大脑网络景观的空间:一种新的方法来评估大脑网络中的空间障碍
Clayton C McIntyre1, Shannon M O'Donnell1, Mohammadreza Khodaei2
1Neuroscience Graduate Program, Wake Forest Graduate School of Arts and Sciences.
bioRxiv : the preprint server for biology
|November 24, 2025
概括
我们开发了一种绘制大脑网络的方法,揭示了大脑区域的有序或无序程度. 在认知任务期间,在特定区域下降,这表明神经自我组织.
科学领域:
- 神经科学是一个神经科学.
- 复杂系统分析 复杂系统分析
- 网络科学 网络科学
背景情况:
- 功能性大脑网络表现出社区结构.
- 了解这些社区的空间组织对于认知神经科学至关重要.
- 在大脑网络中量化局部秩序/混乱是一个新兴的研究领域.
研究的目的:
- 引入一种用于绘制功能大脑网络社区结构的空间的新方法.
- 根据邻近社区的成员关系量化voxel-wise大脑网络.
- 为了生成大脑网络的可解释地图.
主要方法:
- 开发了一种基于voxel的方法,使用功能大脑网络社区数据计算空间.
- 将每个voxel的值与周围voxel的社区结构关联起来.
- 产生了大脑的空间图.
主要成果:
- 成功创建了大脑网络空间的可解释地图.
- 在工作记忆和听音乐任务期间,在可预测的大脑区域观察到局部的显著下降.
- 证明区域缩与特定的认知功能相关.
结论:
- 引入的方法为分析大脑网络中的空间提供了一个框架.
- 在认知任务期间区域的减少表明神经自我组织.
- 这种方法可以扩展到其他复杂的网络映射到欧几里德空间.


