任务唤起的大脑网络架构,通过对代谢和功能连接的互补整合来捕捉
Giulia Vallini1, Murray Bruce Reed2, Sebastian Klug2
1Department of Information Engineering, University of Padova, Padova, Italy; Department of Psychiatry and Psychotherapy, Medical University of Vienna, Austria; Comprehensive Center for Clinical Neurosciences and Mental Health (C3NMH), Medical University of Vienna, Austria.
NeuroImage
|March 13, 2026
概括
这项研究表明,结合代谢和功能性大脑连接数据可以改善对认知任务性能的预测. 整合这些措施可以更全面地了解认知挑战期间的大脑网络动态.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 医疗成像医学成像
背景情况:
- 认知表现取决于大脑网络的组织.
- 研究主要集中在功能连接上,对代谢贡献的理解有限.
- 代谢连接是研究代谢网络的新概念,但其在认知任务中的作用尚未被探索.
研究的目的:
- 在认知需求期间调查代谢和功能性大脑适应.
- 探索通过整合代谢和功能连接数据获得的互补见解.
- 评估这些适应如何与认知任务表现有关.
主要方法:
- 在49名参与者中同时进行功能性正子发射断层扫描 (PET) /磁共振成像 (MRI).
- 在休息和认知任务期间估计代谢和功能连接矩阵 (Tetris®在两个难度级别).
- 使用基于网络的统计数据和多式联络方法,分析大脑网络的重新配置.
主要成果:
- 代谢和功能性大脑重构显示了认知任务期间的重叠和独特模式.
- 背部注意网络被确定为一个关键的代谢节点.
- 默认模式网络显示功能连接变化以满足任务需求.
- 整合了代谢和功能数据的多模式方法在预测任务性能方面显著优于单一模式.
结论:
- 代谢连接,特别是基于PET的,为与任务相关的大脑网络动态提供了宝贵的见解.
- 整合代谢和功能连接提供了更完整的认知功能图片.
- 这项研究促进了我们对认知过程的代谢基础的理解.


