Role of inter-hemispheric connections in functional brain networks
今天,人类大脑可以被建模为一个图,其中节点代表不同的区域,链接代表不同神经成像技术记录的活动之间的统计相互作用。经验研究导致了这样一种假设,即大脑功能依赖于功能专门化的大脑区域(模块或子网络)的分散马赛克的协调,形成协调组装的网状结构(网络的网络)。因此,对大脑动力学的研究将受益于对功能子网络之间如何相互作用的检查。在本文中,我们将大脑建模为由两个特定的子网络组成的互连系统,左(L)和右(R)半球,它们相互竞争中心性,这是网络系统中重要性的拓扑度量。具体来说,我们考虑了来自高密度脑电图(EEG)记录的功能性脑网络,并研究了半球间连接如何塑造节点中心性。我们的研究结果表明,中心性的分布强烈依赖于半球之间的功能连接的数量和这些连接的分布方式。此外,我们研究了节点故障对半球中心性的后果,并显示了丰富的半球间的链接有利于半球之间的中心性分布的功能平衡。
2017-10-31 q-bio.NC
Finding influential nodes for integration in brain networks using optimal percolation theory
大脑中信息的整体整合是由隔离的大脑网络的复杂相互作用造成的。识别有效结合这些网络的最有影响力的神经元群体是系统神经科学的一个基本问题。在这里,我们应用最佳渗流理论和药物遗传学干预在体内预测和随后的目标节点是必不可少的全球整合的记忆网络在啮齿动物。该理论预测,记忆网络中的整合是由位于丘脑核中的一组低度节点介导的。这一结果得到了脑桥核的药物遗传学失活的证实,这消除了记忆网络的形成,而其他大脑区域的失活则使网络保持完整。因此,最优渗流理论预测了大脑网络中的重要节点。这可以用来确定干预的目标,以调节大脑功能。
2018-06-20 cond-mat.dis-nn physics.bio-ph q-bio.NC
Degree distributions in mesoscopic and macroscopic functional brain networks
我们研究了从人脑功能磁共振成像中提取的脑网络的度分布。特别是,使用基于区域的节点的宏观脑网络和使用基于体素的节点的中观脑网络之间的分布进行比较。我们发现,这些网络的分布遵循相同的分布族,并表示连续的指数截断幂律分布。
2009-03-24 q-bio.NC q-bio.QM
Comparative Connectomics: Mapping the Inter-Individual Variability of Connections within the Regions of the Human Brain
人脑神经网络或连接体是对大脑连接的描述:图中的节点对应于灰质的小区域,如果基于扩散MRI的工作流程发现这些大脑区域之间的纤维,则两个节点通过边缘连接。我们已经构建了1015顶点图从395人受试者的扩散MRI脑图像,并比较了几个不同的大脑区域的个别图。发现并描述了不同脑区内图形的个体间变异性。我们发现额叶和边缘叶更保守,而颞叶和枕叶的边缘则更多样化。有趣的是,在中央旁小叶和梭状回中发现了一种“混合”的保守和多样性分布。较小的皮质区域也进行了评估:中央前回被认为是更保守的,和中央后回和颞上回是非常多样化的。
2015-07-01 q-bio.NC
Activate index: an integrated index to reveal disrupted brain network organizations of major depressive disorder patients
功能性磁共振成像(fMRI)研究发现,脑功能网络的改变是区分重度抑郁症(MDD)患者和健康对照者的一个典型表现。最近,丰富的俱乐部和多样化的俱乐部指标已被提出用于网络或网络神经科学分析。富俱乐部定义了一组节点,这些节点往往是特定社区的枢纽,而多样化俱乐部定义了跨越更多社区的节点,并具有分布在不同社区的边缘。考虑到富裕俱乐部和多元化俱乐部的异质性,将它们结合起来并在此基础上推导出一个新的指标,可能会揭示大脑功能整合和分离的新证据,这可能会为抑郁症提供新的见解。本研究首次采用丰富俱乐部和多样俱乐部两种度量标准探讨了MDD和HC的差异,并发现了它们在分析脑网络方面的互补性。此外,本文还提出了一种新的索引,称为“主动索引”。活动索引定义了一组节点,这些节点倾向于分散分布在社区中,同时避免成为社区的中心。实验结果证明了活动指数在分析MDD脑机制方面的优越性。
2022-02-14 q-bio.NC
Reverse engineering the brain input: Network control theory to identify cognitive task-related control nodes
提出基于网络控制理论的输入识别框架,通过逆向工程识别认知任务中的大脑控制节点及输入,在合成数据与200名受试者运动任务fMRI数据上验证了其能准确重构神经动力学并识别出28个控制节点。
2024-04-25 cs.SY eess.SY q-bio.NC
Brain Graph Super-Resolution Using Adversarial Graph Neural Network with Application to Functional Brain Connectivity
Istanbul Technical University(伊斯坦布尔理工大学);University of Dundee(邓迪大学)
近年来,随着以不同分辨率获取的神经成像数据集的激增,脑图像分析已经取得了实质性的进展。近年来,脑图像超分辨率的研究发展迅速,但由于非欧图数据的复杂性,脑图超分辨率的研究还很薄弱。在本文中,我们提出了有史以来第一个深度图超分辨率(GSR)框架,该框架试图自动生成具有N'个节点的高分辨率(HR)脑图(即,从具有N个节点的低分辨率(LR)图中提取感兴趣的解剖区域(ROI),其中N <N '。首先,我们将GSR问题形式化为节点特征嵌入学习任务。一旦HR节点的嵌入被学习,大脑ROI之间的成对连接强度可以通过基于新颖的Graph U-Net架构的聚合规则来导出。虽然通常图U-Net是一个以节点为中心的架构,其中图嵌入主要取决于节点属性,但我们提出了一个以图为中心的架构,其中节点特征嵌入基于图拓扑。其次,受图谱理论的启发,我们通过使用GSR层和两个图卷积网络层超解析低分辨率脑图结构和节点内容来打破U-Net架构的对称性,以进一步学习HR图中的节点嵌入。第三,为了处理地面实况和预测的HR脑图之间的域转移,我们结合了对抗正则化来对齐它们各自的分布。我们提出的AGSR-Net框架在从低分辨率图像预测高分辨率功能脑图方面优于其变体。我们的AGSR-Net代码可以在GitHub上找到,网址是https://github.com/basiralab/AGSR-Net。
