Alternating Diffusion Map Based Fusion of Multimodal Brain Connectivity Networks for IQ Prediction
为了解释个体在发育、行为和认知方面的差异，以往的研究主要集中在通过线性降维技术将静息状态下基于功能磁共振成像（fMRI）的功能连接（FC）数据投影到低维空间，然后执行分析操作。然而，线性维度分析技术可能无法捕捉脑神经活动的非线性。此外，除了静息态FC，FC基于任务的功能磁共振成像可以提供补充信息。出于这些考虑，我们非线性融合的静息状态和基于任务的FC网络（FCNs），以寻求更好的表示在本文中。我们提出了一个框架的基础上交替扩散映射（ADM），提取几何保持低维嵌入，成功地参数化的内在变量驱动感兴趣的现象。具体来说，我们首先分别建立静止状态和任务为基础的FCN的对称正定矩阵使用稀疏逆协方差估计为每个主题，然后利用ADM融合它们，以提取显着的低维嵌入，这是用来作为指纹识别个人。在费城神经发育队列数据上，我们对静息态和分形$n$ -back任务fMRI用于智商（IQ）分类进行了广泛的实验研究。融合的静息状态和$n$回任务的fMRI所提出的框架实现了更好的分类精度比任何单一的fMRI，和所提出的框架被证明优于其他几种数据融合方法。据我们所知，本文是第一个成功的扩展ADM融合静息状态和任务为基础的功能磁共振成像数据准确预测智商。
2018-10-30 q-bio.NC
Subspace-based Identification Algorithm for Characterizing Causal Networks in Resting Brain
静息状态下的脑活动分析对于识别神经系统的功能特性具有重要意义。虽然静息脑已被广泛研究脑区之间的低频同步，即功能连接（FC），另一个主流的脑连接分析，寻找脑区之间的因果关系的相互作用，有效连接（EC），一直很少探讨自发脑振荡。休息状态下大脑活动的内在复杂性，如在BOLD（血氧水平依赖）波动中观察到的，需要探索性方法来表征这些因果网络。另一方面，血流动力学系统对基于fMRI数据的因果推理的不可避免的影响，引导我们走向因果推理可以在潜在神经元水平发生的方法，而不是观察到的BOLD时间序列。为了同时满足这两个问题，在本文中，我们介绍了一种新的状态空间系统识别方法，用于研究在没有明确的认知任务的情况下，大脑区域之间的因果相互作用。使用广泛的模拟，我们研究了网络规模和信噪比（SNR）的准确性，我们提出的方法在EC检测的影响。我们的模拟结果表明，基于子空间的识别算法（SIA）对上述因素具有足够的鲁棒性，并且可以可靠地揭示静息态BOLD fMRI的潜在因果关系
2011-12-31 q-bio.NC
Resting-State Functional Connectivity Correlates of Emotional Memory Control under Cognitive load in Subclinical Anxiety
Indraprastha Institute of Information Technology Delhi（德里伊拉普拉斯塔信息技术学院）
研究探讨了亚临床焦虑个体在认知负荷下情绪记忆控制的神经机制，发现抑制和回忆的效率无显著差异，但静息状态功能连接模式与焦虑水平相关，且抑制积极记忆与减少前扣带回与后部感知-中线区域连接有关。
2026-04-13 q-bio.NC
Macroscopic cortical dynamics: Spatially uncorrelated but temporally coherent rich-club organisations in source-space resting-state EEG
神经元群的同步振荡支持静息态皮层活动。最近的研究表明，静息态功能连接不是静态的，而是呈现复杂的动态变化。皮层活动的复杂动力学机制尚未得到很好的表征。在这里，我们直接应用奇异值分解（SVD）在源重建的脑电图（EEG），以体现动态的休息状态的功能连接的时空模式。我们发现，静息态功能连接的变化与不同的复杂的拓扑特征，“富俱乐部组织”，默认模式网络，显着性网络，和电机网络。显著性网络的Rich-club拓扑结构揭示了腹外侧前额叶皮层和前额叶皮层之间更大的功能连接，而默认模式网络的Rich-club拓扑结构揭示了额顶叶和后额叶皮层之间的双侧功能连接。这些源空间网络模式的富俱乐部组织的动力学的谱分析表明，静息状态的皮层活动表现出不同的动力学制度，其内在的表达包含快速振荡的α-β带和与$<0.1$ Hz的时标的振荡信号。因此，我们的研究结果表明，多变量特征分解的源重建的EEG是一个可靠的计算技术，探讨如何动态的时空特征的休息状态皮层活动发生在不同的频率振荡。
