在静止状态fMRI中,Connectome漫画消除了大幅度的协同激活模式,以强调个体差异

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 数据科学数据科学数据科学

背景情况:

• 休息状态功能磁共振成像 (fMRI) 可以捕捉休息期间的大脑活动.
• 高幅度的协同激活模式虽然稀有,但显著影响静止状态的功能连接,并且类似于基于任务的激活.
• 大多数静止状态信号仍然没有得到充分的描述.

研究的目的:

• 开发和验证一种新的方法",漫画化",用于分析休息状态fMRI信号中未被充分探索的部分.
• 调查这种新的方法是否可以揭示超越主导同活化模式的有意义的个体差异.

主要方法:

• 漫画化项目静止状态fMRI数据到一个直角于多种任务协同激活模式的子空间.
• 这种方法有效地消除了主导性协作激活模式的线性组合,创造了"漫画化的连接体".
• 来自两个大规模神经成像数据集的任务fMRI数据被用于构建协同激活多重组.

主要成果:

• 与标准连接体相比,漫画化的连接体表现出较低的个体之间的相似性.
• 这些漫画化的连接体在个人层面上表现出更高的识别能力.
• 该方法能够预测表型措施,反映个人的行为差异,往往比标准连接组更有效.

结论:

• 在休息状态的fMRI中,存在着超出主导同活化模式的重要和有用的神经信号.
• 漫画提供了一种新的方法来描述大脑内在的功能架构.
• 这种方法可能为了解大脑功能的个体差异提供了一个更敏感的工具.