休息状态fMRI分析可卡因使用者和健康对照者之间的功能连接和时间动态差异

科学领域:

• 神经科学是一个神经科学.
• 机器学习 机器学习
• 成研究 研究成研究

背景情况:

• 药物使用障碍 (SUD) 与大脑功能连接的改变有关.
• 了解这些神经机制对于成治疗至关重要.
• 能源景观分析 (ELA) 是一种用于分析大脑网络的机器学习方法.

研究的目的:

• 使用ELA研究可卡因使用者 (CU) 和健康对照者 (HC) 之间的全脑功能连接差异.
• 通过使用基于种子的连接性分析来解决ELA中感兴趣区域 (ROI) 选择的挑战.
• 为了识别与可卡因成相关的独特的大脑网络状态.

主要方法:

• 在53个重症病房和52个医疗病房的功能性MRI数据上应用了ELA.
• 使用基于种子的连接分析来定义与任务相关的ROI.
• 计算了ROI-to-ROI连接,并分析了已识别的网络状态的时间动态.

主要成果:

• HCs显示大脑小脑和视觉区域之间的积极连接性更强.
• 关键单元显示小脑和下回 (toITG) 之间的正连接性更强.
• 七个低能耗国家区分了这些群体;高能耗国家更频繁地访问这些国家,过渡率更高.

结论:

• 可卡因成与被削弱的适应性"守护者"连接模式有关.
• 在CU和HC之间确定了网络层面的区别.
• 研究结果提供了对可卡因成机制的神经生物学见解.