2020-07-28 nlin.AO q-bio.NC
Somatomotor-Visual Resting State Functional Connectivity Increases After Two Years in the UK Biobank Longitudinal Cohort
本研究基于英国生物银行纵向队列，发现两年后躯体运动-视觉静息态功能连接平均提升6.8%，全功能连接预测扫描时间先后准确率达82.5%，为脑衰老研究提供了纵向证据。
2023-08-25 q-bio.NC
Dynamic fluctuations coincide with periods of high and low modularity in resting-state functional brain networks
我们调查的关系，静息态功能磁共振功能连接估计在较短的时间间隔，随着时间的变化功能连接估计在很长一段时间。我们发现，使用皮尔逊相关性来估计功能连接意味着在短时间尺度上的功能连接的波动范围受到其连接强度在较长尺度上的统计约束。我们提出了一种方法，用于估计随时间变化的功能连接，旨在缓解这个问题，并允许我们识别功能连接意外强或弱的情节。我们将这种方法应用于从$N=80$参与者记录的数据，并显示出意外的强/弱连接的数量随着时间的推移而波动，并且这些变化与时变功能连接的高和低模块化的间歇期相吻合。我们还发现，在相对平静的时期，与默认模式网络相关的区域倾向于加入具有注意力、控制和初级感觉系统的社区。相反，在许多连接出乎意料地强/弱的时期，默认模式区域分离并形成不同的模块。最后，我们继续表明，虽然所有的功能连接有时可以表现出比预期更强（更正相关）或更弱（更负相关），少数连接，主要是在视觉和躯体运动网络中，这样做的次数不成比例。我们的统计方法允许检测的功能连接，波动或多或少比预期的基础上，他们的长期平均值，并可能在未来的研究中使用的时空模式的特点随时间变化的功能连接
2015-11-19 q-bio.NC
The role of noise modeling in the estimation of resting-state brain effective connectivity
University of Padova（帕多瓦大学）
本文研究了静息态fMRI数据中有效连接性估计中噪声建模对网络估计质量的影响，探讨了内源性波动对神经活动建模的方法。
2018-02-13 cs.SY eess.SY q-bio.NC
Resting-state functional connectivity-based biomarkers and functional MRI-based neurofeedback for psychiatric disorders: a challenge for developing theranostic biomarkers
精神病学研究一直受到精神症状及其神经基础之间的解释差距的阻碍，这导致了治疗效果不佳。这种情况促使我们从基于数据的诊断转向数据驱动的诊断，旨在将精神疾病重新定义为神经回路障碍。数据驱动诊断的有希望的候选者包括基于静息态功能连接MRI（rs-fcMRI）的生物标志物。尽管生物标志物的开发目的是诊断患者和预测治疗效果，但重点已经转移到鉴定代表治疗靶点的生物标志物，这将允许更个性化的治疗方法。这种类型的生物标志物（即，治疗诊断生物标志物）有望阐明精神疾病的疾病机制，并基于疾病的神经病因提供个体化的基于神经回路的治疗靶点。为此，研究人员开发了基于rs-fcMRI的生物标志物，并使用基于功能性MRI（fMRI）的功能连接神经反馈研究了潜在生物标志物与疾病特异性行为之间的因果关系。在这篇综述中，我们介绍了最近的方法，用于创建一个治疗诊断生物标志物，其中主要包括两个部分：（i）开发一个基于rs-fcMRI的生物标志物，可以预测诊断和/或症状，具有较高的准确性，和（ii）引入一个概念验证研究调查之间的关系正常化的生物标志物和症状变化使用基于fMRI的神经反馈。在介绍最新研究的同时，我们回顾了基于rs-fcMRI的生物标志物和基于fMRI的神经反馈，重点关注与临床使用相关的技术改进和局限性。
