参与者的静止状态EEG数据进行分析.
• 微态分析的应用,将EEG数据分类为地形状态.
• 测量大脑连接状态,使用对源重建的EEG进行校正的虚拟相锁定值 (ciPLV).
• 在多个会话和条件中评估数据的可重复性和可靠性.

主要成果:

• 这项研究成功地复制了之前报告的EEG微态.
• 在录音过程中,在源连接空间中发现了四个稳定的地形图案.
• 与微状态不同,连接状态在先前的运动任务后被显著改变.
• 观察到的连接状态的变化反映了运动后静止状态中压抑的额头活动.

结论:

• 拟议的方法提供了一个对微状态分析的补充方法,以了解静止状态大脑动态.
• 通过ciPLV测量的大脑连接状态,为神经网络活动提供了洞察力,而微状态无法捕捉到.
• 运动任务会导致大脑连接状态的明显变化,突出显示它们对最近神经活动的敏感性.