在边缘时间序列的微尺度动态中,大脑行为关系的时间变化
Sarah A Cutts1,2, Evgeny J Chumin1,3,4,5, Richard F Betzel1,2,3
1Department of Psychological and Brain Sciences, Indiana University, Bloomington, IN, United States.
Imaging neuroscience (Cambridge, Mass.)
|August 13, 2025
概括
在功能连接 (FC) 数据中选择特定的时刻可以改善大脑行为关系. 这种时间过方法,只使用10%的扫描数据,超过了用于预测建模的全扫描分析.
科学领域:
- 神经成像是一种神经成像.
- 认知神经科学 认知神经科学
- 数据科学数据科学数据科学
背景情况:
- 神经成像中的功能连接 (FC) 分析通常需要广泛的数据 (长扫描或许多受试者) 来获得可靠的大脑行为洞察力.
- 当前的方法往往忽视了随着时间的推移大脑活动的动态性质,可能错过了关键信息.
- 基于完整的FC数据的预测模型可能无法完全捕捉大脑功能和行为之间的细微关系.
研究的目的:
- 调查功能连接数据中隔离特定时间点是否可以增强大脑行为关系.
- 为了确定这种时间过方法是否可以超过传统的全扫描数据分析.
- 探索优化时间点选择的潜力,以改善行为的预测建模.
主要方法:
- 利用了来自352名健康受试者的休息状态功能磁共振成像 (fMRI) 数据 (人类结合体项目).
- 评估了58个不同的行为指标之间的关系.
- 开发了时间过策略和优化模板,以识别最大限度地提高大脑行为相关性的时间点,专注于共同波动幅度.
主要成果:
- 使用仅10%扫描数据的优化模板显示,与完整的FC分析相比,大脑行为相关性更强.
- 时间过方法显示,受试者群体之间的行为关联转移得到了改善.
- 特定的时间点,当选择性地过时,产生了更强大和更可概括的脑行为关系.
结论:
- 在功能连接数据中选择性过时间点为神经成像分析提供了更有针对性和更有效的方法.
- 这种方法增强了对短暂的大脑活动模式如何与特定行为相关的理解.
- 优化时间数据选择有望从神经成像数据开发更准确的行为预测模型.
