定向因果网络用于超扫描EEG超扫描中的领先和跟进
Lykke Silfwerbrand1,2, Yasuharu Koike2, Malin Gingnell1,3
1Department of Medical sciences/Psychiatry, Uppsala Universitet Disciplinary Domain of Medicine and Pharmacy, Uppsala, Sweden.
Social neuroscience
|October 24, 2025
概括
这项研究使用超扫描脑电图 (EEG) 绘制大脑网络,用于领导和遵循行为. PCMCI算法在节奏点击任务中识别了大脑内部和大脑之间的定向因果关系.
科学领域:
- 神经科学是一个神经科学.
- 社会神经科学是一种社会神经科学.
- 认知神经科学 认知神经科学
背景情况:
- 了解社交互动的神经基础,如领导和跟随,至关重要.
- 之前的研究已经探讨了这些行为,但整个大脑,大脑之间的连接仍然不太了解.
研究的目的:
- 探索与领导和跟随行为相关的脑内和脑间激活网络.
- 在超扫描EEG数据上使用PCMCI算法分析定向信息流.
主要方法:
- 采用超扫描脑电图 (EEG) 来同时记录参与者的大脑活动.
- 使用PCMCI (Peter-Clark-Marmousi-Inference) 基于图形的算法来分析定向的信息流并确定因果关系.
- 参与者从事节奏式敲击任务,交替领导和跟随的角色.
主要成果:
- 确定了不同的脑内和脑间网络,用于领导和跟随行为.
- 网络的共同点包括认知功能,工作记忆,社会认知,视觉注意力和运动参与.
- 追随者网络显示了社会适应激活,大脑间网络涉及更多区域,表明复杂性增加.
结论:
- PCMCI算法是利用超扫描EEG绘制社会行为中全脑定向因果关系网络的可行工具.
- 结果提供了关于领导和跟随的神经基础的见解,突出了个人和共享的神经过程.
- 这项研究证明了超扫描对于在神经层面研究复杂的社会相互作用的实用性.