2017-08-18 q-bio.NC
A Framework for Exploring Non-Linear Functional Connectivity and Causality in the Human Brain: Mutual Connectivity Analysis (MCA) of Resting-State Functional MRI with Convergent Cross-Mapping and Non-Metric Clustering
我们提出了一个计算框架，用于从静息状态功能性MRI（fMRI）数据中分析和可视化人脑中的非线性功能连接，以恢复底层网络社区结构并探索网络组件之间的因果关系。我们提出的非线性互连接分析（MCA）的方法包括两个计算步骤。首先，在大脑内的静息状态fMRI像素时间序列之间的成对交叉预测性能进行评估。随后从通过MCA使用非度量网络分区/聚类与所谓的Louvain方法构建的亲和矩阵中恢复底层网络结构。我们证明了我们的方法，在任务中确定与手部运动相关的运动皮层区域的静息状态功能磁共振成像数据采集从八个切片位置在四个科目。为了进行比较，我们还通过基于任务的功能磁共振成像序列，涉及手指敲击刺激范式的运动皮层的本地化区域。最后，我们整合收敛交叉映射（CCM）到MCA的第一步，调查运动皮层区域之间的因果关系。关于运动皮层区域之间的因果关系的结果显示了显着的方向变异性，并且在所有受试者中不容易以一致的方式解释。然而，我们的研究结果表明，全切片功能磁共振成像分析，MCA为基础的无模型恢复与初级运动皮层和辅助运动区的区域是在接近协议的本地化与基于任务的功能磁共振成像采集实现类似的地区。因此，我们的结论是，我们的计算框架MCA可以提取和可视化有价值的信息有关的底层网络结构和静息状态功能磁共振成像中大脑不同区域之间的因果关系。
2014-07-14 cs.NE q-bio.NC
Resting State Functional Connectivity Patterns Associate with Alcohol Use Disorder Characteristics: Insights from the Triple Network Model
Purdue University（普渡大学）；Purdue Institute of Integrative Neuroscience, Purdue University（普渡大学整合神经科学研究所）；Indiana University School of Medicine（印第安纳大学医学院）；Indiana University Bloomington（印第安纳大学布鲁明顿分校）；Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校）
本研究通过三网络模型揭示静息态功能连接模式与酒精使用障碍特征的关系，发现SN、FPN和DMN网络的关联可作为治疗靶点。
2025-12-08 q-bio.NC
Brain Age Group Classification Based on Resting State Functional Connectivity Metrics
本研究利用静息态fMRI功能连接指标，通过深度学习（MobileNet）分类脑发育阶段，发现衰老导致网络全局整合下降、局部连接增加，且MobileNet分类准确率最高。
2025-03-27 eess.SP q-bio.NC
Fractal-based Correlation Analysis for Resting State Functional Connectivity of the Rat Brain in Functional MRI
大多数关于功能连接的研究都是通过分析大脑对刺激的血流动力学反应来完成的。另一方面，在静息状态下观察到功能MRI的血氧水平依赖（BOLD）信号的低频自发波动。然而，在静息状态下的BOLD信号被由心脏搏动、呼吸、对象运动、扫描仪等引起的巨大噪声显著地破坏。特别是，噪声化合物在大鼠大脑中比在人脑中更强。为了克服这样的伪影，我们假设BOLD信号中的分形行为反映低频神经活动，并应用定理，使得长记忆过程之间的小波相关谱在低频尺度上是尺度不变的。在这里，我们报告了一个实验，显示特殊的相关模式，不仅在非常低的频带（小于0.0078 Hz）的相关性的尺度系数，但也在渐近小波相关。此外，我们显示了赫斯特指数在大鼠脑中的分布。
