稳定的个性化大脑计算模型由时空协作模式告知

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 大脑网络建模模型

背景情况:

• 精确的大脑模拟对于理解认知,行为和开发针对大脑疾病的个性化治疗非常重要.
• 传统的神经动力学模型,依赖于结构连接,努力充分捕捉大脑信息,以实现高准确度的个人级别模拟.
• 现有的模型在个体层面上实现准确的全脑活动模拟方面面临挑战.

研究的目的:

• 引入一种新的数据驱动框架,稳定个性化大脑计算模型 (SI-BCM),用于模拟全脑活动.
• 从fMRI数据中推断时空协作模式,以捕捉内在的功能协作模式.
• 为了提高个体级大脑模拟的准确性和可靠性.

主要方法:

• 开发了稳定个性化大脑计算模型 (SI-BCM),这是一个数据驱动的反向工程框架.
• 集成的时空空间维度信息,以提取稳定和共享的连接模式,代表内在的功能协作.
• 结合了基于阶段空间关联 (PSA) 矩阵的新型成本函数,以改善动态捕获.
• 利用功能磁共振成像 (fMRI) 数据推断整个大脑活动模式.

主要成果:

• 在模拟和实证功能连接 (FC) 之间实现了0.87的高相关系数.
• 与现有模型相比,在个人层面上证明了增强的模拟准确性,稳定性和可靠性.
• 展示了模型对认知功能变化的敏感性,为神经机制提供了洞察力.
• 成功地将SI-BCM应用到阿尔茨海默病 (AD) 患者的模型中,支持过度神经元刺激在AD病变发生的假设.

结论:

• SI-BCM通过优先考虑从活动数据中推断稳定动态来建立大脑网络建模的新范式.
• 这个框架为理解复杂的大脑功能和病理生理学提供了一个强大的工具.
• 该模型在模拟个体大脑活动和建模AD方面的成功为临床应用和研究提供了重大潜力.