使用预测建模方法识别动态可重现的大脑状态

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
• 计算精神病学是一种计算精神病学.

背景情况:

• 由内部和外部因素影响的大脑状态,可以影响基于神经成像的特征建模.
• 动态功能连接 (dFC) 分析捕捉了快速的,瞬间的脑状态波动.
• 以前的研究表明,大脑状态可以通过实验操纵.

研究的目的:

• 测试特定的大脑状态是否最大化大脑特征建模性能.
• 研究动态功能连接对于识别行为和特征相关的大脑状态的实用性.
• 为了比较特征的最佳大脑状态选择与扫描器内行为预测.

主要方法:

• 使用基于回归的框架,基于Connectome的预测建模 (CPM).
• 采用重新抽样聚合方法来分析动态功能连接地图.
• 识别与特定特征和行为相关的脑部状态.

主要成果:

• 对于特征预测,没有发现单一的最佳大脑状态;将不同状态的数据结合起来,提高了性能.
• 相反,孤立和时间特定的扫描段在预测扫描器内行为方面表现优越.
• 开发的行为动态功能连接模型在单独的数据集中证明了复制和预测成功.

结论:

• 整合来自多个大脑状态的数据可以增强稳定特征的预测建模.
• 短期行为预测从专注于暂时不同的大脑状态部分中获益.
• 拟议的方法为研究大脑状态和短期预测建模提供了有价值的工具.