2012-02-21 q-bio.NC stat.AP
Optimal stimulation sites are not the most affected: personalised models of resting-state fMRI in Alzheimer's disease
Istituto Superiore di Sanità（高等卫生研究所）
研究针对阿尔茨海默病静息态功能连接改变问题，通过拟合储层计算模型重建滞后FC，对比两种模型读出方式，发现理想校正需分布式变化，基于此提出个性化靶向方法，证明有效神经调节需模型指导，刺激部位非偏差最大处而是治疗反应最强处。
2026-07-29 q-bio.NC
Non-linear associations of amyloid-$β$ with resting-state functional networks and their cognitive relevance in a large community-based cohort of cognitively normal older adults
研究探讨了淀粉样蛋白β与静息态功能网络的非线性关联，发现特定网络在无症状阿尔茨海默病阶段存在功能连接变化，且淀粉样蛋白相关网络连接与认知表现相关。
2026-04-21 q-bio.NC
Hypergraph based Subnetwork Extraction using Fusion of Task and Rest Functional Connectivity
功能子网络提取通常用于探索大脑的模块结构。然而，可靠的子网络提取功能磁共振成像（fMRI）数据仍然具有挑战性，由于在神经影像数据的显着噪声。本文提出了一种基于超图的高阶关系信息提取方法，将多任务数据和静息状态数据的信息结合起来，改进子网络的提取。我们的假设是，任务数据可以是有益的子网络提取过程中，因为重复激活的节点参与不同的任务可能是规范的网络组件，其中包括预先存在的剧目的休息状态子网络。我们提出的基于强度信息嵌入超图的高阶关系通知子网络提取，（1）促进子网络提取的多尺度集成，（2）利用不同任务中节点之间的关系和变化的信息，（3）能够研究大脑网络节点之间的高阶关系。在真实数据上，我们证明了基于超图的融合任务激活、任务诱导的连接和静息状态功能连接与使用来自静息或任务数据的单一来源相比，在子网络模块性度量、受试者间再现性以及更具生物学意义的子网络分配方面改善了子网络提取。
2018-01-15 q-bio.NC
Signal Fluctuation Sensitivity: an improved metric for optimizing detection of resting-state fMRI networks
无任务连接分析已经成为功能神经成像的一个强大工具。因为作为连接性度量基础的互相关对时间序列的失真敏感，所以在这里，我们使用了一种新的动态模型来为血氧水平依赖（BOLD）样输入和fMRI输出之间的动态保真度提供基础事实。我们发现，无任务功能磁共振成像的实际质量指标，时间信噪比（tSNR），与动态保真度成反比;因此，针对tSNR优化的研究实际上产生了显示信号动态失真最大的时间序列。相反，体模显示动态保真度通过与tSNR不同的将信号动态与扫描仪伪影分离的测量合理地近似。然后，我们测试了这一措施，信号波动灵敏度（SFS），对人类的静息状态数据。正如模型所预测的那样，SFS-而不是tSNR-与大脑默认模式网络中局部和远程连接的敏感性增强有关。
2015-11-13 q-bio.NC
Uncovering Multi-Site Identifiability Based on Resting-State Functional Connectomes
多地点研究对于增加统计能力、提高普遍性和提高将相关亚组集中在一起的可能性变得越来越重要。即使使用统一的成像序列，部位相关的变异性也会掩盖这些多部位研究的优势。本研究的目的是评估静息态功能连接指纹的多位点重复性，并提高功能连接体的可识别性。功能连接谱的个体指纹法是有希望的，因为其作为一个强大的神经影像学生物标志物的潜力。我们评估，在两个独立的多站点数据集，个人指纹在两个站点内和跨两个站点的重测访问对，并提出了一个通用的框架，基于主成分分析，以提高可识别性。这些组件，最大化的差异可识别性的训练数据集被用来作为一个正交连接的基础，重建功能连接的训练和验证集。最佳重建的功能性连接体显示出相对于原始数据的两个站点内和跨两个站点的个体指纹识别的实质性改善。一个显着增加ICC值的功能边缘和静止状态网络也观察到。未发现可识别性的改善受到全局信号回归的影响。事后分析评估了功能磁共振成像卷的数量对可识别性的影响，并表明多站点差分可识别性是最佳重建后的所有情况下最大化。每个数据集的正交基的最优集合的泛化能力通过留一法进行评估。总体而言，结果表明，在这项研究中提出的框架系统地提高了可识别性在静息状态下的功能连接体在多站点的研究。