2021-05-02 cs.CV cs.LG eess.IV
Identification of Neuronal Polarity by Node-Based Machine Learning
识别神经网络中信号流的方向是理解活体大脑复杂信息动力学的最重要阶段之一。利用分布在果蝇大脑不同区域的213个投射神经元的数据集,我们开发了一种强大的机器学习算法:基于节点的神经元极性识别器(NPIN)。该模型仅通过节点信息进行训练,包括体细胞特征(包含从给定节点到体细胞的空间信息)和局部特征(包含给定节点的形态信息)。在包括节点极性之间的空间相关性之后,我们的NPIN提供了极高的准确性(>96.0%)用于神经元极性的分类,即使对于具有多于两个树突/轴突簇的复杂神经元。最后,我们进一步应用NPIN分类的丽蝇的神经元极性,这是一个更少的神经元数据。我们的研究结果表明,NPIN是一个强大的工具,以确定神经元极性的昆虫和映射出的信号流在大脑的神经网络。
2020-06-22 q-bio.NC
Consensus clustering approach to group brain connectivity matrices
一种新的方法植根于共识聚类的概念,在复杂网络中的社区检测的策略,提出了应对的异质性,在健康和疾病的特征连接矩阵。该方法可以概括如下:(i)通过比较所有受试者对中该节点的连接模式,为每个节点定义受试者集合的距离矩阵;(ii)对每个节点的距离矩阵进行聚类;(iii)从相应的分区构建共识网络;(iv)通过找到由此获得的共识网络的社区来提取受试者组。从以前的共识聚类的实现,因此,我们建议使用的共识策略,结合每个节点的连接模式所产生的信息。所提出的方法可以被看作是一种探索性的技术,或作为一个无监督的预训练步骤,以帮助监督分类器的后续建设。一个玩具模型和两个真实的数据集上的应用程序,表明所提出的方法,它代表了一组主题的异质性的加权网络,共识矩阵的有效性。
2017-05-08 q-bio.NC
Node-reconfiguring multilayer networks of human brain function
针对静态脑区无法捕捉动态重构的问题,提出节点重构多层网络模型,通过优化时间窗口内脑区边界提升功能同质性,发现重构量与层内枢纽性相关,支持了向chronnectome范式转变。
2025-03-06 physics.comp-ph q-bio.NC
Multi-scale detection of hierarchical community architecture in structural and functional brain networks
社区检测算法已被广泛用于研究大脑等复杂系统的组织。这些技术的一个主要吸引力是它们能够将大脑区域(或节点)划分为社区,其中社区内的节点紧密相连。在最简单的应用中,社区检测算法对社区层次的存在是不可知的,但许多神经系统的共同特征是嵌套层次。为了解决这一限制,我们行使一个多尺度扩展的社区检测技术称为模块化最大化,我们应用该工具的合成图和图形来自人类的结构和功能成像数据。我们的多尺度社区检测算法将图形链接到相邻拓扑尺度上的自身副本,从而对相邻层次结构中的保守社区组织变得敏感。我们证明,这种方法可以更好地表征拓扑不均匀性的图的层次结构,通过提供一个本地(节点)的社区稳定性和跨拓扑尺度的跨尺度可靠性的措施。我们比较了大脑的结构和功能的网络架构,并表明结构图显示了更广泛的拓扑尺度比功能图。最后,我们建立了一个多模式的多重图,结合结构和功能连接在一个单一的模型,我们确定的拓扑尺度,其中静息状态功能连接和底层结构连接显示类似的与独特的分层社区架构。总之,我们的研究结果展示了多尺度社区检测算法在研究脑图中的分层社区结构方面的优势,并说明了其在多模态神经成像数据建模中的实用性。
2017-04-19 q-bio.NC
Homeostatic plasticity and emergence of functional networks in a whole-brain model at criticality
理解大规模结构和功能脑网络之间的关系仍然是现代神经科学中的一个关键问题。最近,人们越来越感兴趣地研究跨不同时空尺度的稳态可塑性机制在调节网络活动和大脑功能以对抗广泛的环境条件和大脑状态(例如,在学习、发育、衰老、神经疾病期间)。在本研究中,我们研究如何纳入稳态可塑性的随机全脑模型,实现作为一个正常化的传入节点的兴奋性输入,影响休息期间的宏观活动和功能网络的形成。重要的是,我们在组和基于个体的水平上解决结构-功能关系。在这项工作中,我们表明,正常化的节点的兴奋性输入提高了模型的模拟神经模式和各种脑功能数据之间的对应关系。事实上,我们发现,当模型控制参数处于其临界值时,实现了最佳匹配,并且归一化最大限度地减少了受试者之间的临界点和神经元活动模式的变异性。因此,我们的研究结果表明,纳入稳态原则导致更现实的大脑活动与关键性的标志一致。我们的理论框架在个性化的大脑建模中开辟了新的视角,并具有潜在的应用,以调查由于结构性病变(如中风)或大脑疾病而导致的偏离临界状态。
2018-09-27 q-bio.NC
On the Centrality of the Focus in Human Epileptic Brain Networks
越来越多的证据表明,特定的皮质和皮质下大规模人类癫痫网络不仅参与原发性全身性癫痫发作,而且参与局灶性癫痫发作的产生、传播和终止。用图论的分析方法研究了这种网络的复杂动力学。除了研究网络的特定特征,最近的研究旨在确定单个节点的功能作用-如癫痫灶-在癫痫脑网络中及其与发作的关系。利用介数中心性的概念来评估网络节点的重要性,以前的研究报告癫痫病灶在癫痫发作之前具有最高的重要性,这将支持促进癫痫发作活动的网络枢纽的概念。我们进行了时间分辨分析的各个方面的节点的重要性癫痫脑网络来自长期,多通道,颅内脑电图记录癫痫患者。我们的初步研究结果表明,癫痫病灶并不总是最重要的网络节点,但节点重要性可能会随着时间的推移而发生巨大变化。
2016-10-06 physics.bio-ph q-bio.NC
Community structure and modularity in networks of correlated brain activity
我们提出了一种方法来研究功能的分离和整合在活的大脑社区结构分解的基础上确定的最大模块化。我们证明了这种方法与网络来自功能成像数据与节点定义的个别图像像素,和相关的信号变化方面的边缘。我们发现社区的解剖分布对应于生物学意义的结构,包括解剖学上等同的大脑区域之间的令人信服的功能细分。
