时间变化的大脑:对EEG和MEG中的动态功能连接性分析的全面审查
Stefania Coelli1, Martina Corda1, Anna Maria Bianchi1,2
1Department of Electronics, Information and Bioengineering (DEIB), Politecnico di Milano. Piazza Leonardo da Vinci 32, 20133 Milano, Italy.
Journal of neural engineering
|October 13, 2025
概括
动态功能连接 (dFC) 分析为使用高时间分辨率神经成像来理解大脑动态提供了一个范式转变. 本综述详细介绍了跟踪脑网络随时间变化的方法,包括基于微状态和数据驱动的新方法.
科学领域:
- 神经科学是一个神经科学.
- 生物医学科学 生物医学科学
- 计算神经科学是一种神经科学.
背景情况:
- 传统的静态功能连接分析在捕捉动态大脑过程方面存在局限性.
- 像EEG和MEG这样的高时间分辨率神经成像技术可以研究快速变化的脑网络.
- 动态功能连接 (dFC) 分析通过跟踪随时间的脑网络重新配置来解决这些局限性.
研究的目的:
- 提供关于动态功能连接 (dFC) 方法的最新文献 (2018-2024) 的深入分析.
- 审查用于dFC分析的最新方法,特别是对EEG和MEG数据.
- 为应用dFC分析在研究大脑动态方面提供指南,考虑数据特征和时间尺度.
主要方法:
- 专注于估计时间解析的功能连接矩阵的方法.
- 从连接数据中总结和推断动态信息的方法概述.
- 详细检查滑窗,瞬间dFC,基于微态的dFC (微-dFC) 和数据驱动的dFC方法.
主要成果:
- 了解在不同时间尺度上跟踪dFC的各种方法方法.
- 描述瞬间dFC算法的进步以及微型dFC和数据驱动的dFC方法的引入.
- 讨论数据集特征,后处理程序以及不同dFC方法的适用性.
结论:
- 对dFC分析具有很大的潜力,可以促进大脑动态的研究.
- 该审查提供了根据研究协议,数据类型和时间分辨率选择适当的dFC方法的指导.
- 提出了对dFC分析当前局限性和公开挑战的批判性讨论.