2019-04-23 q-bio.NC
Construction of embedded fMRI resting state functional connectivity networks using manifold learning
National Technical University of Athens（雅典国立理工大学）；Università degli Studi di Napoli Federico II（那不勒斯费德里科二世大学）
我们构建嵌入式功能连接网络（FCN）的基准静息状态功能磁共振成像（rsfMRI）数据采集精神分裂症患者和健康对照组的基础上线性和非线性流形学习算法，即多维标度（MDS），等距特征映射（ISOMAP）和扩散地图。此外，基于嵌入式FCN的关键全局图论属性，我们使用机器学习技术比较它们的分类潜力。我们还评估了两个指标的性能，被广泛用于建设FCN从功能磁共振成像，即欧几里得距离和滞后的互相关度量。我们证明了用扩散映射和滞后互相关度量构造的FCN优于其他组合。
2020-05-25 cs.LG cs.NA math.NA
From Connectomic to Task-evoked Fingerprints: Individualized Prediction of Task Contrasts from Resting-state Functional Connectivity
Cornell University（康奈尔大学）；Weill Cornell Medicine（威尔康奈尔医学院）；Brain and Mind Research Institute, Weill Cornell Medicine（威尔康奈尔医学院脑与心智研究所）；Nancy E. & Peter C. Meinig School of Biomedical Engineering, Cornell University（康奈尔大学南希·E·与彼得·C·梅尼格生物医学工程学院）
静息态功能性MRI（rsfMRI）产生的功能连接体可以作为个人的认知指纹。连接组指纹已被证明在许多机器学习任务中是有用的，例如预测受试者特定的行为特征或任务诱发的活动。在这项工作中，我们提出了一个基于表面的卷积神经网络（BrainSurfCNN）模型来预测个人任务的对比度从他们的休息状态指纹。我们引入了一种重建对比损失，它在最小化预测误差的同时加强了模型输出的主体特异性。所提出的方法显着提高了准确性的预测对比度在一个完善的基线。此外，BrainSurfCNN的预测在主题识别任务中也超过了重测基准。
2020-08-07 cs.LG q-bio.NC stat.ML
Evaluating tDCS Intervention Effectiveness via Functional Connectivity Network on Resting-State EEG Data in Major Depressive Disorder
本研究通过静息态脑电功能连接网络评估tDCS对重度抑郁症的干预效果，发现其改善网络拓扑并增强DLPFC连接，为神经调控治疗提供依据。
2025-04-25 q-bio.NC q-bio.QM
Distinct Modes of Functional Neural Organization in Autism: Insights from Dynamical Systems Analysis of Resting-State EEG
本研究通过动力学系统方法分析静息态EEG，发现自闭症患者在睁眼时神经动力学更随机且稳定性差，闭眼能使其规律化，揭示了其独特的神经组织模式。
2025-07-11 q-bio.NC
Functional Connectivity Dynamics show Resting-State Instability and Rightward Parietal Dysfunction in ADHD