2007-01-30 q-bio.NC
Adaptive rewiring of random neural networks generates convergent-divergent units
大脑网络不断地自适应地重新连接,调整它们的拓扑结构,以实现感官、运动和认知任务的功能和效率。在模型神经网络架构中,自适应重新布线会生成复杂的、类似大脑的拓扑结构。然而,目前的模型不能解释复杂的定向连接结构的出现。我们测试了一个生物学上合理的模型自适应重布线有向网络,基于两个算法广泛用于分布式计算:平流和共识。当两者结合使用作为重新布线标准时,自适应重新布线会缩短路径长度并增强连接性。当在平流和共识之间保持平衡时,自适应重新布线产生由收敛集线器节点组成的收敛-发散单元,该单元从稀疏连接或本地节点的池中收集输入,并通过密集互连的处理节点将它们投射到发散集线器上,发散集线器将输出广播回本地池。聚合-发散单元在感觉、运动和认知脑区内部和之间运作,作为它们的连接核心,调解局部网络单元的上下文敏感性。通过展示这些结构如何在定向网络模型中自发出现,自适应重新布线提供了自组织作为大脑中高效信息传播和整合的原则。
2021-04-03 q-bio.NC
The role of node dynamics in shaping emergent functional connectivity patterns in the brain
结构连接对大脑功能状态的贡献仍然知之甚少。我们提出了一个数学和计算的研究,适合于评估的结构-功能问题,治疗系统的Jansen-Rit神经块节点的异质结构连接估计从扩散MRI数据提供的人类连接组项目。通过直接模拟,我们确定的相似性的功能(推断节点之间的相关活动)和结构连接矩阵的变化下的参数控制单节点动态,突出了一个非平凡的结构-功能关系的制度,支持极限环振荡。为了确定它们之间的关系,我们首先计算网络不稳定性引起的振荡,和所谓的“假分叉”(观察到轨道的显着定性变化,而不改变稳定性)发生在这个发病。我们强调,功能连接(FC)是继承了强大的结构节点动力学时,准备在附近的Hopf分岔,而近假分岔,结构只有微弱的影响FC。其次,我们开发了一个弱耦合振荡器的描述来分析振荡锁相状态,此外,显示如何通过线性稳定性分析预测FC矩阵的模块化结构。因此,这项研究强调了局部动力学在塑造大规模功能性大脑状态中的重要作用。
2020-07-09 math.DS nlin.AO q-bio.NC
Navigation of brain networks
了解大规模脑网络中的神经通信机制仍然是神经科学的主要目标。我们研究了导航是否是一个简约的路由模型连接。导航网络涉及前进到距离所需目的地最近的下一个节点。我们开发了一种量化导航效率的方法,发现一系列哺乳动物物种(人类,小鼠和猕猴)中的连接体可以以接近最佳的效率(典型连接密度的最佳效率>80%)成功导航。重新布线网络拓扑或重新定位网络节点会导致导航性能降低45%-60%。具体来说,我们发现大脑网络不能逐步重新连接(随机化或集群化),从而导致拓扑结构显着提高导航性能。导航还被发现:i)促进信息流量负载的资源有效分布,潜在地缓解通信瓶颈;以及ii)解释功能连接的显著变化。与先前研究的连通组学中的通信策略不同,导航并不要求对网络拓扑结构的全局知识进行生物学上不切实际的假设。我们的结论是,大脑网络的布线和空间嵌入有利于有效的分散通信。连接体的图论研究应该考虑网络效率和中心性的测量,这些测量与神经通信的分散模型一致。
2018-01-24 q-bio.NC
A Network Object Method to Uncover Hidden Disorder-Related Brain Connectome
神经精神障碍影响大脑在网络水平上的功能连接。与疾病相关的网络的识别和统计测试仍然具有挑战性。我们提出了新的方法来简化检测和测试的隐藏,无序相关的连接模式作为网络对象。我们定义一个异常的连接体子网络作为一个网络对象,包括三类:节点的大脑区域,边缘表示大脑的连接功能,和有组织的图形拓扑结构形成的这些节点和边缘。与传统的统计方法相比,该方法在拓扑信息的指导下,使边精确地借用优势,同时降低了假阳性和假阴性发现率,有效地提高了脑连接体研究结果的可重复性.网络对象分析可以提供关于大脑疾病如何系统地损害大脑连接体的见解。
2017-01-12 q-bio.NC stat.AP
The Dorsal Striatum and the Dynamics of the Consensus Connectomes in the Frontal Lobe of the Human Brain
在图论的应用中,考虑同一顶点集上的许多成对的不同图是不寻常的。然而,在人类脑图或连接组的情况下,这是标准情况:节点对应于解剖学上识别的大脑区域,并且如果基于扩散MRI的工作流程识别出轴突纤维,则两个顶点通过边缘连接,该轴突纤维在两个区域之间延伸,对应于两个顶点。因此,如果我们检查$n$受试者的脑图,那么我们就会得到$n$图,它们位于完全相同的、解剖学上确定的顶点集上。描述这些图中频繁出现的$k$边是一个自然的想法:这些边存在于$n$图中至少$k$中相同的两个顶点之间。基于NIH资助的大型人类连接组项目的公开数据发布,我们报告了布达佩斯参考连接组服务器\url{http://connectome.pitgroup.org}的构建,该服务器生成并可视化这些$k$ -频繁出现的边缘。我们将$k$ -频繁出现的边的图称为“$k$ -共有连接组”,因为只有当边存在于$n$中的至少$k$图中时,它才能被包括在内。考虑到整个人类大脑,我们之前已经报道了这些共识连接体的一个令人惊讶的特性。在目前的工作中,我们专注于大脑的额叶,我们在这里报告了一个类似的令人惊讶的动力学特性的共识连接体时,$k$逐渐从$k=n$到$k=1$:额叶的节点之间的连接似乎是从那些节点,连接到背侧纹状体的皮质下结构:尾状核,和壳核。我们假设这种动态行为复制了额叶轴突纤维的发育。
2016-05-04 q-bio.NC
Community Detection from Multiple Observations: from Product Graph Model to Brain Applications
本文提出基于笛卡尔积多层图模型与拉普拉斯特征向量推断的社区检测方法,在合成图和真实脑电图运动想象数据上验证了其优于现有方法的准确性与应用前景。
2024-06-21 q-bio.NC
Estimating the impact of structural directionality: How reliable are undirected connectomes?
