在视觉运动图表学习期间的时间解析功能连接性

科学领域:

• 认知神经科学 认知神经科学
• 计算神经科学是一种神经科学.
• 神经成像是一种神经成像.

背景情况:

• 人类在环境中默认地学习统计规律.
• 这种学习可以用图形理论来建模,其中感知事件是节点,过渡是边缘.
• 了解神经动力学如何随着不同的图形拓变化至关重要.

研究的目的:

• 调查不同图形拓 (模块化与格子) 在统计学习过程中如何影响神经动态.
• 将行为敏感性与图形结构及其时间解析的神经相关性联系起来.
• 探索大脑在表示和处理复杂的统计环境中的适应机制.

主要方法:

• 功能磁共振成像 (fMRI) 数据是在视觉运动图形学习任务中收集的.
• 基于模块化或格子图的随机步行来呈现刺激.
• 时间解析网络分析被应用到fMRI数据上.

主要成果:

• 参与者在学习早期对模块化图表的反应更快,这种优势随着时间的推移而减少.
• 神经活动显示出灵活的视觉系统和稳定的大规模社区结构.
• 观察到背部注意力,边缘,默认模式和皮层下系统的凝聚力增加.
• 视觉和腹部注意区域之间的整合增加了,而前侧对称控制合减少了,表明向自下而上处理的转变.
• 在特定的大脑系统中更强的整合预测了模块化图形的更快的学习速度.

结论:

• 大脑的动态功能组织适应经验环境的统计拓.
• 随着学习的进展,神经处理从上下向下转向了自下而上的策略.
• 这项研究提供了关于大脑如何表示和适应复杂的统计结构的见解.