注意力缺陷/多动障碍（ADHD）是儿童最常见的神经发育障碍之一，其特征是注意力不集中，冲动和多动。虽然有几项研究分析了静态功能连接在ADHD患者的静息态功能磁共振成像（rs-fMRI），需要详细的调查，以表征在大脑中的连接动力学。为了探讨注意不稳定性与功能连接（FC）动态特性之间的关系，我们研究了40名ADHD儿童和40名典型发展（TD）儿童FC的时间变异性。使用滑动窗口的方法来分割的rs-fMRI扫描的时间，我们采用种子体素相关性分析每个窗口，以获得随时间变化的种子连接地图放置在后扣带皮层（PCC）和内侧前额叶皮层（mPFC）。对于每例受试者，体素连接时间序列的标准差被用作FC时间变异性的测量。结果表明，ADHD患者在扣带-颞叶、扣带-顶叶、额-颞叶和额-顶叶网络（$p_{FWE} < 0.05$）中的dFC变异性显著高于TD儿童。在左右颞回、前扣带皮层和右侧顶叶皮层的外侧区域观察到非典型的时间变异。这些观察结果分别与ADHD中报告的视觉注意力问题、执行控制缺陷和顶叶功能障碍一致。这些结果有助于以一种新的视角来理解这种疾病，将行为注意力不集中与大脑中FC的不稳定性联系起来。
2023-02-15 q-bio.NC q-bio.QM
Optimizing Differential Identifiability Improves Connectome Predictive Modeling of Cognitive Deficits in Alzheimer's Disease
功能连接，估计使用静息状态功能磁共振成像，已显示出潜在的病理生理学和认知之间的差距。然而，功能连接生物标志物的临床使用受到个体功能连接组的不可靠估计和预测来自连接的认知结果的模型的普遍性的缺乏的阻碍。为了解决这些问题，我们结合了连接体预测建模和差异可识别性的框架。使用组合框架，我们表明，增强静息状态功能连接体的个人指纹导致与认知结果相关的功能网络的鲁棒识别，也提高了从功能连接体的认知结果的预测。使用与阿尔茨海默病相关的认知结果的综合谱，我们识别和表征与阿尔茨海默病中表现出的特定认知缺陷相关的功能网络。这一组合框架是从静息状态功能连接体进行个体水平认知预测和理解认知与连接之间关系的重要一步。
2019-12-13 q-bio.NC
A Network Theory Investigation into the Altered Resting State Functional Connectivity in Attention-Deficit Hyperactivity Disorder
University of Rajshahi（拉杰沙希大学）；Hajee Mohammad Danesh Science and Technology University（哈吉·穆罕默德·达内什科技大学）；Deakin University（迪肯大学）；COMSATS University Islamabad（伊斯兰堡COMSATS大学）；Charles Sturt University（查尔斯特大学）
在过去的二十年里，功能磁共振成像（fMRI）已成为人类大脑临床研究中最有效的技术之一。功能磁共振成像允许研究人员研究健康和病理的大脑，同时他们执行各种神经心理功能。除了与任务相关的激活之外，人类大脑在负任务（休息）状态下也有一些内在的活动，令人惊讶的是，这些活动消耗了大量的能量来支持神经元之间的交流。最近的神经影像学研究也发现，在图形或网络方面对大脑活动进行建模和分析的情况有所增加。由于图模型促进了大脑的系统理论解释，它们与网络科学的进步和复杂系统理论的普及越来越相关。本研究的目的是探讨注意缺陷多动障碍（ADHD）成人的静息脑功能异常。主要目的是研究静息态功能连接（FC），这可以被解释为在没有任何刺激或任务的情况下，功能相关的脑区域之间的血氧水平依赖（BOLD）信号的显著时间重合。与健康对照组相比，ADHD患者的边缘上回和顶上小叶的平均连接性较低，但枕外侧皮质和颞下回的连接性较高。我们还假设ADHD患者的默认模式和背侧注意区域的网络组织是异常的。
2022-11-23 cs.LG eess.SP q-bio.NC
Resting-State EEG Network Profiles Associated with Creative Engagement and Creative Self-Efficacy