方向性是网络连接的基本特征。由于化学突触的性质,大多数结构性脑网络是内在定向的,化学突触构成了大多数神经元连接。由于非侵入性成像技术的限制,无法确认人脑结构连接区域之间连接的方向性。因此,连接被表示为无向的,并且仍然不知道这种方向性的缺乏如何影响大脑网络拓扑结构。利用六个不同物种和不同群体(猫、小鼠、C. elegans和三只猕猴网络),我们估计了与去除连接的方向性相关的网络测量(度、介数、聚类系数、路径长度、全局效率、参与指数和小世界性)的不准确性。我们采用三种不同的方法来呈现无向的定向脑网络:(i)删除单向连接,(ii)添加相互连接,以及(iii)将相同数量的删除和添加的单向连接结合起来。我们量化的网络措施,通过忽略个别节点和整个网络的连接方向性引入的不准确的程度。我们发现,核心和外围节点之间的粗划分仍然是准确的无向网络。然而,当忽略方向性时,枢纽节点差异很大。比较从有向网络生成无向网络的不同方法,我们通常会发现,添加互反连接(误报)比删除相同数量的有向连接(误报)会导致更大的图论测量误差。这些发现表明,方向性在塑造大脑网络中起着至关重要的作用,并突出了无向连接体的一些局限性。
2018-01-05 q-bio.NC
Scale-Free Exponents of Resting State provide a Biomarker for Typical and Atypical Brain Activity
无标度网络(SFN)源于简单的增长过程,它可以鼓励高效,集中和容错的通信(1)。最近的研究表明,稳定的网络枢纽结构是由指数(>2.0)的相变所控制的,导致网络结构的急剧变化,包括全局连通性的丧失,最小支配节点集的增加,以及与节点增长相比向连通性增长的转变。这种SFN的变化在非典型的大脑活动中是可识别的吗?中心度(D)上的Pareto分布(P(D)~D^- \b{eta})是无标度网络的一个特征。在静息状态下,我们评估了大范围的神经典型和非典型受试者的度指数。我们使用图复杂性理论来提供大脑网络结构的预测理论。结果我们发现,神经典型的静息态功能磁共振成像大脑活动具有无标度帕累托指数(1.8 SE .01)在一个单一的个人扫描超过66天,以及在60个不同的个人(1.8 SE .02)。我们还表明,60名自闭症谱系障碍患者和60名精神分裂症患者的无标度指数显着更高(>2.0)(2.4 se .03,2.3 se .04),这表明大脑网络中的动态更加细分和更不可控在休息状态。最后,我们表明,指数值随非典型疾病严重程度的表型指标而变化,表明网络本身的全局拓扑结构可以为非典型脑活动提供特定的诊断生物标志物。
2016-05-30 q-bio.NC
Global Brain Dynamics During Social Exclusion Predict Subsequent Behavioral Conformity
个体对社会经历的反应不同;例如,对负面社会经历(如被排斥)更敏感的人可能更有可能调整自己的行为以适应他人。我们研究了在功能磁共振成像扫描仪中,社会排斥过程中的功能性大脑连接是否可以用来预测随后对同伴规范的遵从。青少年男性(N = 57)完成了两个部分的研究青少年驾驶风险:社会排斥任务(Cyberball)在功能磁共振成像会议和随后的驾驶模拟器会议中,他们独自驾驶,并在同行谁表示风险厌恶或风险接受驾驶规范的存在。我们计算了社会排斥和社会包容之间的功能连接的差异,从大脑中的每个节点到两个大脑网络中的节点,一个先前与心智化(内侧前额叶皮层,颞顶交界处,楔前叶,颞极)和另一个与社会疼痛(前扣带皮层,前扣带皮层)有关。使用交叉验证的机器学习,在排除过程中的全球网络连接的这种措施预测在随后的实验会话中驾驶期间对同伴压力的遵从程度。这些发现扩展了我们对全球神经动力学如何指导社会行为的理解,揭示了捕捉个体差异的功能网络活动。
2017-10-02 q-bio.NC
Characterizing complex networks using Entropy-degree diagrams: unveiling changes in functional brain connectivity induced by Ayahuasca
复杂网络理论中存在大量的开放性问题,并已成功应用于各个科学领域。为了进一步推进对大脑功能连接的理解,我们建议评估一个网络度量,我们称之为测地熵。这个熵,以一种可以精确的方式,量化了从所有其他节点到特定节点的距离分布的香农熵。测地线熵的测量允许表征网络的结构信息,该网络考虑到每个节点在网络拓扑中的不同作用。这种结构信息的测量和表征有可能大大提高我们对网络中持续活动和其他涌现行为的理解,例如有时在这种情况下看到的自组织临界性。我们应用这些概念和方法来研究迷幻死藤水如何影响人脑的功能连接。我们表明,测地线熵是能够区分的功能网络的人脑在两种不同的状态下的意识在休息状态:(i)普通的清醒状态和(ii)状态改变了摄入死藤水。在死藤水的影响下,受试者的大脑网络节点的熵与正常清醒状态下的熵显著不同。平均而言,与正常状态相比,处于改变状态的受试者的功能性大脑网络具有更大的测地线熵。我们得出结论,测地线熵是一个有用的工具,用于分析复杂的网络,并讨论如何以及为什么它可能会带来更有价值的见解,人类大脑和其他经验网络的研究。
2018-09-26 physics.soc-ph q-bio.NC
Functional brain networks reveal the existence of cognitive reserve and the interplay between network topology and dynamics
我们研究了在健康老年人的记忆任务中,功能性脑网络的组织与认知储备(CR)的关系。我们获得了20名高、低CR水平老年人的脑磁图功能网络,分析其网络特征的差异。我们报告了整个网络的同步和CR之间的负相关性,并观察到在节点和网络层面的差异:平均最短路径和网络外展。具有高CR的个体需要具有较低链接的功能网络来成功地执行记忆任务。这些结果可能表明,那些低CR水平的个体表现出双重模式的补偿和网络损伤,因为他们的功能是更积极的成本高CR组执行任务。此外,我们评估了不同大脑区域的动力学特性与网络参数的相关性,得出熵与强度和聚类系数呈正相关,而复杂性则相反。因此,功能网络的高度连接节点显示出更随机和更不复杂的信号。我们认为,网络方法可能是一个相关的工具,以更好地了解大脑功能老化。
2017-12-01 q-bio.NC
Dynamical signatures of structural connectivity damage to a model of the brain posed at criticality
大脑活动波动的同步被认为代表了空间上遥远的神经过程之间的通信。这些区域间的功能相互作用是在连接皮质和皮质下神经元的复杂轴突连接网络(称为人类“结构连接体”)的背景下发展的。理论上的考虑和实验证据支持这样一种观点,即人脑可以被建模为一个在有序(亚临界)和无序(超临界)相之间的临界点运行的系统。在这里,我们探讨的假设,病理造成的脑损伤的不同病因相关的模型的一个关键的大脑。为了这个目的,我们调查结构连接体的完整性的损害如何影响关键动力学的签名。采用混合建模方法相结合的经验加权网络的人类结构连接的概念模型的关键动态,我们发现,病变位于高度过渡的连接逐步取代模型向亚临界政权。当独立于它们在网络中的权重考虑时,节点和链路的拓扑性质不那么重要。我们观察到,中线枢纽,如中间和后扣带皮层的损害是最关键的模型中的临界性的中断。然而,类似的效果可以通过针对较少经过的节点和连接权重加起来相等的链接来实现。这意味着脑病理学不一定是由于靶向连接良好区域的损伤引起的,并且受试者间的变异性可能会掩盖位于非中枢区域的病变。最后,我们讨论了我们的模型在创伤性脑损伤和神经退行性疾病的临床研究的背景下的预测。
2016-11-09 q-bio.NC
Model of Brain Activation Predicts the Neural Collective Influence Map of the Brain
高效的复杂系统具有模块化结构,但模块化并不能保证鲁棒性,因为效率还需要相互作用的模块化组件的巧妙相互作用。人脑是一个高效、健壮的模块化系统的基本范式,该系统作为网络的网络(NoN)相互连接。理解这种模块化架构中的鲁棒性的出现是一个长期的挑战,许多科学家都关心。受电网启发,NoN中当前的依赖关系模型表达了模块之间的相互作用,这些模块之间的脆弱耦合会放大即使是很小的冲击,从而阻止功能。因此,我们引入了一个NoN模型来塑造大脑激活的模式,以形成一个强大的模块化环境。该模型通过优化负责向全脑NoN广播信息的最小基本节点集的影响来预测大脑中神经集体影响者(NCI)的地图。我们的研究结果提出了新的干预方案,通过瞄准网络理论预测的有影响力的神经节点来控制大脑活动。
2017-04-15 physics.soc-ph q-bio.NC
Autism Classification Using Brain Functional Connectivity Dynamics and Machine Learning
本研究的目标是使用机器学习技术和静息态脑成像数据来识别自闭症,利用功能连接(FC)的时间变化作为唯一的信息。我们通过分析来自全球多站点数据库ABIDE(自闭症脑成像数据交换)的脑成像数据,估计并比较了典型健康受试者和自闭症人群之间大脑区域的FC变异性。我们的分析显示,诊断为自闭症谱系障碍(ASD)的患者在几个大脑区域表现出增加的FC变异性,这些区域与典型大脑中的低FC变异性相关。然后,我们使用大脑区域的增强的FC变异性作为训练用于ASD分类的机器学习模型的特征,并在数据集中识别ASD与对照受试者的准确率达到65%。我们还使用节点强度估计的功能连接的数量,每个节点的平均在整个扫描作为ASD分类的feature.Results结果显示,动态FC措施优于或相当于静态FC措施在预测ASD。
2017-12-21 q-bio.NC stat.ML
Collaborative Brain-Computer Interface for Human Interest Detection in Complex and Dynamic Settings
人类可以以机器无法做到的方式灵活地适应复杂环境。在这里,我们为一个真实世界的系统奠定了基础,该系统通过协作脑机接口(cBCI)被动地监视和合并团队成员之间视觉兴趣的神经相关性。当群体兴趣在时间和空间上被检测和共同注册时,它可以用于在动态的自然环境中对项目的任务相关性进行建模。cBCI以前的工作集中在静态刺激,刺激或响应锁定分析,通常是受试者和实验模型训练。这项工作的贡献是双重的。首先,我们测试cBCI的实用程序的情况下,更接近自然条件下,受试者在虚拟环境中的目标项目的视觉扫描视频。其次,我们使用一个与实验无关的深度学习模型来解释现实世界的用例,在这种情况下,不存在与最终用户任务和环境完全匹配的训练集。随着cBCI集成中受试者数量的增加,我们的方法显示出更好的性能,以及在嘈杂和复杂的环境中重建地面真实目标发生的潜力。
2018-08-15 q-bio.NC
Markov Processes and Brain Network Hubs
本文将大脑神经网络建模为有向图并引入Markov矩阵形成连续Markov过程,假设网络枢纽为平稳分布中概率最高的节点,并推导出图直径基于矩阵特征值的新上界。
2024-07-09 math.PR q-bio.NC
From Density to Void: Why Brain Networks Fail to Reveal Complex Higher-Order Structures
针对静息态 fMRI 脑网络中高阶交互难以稳定检出的问题,本文借助持续同调常用的单纯复形框架,分析传统方法无法揭示四节点及以上复杂结构的原因,并检验其是否真实存在。
2025-03-18 q-bio.NC
Warnings and Caveats in Brain Controllability
在这项工作中,我们挑战的主要结论顾等人的工作(可控性的结构脑网络。Nature Communications 6,8414,doi:10.1038/ncomms9414,2015)。使用相同的方法和对四个数据集的分析,我们发现控制大脑网络的最小节点集总是大于1。我们还发现,平均/模态可控性和加权度之间的关系也适用于随机数据,并且静息状态网络在控制大脑方面没有发挥特定的作用。总之,我们表明,没有证据表明,拓扑结构在大脑网络的可控性发挥特定的和独特的作用。因此,应重新审视Gu等人对其结果的解释,特别是在平移应用方面(例如,使用单节点可控性属性来定义神经刺激的目标区域)。虽然理论上很有趣,但我们对可控性和结构脑网络之间关系的理解仍然难以捉摸。
2017-05-17 physics.bio-ph q-bio.NC
Unique Scales Preserve Self-Similar Integrate-and-Fire Functionality of Neuronal Clusters
识别大脑的神经元簇大小以在网络计算中呈现为节点对神经科学和人工智能都至关重要,因为这些定义了构建智能计算所需的认知块。实验支持许多形式和大小的神经聚类,而神经质量模型(NMM)假设尺度不变的功能。在这里,我们使用脑源性功能磁共振成像网络的计算模拟,以表明不仅大脑网络保持结构上的自相似连续跨尺度,但也神经元样的信号整合功能被保存在特定的尺度。因此,我们提出了一种粗粒度的神经元网络的集合节点,多个尖峰组成它的集合尖峰,时间重新缩放因子定义它的集合时间步长。出现的分形时空结构和功能,允许跨实验规模的计算建模的桥接策略选择,同时也建议监管限制发展和/或进化的“生长突增”的大脑大小,在进化生物学的间断平衡理论。
2020-02-24 q-bio.NC
How structure sculpts function: unveiling the contribution of anatomical connectivity to the brain's spontaneous correlation structure
内在脑活动的特征是不同区域之间高度结构化的共激活,其起源仍在争论中。在本文中,我们解决的问题,是否有可能揭示如何潜在的解剖连接形状的大脑的自发相关结构。我们从假设开始,为了使两个节点表现出较大的协变,它们必须暴露于来自整个网络的相似输入模式。然后我们承认,信息很少只沿着一条独特的路线传播,而是沿着所有可能的路径传播。在真实网络中,局部扰动的强度随着它们远离源传播而衰减,导致原始信息内容的逐渐衰减,从而导致它们的影响。我们使用这些概念,以获得一种新的分析措施,$\mathcal{T}$,它量化的相似性,整个网络的输入模式到达任何两个节点,仅由于底层拓扑结构,在什么是一个概括的匹配指数。我们表明,这种拓扑相似性的措施,确实可以用来预测网络拓扑结构的预期相关结构的贡献,从而揭示了复杂网络的结构和功能之间的紧密,但难以捉摸的关系背后的机制。最后,我们使用这种方法来研究大脑的连通性,表明大脑轴突通路的复杂结构所定义的拓扑结构的信息在很大程度上指定了休息时观察到的时间平均功能连接。
2016-12-07 q-bio.NC
Coactivated Clique Based Multisource Overlapping Brain Subnetwork Extraction
使用社区检测方法的子网络提取通常用于研究大脑的模块结构。最近的研究表明,某些大脑区域与多个子网络相互作用。然而,大多数现有的方法主要是非重叠子网络提取。在本文中,我们提出了一种重叠的大脑子网络提取使用集团,我们定义为共同激活的节点组执行多个任务的方法。我们提出了一种基于共激活团的多任务子网络提取方法,该方法(1)使用任务共激活和任务连接强度信息进行团识别,(2)自动检测具有更多神经科学理由的不同大小的团,(3)共享子网络成员资格,来自休息和任务数据的融合,用于重叠子网提取。在真实数据上,与常用的重叠社区检测技术相比,我们的方法在组级别和主题再现性方面改进了子网络提取。我们还表明,我们的多尺度方法识别出了大脑区域内的子网络重叠,这些子网络重叠与使用功能和解剖信息定义的枢纽很好地匹配,这使我们能够研究子网络之间的相互作用以及枢纽如何在不同子网络的信息流中发挥作用。我们进一步证明了使用我们的方法的相互作用/单个节点的分配与独立于我们的基于多模态随机游走器的方法的后验概率相对应。
2018-01-26 cs.SI q-bio.NC
Hyperbolic embedding of brain networks detects regions disrupted by neurodegeneration in Alzheimer's disease
本研究提出将脑网络嵌入双曲圆盘并利用几何扰动分数来表征连接性变化,能比标准图论方法更准确识别阿尔茨海默病受神经变性影响的脑区,可作为疾病进展的潜在生物标志物。
2025-03-09 q-bio.NC q-bio.QM
Routing brain traffic through the von Neumann bottleneck: Parallel sorting and refactoring
用于发放神经元网络的通用模拟代码将大部分时间花费在发放已经到达计算节点并且需要被递送到其目标神经元的阶段。这些尖峰信号是由分布在许多计算节点上的源神经元在通信步骤之间的最后一个间隔内发出的,并且相对于它们的目标来说本质上是不规则的。为了找到目标,需要将尖峰发送到三维数据结构,并在途中做出关于目标线程和突触类型的决定。随着网络规模的增长,计算节点从越来越多的不同源神经元接收尖峰,直到计算节点上的每个突触都有唯一的源。在这里,我们分析了这种稀疏性如何出现在实际相关的网络大小范围从十万到十亿个神经元。通过分析生产代码,我们调查了算法更改的机会,以避免间接和分支。每个线程在计算节点上承载相等份额的神经元。在原始算法中,所有线程都搜索所有尖峰以挑选出相关的尖峰。随着网络规模的增加,命中率保持不变,但拒绝的绝对数量增加。另一种算法在线程之间平均分配尖峰,并根据目标线程和突触类型并行对其进行排序。在此之后,每个线程完成单独为其自己的神经元发送尖峰部分。新算法将尖峰传递中的指令数量减半,从而使仿真时间减少了40%。因此,尖峰递送是具有单个同步点的完全可并行化的过程,并且因此非常适合于众核系统。我们的分析表明,进一步的进展需要减少的延迟指令访问内存的经验。
2022-03-10 q-bio.NC
Classifying HCP Task-fMRI Networks Using Heat Kernels
网络理论提供了人类大脑的原则性抽象:将复杂的系统简化为更简单的表示,从而研究大脑组织。神经影像学领域的最新进展是将大脑连接表示为一个动态过程,以便更深入地了解功能模块之间的相互作用,以实现有效的信息传输。在这项工作中,我们采用热核来模拟功能网络中的能量扩散过程。我们提取基于节点的多尺度特征,这些特征描述了热随时间的传播,不仅可以告知图中节点的重要性,还可以结合网络底层几何结构的局部和全局信息。作为一个概念验证,我们测试了两个热核功能区分运动和工作记忆功能网络从人类连接组计划的效力。为了进行比较,我们还使用传统的网络度量对任务网络进行了分类,这些网络度量同样提供了节点重要性的排名。此外,使用平滑增量图形套索估计算法的变体来估计非稀疏、精度矩阵,以解释时间序列中的非平稳性。我们说明了不同的任务之间的热核功能,也是大脑的区域之间的差异。使用随机森林分类器,我们展示了热核度量来捕获函数网络的内在属性,这些属性可以作为任务分类的特征。
2016-04-29 q-bio.NC
A Brain-Inspired Trust Management Model to Assure Security in a Cloud based IoT Framework for Neuroscience Applications
University of Padova(帕多瓦大学);Jahangirnagar University(贾汉吉尔纳加尔大学);American International University - Bangladesh(孟加拉美国国际大学);University of Sheffield(谢菲尔德大学);Anglia Ruskin University(安格利亚鲁斯金大学);Saitama University(埼玉大学);University of Stirling(斯特灵大学)
物联网(IoT)和云计算的迅速普及使神经科学家能够收集多层次和多通道的大脑数据,以更好地了解大脑功能,诊断疾病和设计治疗方法。为了确保当前物联网和云基础设施支持的端到端(E2E)设备之间安全可靠的数据通信,需要在物联网和用户端进行信任管理。本文介绍了一种基于神经模糊的大脑启发信任管理模型(TMM),以保护物联网设备和中继节点,并确保数据可靠性。该模型利用自适应神经模糊推理系统和加权加法方法分别估计节点的行为信任和数据信任来评估节点的可信度。与现有的基于模糊的TMM相比,NS2仿真结果证实了所提出的TMM在识别通信网络中的恶意节点方面的鲁棒性和准确性。随着基于云的物联网框架在神经科学研究中的使用越来越多,将所提出的TMM集成到现有基础设施中将确保E2E设备之间的安全可靠的数据通信。
2018-01-11 cs.AI cs.CR q-bio.NC
Applications of optimal nonlinear control to a whole-brain network of FitzHugh-Nagumo oscillators
我们应用最优非线性控制的框架来引导FitzHugh-Nagumo振荡器的全脑网络的动态。它的节点对应于人类大脑皮层的基于图谱的分割的皮层区域,并且节点间耦合强度来自人脑连接体的扩散张量成像数据。节点使用无延迟的加性方案耦合,并由具有固定均值和加性高斯噪声的背景输入驱动。通过最小化惩罚与期望网络动态、控制能量和空间非稀疏控制输入的偏差的成本泛函来确定节点的最优控制输入。使用背景输入的强度和整体耦合强度作为序参数,网络的状态空间分解成由高振幅极限环分离的低活性和高活性不动点的区域,所有这些定性地对应于孤立网络节点的状态。然而,沿着边界,可以观察到额外的极限环,异步状态和多稳定性。最优控制应用于几个状态切换和网络同步任务,并将结果与线性控制理论对同一连接体的可控性措施进行比较。我们发现,从后者的直觉的节点在引导网络动力学的作用,这是完全基于连接体的功能,一般不结转到非线性系统,如前所述。相反,节点在最优非线性控制下的作用关键取决于指定的任务和系统在状态空间中的位置。我们的研究结果揭示了大脑网络状态的可控性,并可能为设计新的非侵入性脑刺激范例提供灵感。
2021-09-03 cs.SY eess.SY nlin.AO
From First-order to Higher-order Interactions: Enhanced Representation of Homotopic Functional Connectivity through Control of Intervening Variables
该研究利用 node2vec 随机游走嵌入和 HCP 静息态 fMRI 数据,以同伦功能连接(HoFC)为基准,证明基于偏相关的高阶交互和基于切空间嵌入的一阶交互能更有效地捕捉人脑内在神经生理特征。
2024-06-09 q-bio.NC
Task-related edge density (TED) - a new method for revealing large-scale network formation in fMRI data of the human brain
响应外部刺激或作为内部认知过程的反映的瞬时网络的形成是人类大脑功能的标志。然而,在人脑的功能磁共振成像数据中识别它是非常困难的。在这里,我们提出了一种新的方法fMRI数据分析,解决这个问题,考虑大规模的,任务相关的同步网络。网络由节点和连接它们的边组成,其中节点对应于fMRI数据中的体素,并且边的权重通过它们各自的时间序列之间的动态同步中与任务相关的变化来确定。基于这些定义,我们开发了一种新的数据分析算法,该算法可以识别大脑网络中的边缘,这些边缘对任务开始有不同的反应,并且在具有相似特征的密集包中发生。因此,我们称这种方法为“任务相关边缘密度”(TED)。TED被证明是动态网络形成的一个非常强的标志,很容易使用大规模统计推断进行统计分析。与其他方法相比,TED的一个主要优点是它不依赖于任何特定的血液动力学反应模型,并且它也不需要对数据进行预分割以进行降维,因为它可以处理由数万个体素组成的大型网络。我们将TED应用于人类连接组项目提供的手指敲击任务的fMRI数据。TED揭示了大量基于网络的大脑区域的参与,这些区域逃避了使用传统的基于GLM的分析的检测。我们表明,我们提出的方法为人类大脑功能的巨大复杂性提供了一个全新的窗口。
2015-12-14 q-bio.NC
Information transfer of an Ising model on a brain network
我们实现了伊辛模型的结构连接矩阵描述的大脑在一个粗略的规模。将模型温度调整到临界值,即在磁化率峰处,我们发现自旋变量之间的总信息传递量最大。在这一点上,一些节点可以重新分配的信息量达到了极限,网络动态表现出边际收益递减规律的特征,这是与饱和生产水平相关的基本原则。我们的研究结果扩展了最近对连接体结构的动态振荡器模型的分析,考虑到滞后和方向的影响,只关注更容易成为信息瓶颈的节点。在每个节点处的传出和传入信息之间的比率与传入链路的数量有关。
2013-09-01 cond-mat.dis-nn physics.data-an q-bio.NC
Graph analysis of functional brain networks: practical issues in translational neuroscience
大脑可以被视为一个网络:一个连接的系统,其中节点或单元代表不同的专门区域,链接或连接代表通信路径。从功能的角度来看,沟通是由不同脑区活动之间的时间依赖性编码的。在过去的十年中,大脑作为一个图形的抽象表示已经允许可视化功能的大脑网络,并以紧凑和客观的方式描述其非平凡的拓扑特性。如今,在转化神经科学中使用图形分析已经成为量化功能性脑网络异常重构方面的脑功能障碍的关键。尽管功能性大脑网络的图形分析具有明显的影响力,但它并不是一个简单的工具箱,可以盲目地应用于大脑信号。一方面,它需要知道处理管道的所有方法步骤,这些步骤处理输入的大脑信号并提取功能网络属性。另一方面,需要了解所研究的神经现象以进行生理相关分析。这篇评论的目的是提供实际的迹象,使大脑网络分析的意义和对比适得其反的态度。
2014-06-28 q-bio.NC
Brain-inspired, interpretable, resonant recurrent neural networks
Boston University(波士顿大学);Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出了一种受生物神经网络启发的共振递归神经网络,通过引入阻尼振荡节点动力学,实现可解释的分类任务,展示了其在手写数字和模拟神经元尖峰活动分类中的有效性。
2026-03-16 q-bio.NC
Heterogeneous Graph-Based Multimodal Brain Network Learning
Beijing Institute of Technology(北京理工大学);Yangzhou University(扬州大学);Northern Jiangsu People’s Hospital(苏北人民医院);Tsinghua University(清华大学)
图神经网络(GNNs)从图形网络的角度为脑神经成像技术提供了强有力的见解。然而,大多数现有的基于GNN的模型假设神经成像产生的大脑连接体网络是具有单一类型的节点和边的同质图。事实上,新兴的研究已经报道并强调了人类大脑活动之间,特别是两个大脑半球之间的异质性的重要性。因此,基于神经网络的图形方法不足以对复杂的大脑活动状态进行建模。为了克服这个问题,在本文中,我们提出了一个异构图神经网络(HebrainGNN)的多模态脑神经成像融合学习。我们首先将大脑网络建模为具有多类型节点的异构图(即,左和右半球节点)和多类型边缘(即,半球内和半球间边缘)。然后,我们提出了一种基于异构脑网络的自监督预训练策略,以解决由大参数大小和小医疗数据样本大小之间的冲突引起的潜在过拟合问题。我们的研究结果表明,该模型优于其他现有的方法在脑相关疾病的预测任务。消融实验表明,我们的异构图形为基础的模型更加重视半球连接,可能会被忽视,由于他们的低强度由以前的同质图形模型。其他实验也表明,我们提出的模型与预训练策略解决了有限的标记数据的问题,并产生了显着的准确性提高。
2022-09-28 cs.LG cs.NE q-bio.NC
Altered structural balance of resting-state networks in autism
除了网络的规模之外,使网络复杂的是元素之间相互关联的相互作用,破坏这些相互作用不可避免地导致功能障碍。同样,大脑网络的复杂性来自于配对连接之外的相互作用,因为假设在复杂网络中,链接的状态仅根据其两个组成节点独立确定是过于简单的。这在遗传复杂的脑损伤中特别值得注意,例如自闭症谱系障碍(ASD),其表现具有令人惊讶的异质性,没有明确的神经病理学。因此,结构平衡理论(SBT)证实,在现实世界的签署网络中,一个链接显着影响其两个节点中的每一个与第三个节点的相互作用在三元相互关系。因此,这是合理的问ASD是否与改变结构平衡所造成的非典型三元相互作用。换句话说,积极和消极相互作用的异常相互作用在ASD中很重要,除了和超越亚(超)对连接性。为了解决这个问题,我们探索三元互动的基础上SBT在加权签署的静息态功能磁共振成像网络的参与者与ASD相对于健康对照(CON)。我们证明了平衡的三合会在ASD和CON网络中的代表性过高,而不平衡的三合会则代表性不足,为大脑网络结构平衡的强烈概念提供了首次经验证据。我们进一步分析了频率和能量分布的不同的黑社会,并提出了一种替代的描述减少功能的整合和分离的ASD大脑网络。此外,结果显示,在发育过程中,ASD网络的全脑网络能量变化的范围更窄。
2021-10-14 q-bio.NC
Good Neighbors, Bad Neighbors: The Frequent Network Neighborhood Mapping of the Hippocampus Enlightens Several Structural Factors of the Human Intelligence on a 414-Subject Cohort
在过去的十年里,人类连接体已经成为脑科学家、心理学家和成像专家研究的一个非常频繁的主题。通过扩散磁共振成像技术,结合先进的数据处理算法,今天我们能够计算具有数百个解剖学识别的节点和数千个边缘的脑图,对应于大脑的解剖学连接。如果没有精确的数学工具,分析这些图是没有希望的。这些工具需要解决MRI处理工作流程的高错误率,并需要找到结构性原因或至少心理特性和大脑连接的相关性。到目前为止,结构连接组学很少能够识别这种原因或相关性。在目前的工作中,我们研究了最深入的研究大脑区域,海马的频繁邻居集。通过应用频繁网络邻域映射方法,我们确定了海马的频繁邻域集,这可能会影响许多心理参数,包括与智力相关的参数。我们发现,在Penn矩阵测试得分高的受试者和Penn单词记忆测试得分低的受试者中,邻居集的频率明显更高。我们的研究利用了脑图,从人类连接组项目的414名受试者的成像数据计算,每个受试者有463个解剖学识别的节点。
2019-07-22 q-bio.NC
A spectrum of routing strategies for brain networks
在复杂网络中,节点之间的信号通信带来了效率和成本的基本问题。沿着最短路径路由消息需要关于拓扑的全局信息,而根据局部拓扑特征操作的扩散传播在信息上是“廉价的”但效率低。我们引入了一个随机模型的网络通信,结合了不同数量的本地和全球信息的网络拓扑结构。该模型产生了一个连续的动态频谱,收敛到最短路径和随机行走(扩散)的通信过程中的极限。我们实现了两个队列的人类连接体网络的模型,并研究了不同数量的本地和全球信息对网络的通信成本的影响。我们确定的路由策略,方法(高效)最短路径的通信过程中,相对少量的全球信息。此外,我们表明,从和到枢纽节点的路由消息的成本作为驱动系统的动态的全球信息量的函数而变化。最后,我们实现了该模型,以确定从通信动力学的角度来看,个别主体的差异。本框架偏离了经典的最短路径与扩散二分法,而是表明大脑网络可能会根据不同的功能需求和资源的可用性表现出不同类型的通信动态。
2018-03-22 q-bio.NC
A New Brain Network Construction Paradigm for Brain Disorder via Diffusion-based Graph Contrastive Learning
本文提出基于扩散的脑网络构建流程DGCL,通过脑区域感知模块和图对比学习优化脑连接,在ADNI和ABIDE数据集上超越传统方法,提升构建效率与泛化能力,为神经科学研究提供疾病可解释性支持。
2024-07-06 q-bio.NC
Flexible Traversal Through Diverse Brain States Underlies Executive Function in Normative Neurodevelopment
青春期的特点是执行功能的快速发展。越来越多的证据表明,成年人的执行功能可能是由神经生理过程的动态控制驱动的。然而,这些动态如何在青春期演变并有助于认知发展尚不清楚。使用一种新的动态图的方法,其中每个时刻的时间是一个节点,在两个不同的时间在大脑状态的相似性是一个边缘,我们确定两个主要的大脑状态,让人想起内在的和任务诱发的系统。我们证明,在这两种状态下花费的时间随着发育而增加,大脑在它们之间切换的灵活性也是如此。在初级状态和国家之间的灵活性所花费的时间增加与青少年时期的执行绩效增加有关。事实上,灵活性对成年早期的表现越来越有利。这些研究结果表明,大脑状态动力学的基础上的执行功能的发展,在关键时期的青春期。
2015-10-29 q-bio.NC
Characterizing functional brain networks and emotional centers based on Rasa theory of Indian aesthetics
在印度艺术史上,Rasas是与任何听觉,视觉,文学或音乐艺术作品相关的美学,这些艺术作品唤起了高度协调的情感状态。在这项工作中,我们研究的功能反应的大脑电影剪辑旨在唤起Rasas通过网络分析。我们提取脑功能网络的连贯性措施,从流行的印度宝莱坞电影的电影片段的EEG记录代表九个Rasas在印度Natyasastra。计算这些大脑网络的结构和功能网络测量,在不同的脑波频带中,在一系列重要的边缘权重上取平均值。我们使用社区检测算法将大脑中的神经元布线分离成模块。进一步,利用互信息测度,我们比较了不同Rasas对应的脑网络模块化组织。使用中心性度量确定的枢纽揭示了对所有Rasa的信息传播至关重要的网络节点。我们还观察到,当高频波如β和γ在大脑中占主导地位时,功能连接受到抑制。统计地提取引起Rasa对之间的差异的显著链接。
2018-09-14 q-bio.NC
Coalescent embedding in the hyperbolic space unsupervisedly discloses the hidden geometry of the brain
人脑显示出复杂的网络拓扑结构,其结构组织被广泛使用扩散张量成像研究。从其出现网络拓扑的原始几何形状是已知的,以及网络节点相对于大脑形态和解剖结构的定位。当前网络科学最具挑战性的问题之一是从复杂网络的拓扑结构中推断出潜在的几何结构。人脑结构连接体是测试旨在解决这一问题的算法的完美基准。最近设计的融合嵌入映射一个复杂的网络在双曲空间,推断节点的角坐标。在这里,我们表明,这种方法是能够unsupervisedly重建潜在的几何形状的大脑具有令人难以置信的准确性和内在的几何形状的大脑网络密切相关的脑叶组织在神经解剖学。此外,结合包埋允许检测帕金森病患者的连接体中的几何病理变化。本研究代表了双曲空间中大脑网络角聚结的第一个证据,开辟了一个全新的视角,可能实现潜在几何网络标记,用于评估大脑疾病和病理。
2017-05-10 cond-mat.dis-nn q-bio.NC
Multi-Scale Factor Analysis of High-Dimensional Brain Signals
在本文中,我们开发了一种方法来建模高维网络与大量的节点排列在一个层次和模块化的结构。提出了一种新的多尺度因子分析模型,该模型将复杂网络上的海量时空数据划分为有限的区域聚类。为了实现进一步的降维,我们用少量的潜在因子来表示每个聚类中的信号。网络中所有节点的相关性矩阵近似于来自集群特定因子的低维子结构。为了估计众多节点(每个集群内)之间的区域连通性,我们应用主成分分析(PCA)来产生因子,这些因子是在平方损失下观测到的信号的最佳重建。然后,我们使用RV系数作为交叉依赖度量,基于跨区域的因素估计全局连接性(集群或子网络之间)。这提供了一个可靠的和计算效率高的大型网络的区域和全球依赖性的多尺度分析。所提出的新方法适用于估计使用功能磁共振成像(fMRI)数据的大脑连接网络。静息态功能磁共振成像的结果揭示了有趣的模块和层次组织的人脑网络在休息。
2017-05-18 q-bio.NC stat.AP