University of British Columbia（不列颠哥伦比亚大学）；University of Oxford（牛津大学）；Hong Kong Baptist University（香港浸会大学）
研究通过静息态EEG分析揭示了创造力自我效能与参与度的神经网络特征，发现不同群体在alpha波段连接模式上存在显著差异。
2026-01-19 eess.SP q-bio.NC q-bio.QM
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
Control Theory Illustrates the Energy Efficiency in the Dynamic Reconfiguration of Functional Connectivity
大脑的功能连接会随着时间的推移而波动，而不是在静止状态下保持稳定。这种波动建立了动态的功能连接，在多个模式之间以非随机顺序过渡。然而，它仍然没有探索的过渡如何促进整个大脑网络作为一个动态系统，以及这种机制的动态重新配置可以带来什么效用超过广泛使用的图论测量。为了解决这些问题，我们建议进行一个充满活力的分析功能的大脑网络使用静息态功能磁共振成像和人类连接组计划的行为测量。通过比较不同相邻矩阵下的状态转换能量，我们证明了动态功能连接在通过默认模式网络驱动转换时，支持静态动态的能量消耗比静态连接少60%.此外，我们证明，结合图论测量和我们的基于能量的控制测量作为特征向量可以提供互补的预测能力的行为分数。我们的方法集成了统计推断和动力系统检查，以了解大脑网络。
2022-03-25 q-bio.NC q-bio.QM
Deep Learning Inductive Biases for fMRI Time Series Classification during Resting-state and Movie-watching
School of Electrical and Computer Engineering, University of Tehran（埃特瓦尔大学电气与计算机工程学院）；School of Cognitive Sciences, Institute for Research in Fundamental Sciences (IPM)（基础科学研究所（IPM）认知科学学院）
该研究在HCP 7-Tesla小样本fMRI数据上比较CNN、LSTM和Transformer的归纳偏置，发现CNN在静息态与观影性别分类中表现最佳，判别信息主要来自局部空间模式与区域间依赖。
2025-09-21 cs.LG q-bio.NC
Diurnal variations of resting-state fMRI data: A graph-based analysis
昼夜节律使各种生理过程同步，从神经活动和激素分泌到睡眠周期和进食习惯。尽管存在显着的昼夜变化，但在人脑研究中很少记录或分析一天中的时间（TOD）。此外，睡眠-觉醒模式、昼夜偏好和白天警觉性因人而异，称为睡眠时间类型。在这里，我们进行了图论网络分析的休息状态功能磁共振成像（rs-fMRI）数据，以探讨拓扑结构的差异，全脑功能网络之间的上午和晚上的会议（TOD效应），极端的早晨型和晚上型的时间类型。为此，62名受试者（31名极端早晨型，31名晚上型）接受了两次功能性磁共振成像（fMRI）：起床时间（早晨）后约1小时，之后10小时，根据他们宣布的习惯性睡眠-觉醒模式进行安排。TOD显著改变了功能连接（FC）模式，但在时间型类别中没有显著差异。与上午的会议相比，我们发现相对增加的小世界，模块化，非线性，和同步在晚上的会议，表明更有效的功能拓扑结构。当地措施在白天主要是在涉及躯体运动，腹侧注意，以及默认模式网络的领域发生了变化。此外，连接性和枢纽分析表明，躯体运动、腹侧注意和视觉网络分别是两个阶段中连接最紧密的大脑区域，前者在晚上更活跃，后者在早上更活跃。总的来说，这些研究结果表明，TOD可以影响人类神经影像学中使用的经典分析，如功能连接，并应记录并纳入功能神经影像学数据的分析。
2021-10-12 q-bio.NC
Spectral Dynamic Causal Modelling of Resting-State fMRI: Relating Effective Brain Connectivity in the Default Mode Network to Genetics
我们进行了一项成像遗传学研究，以探索默认模式网络（DMN）中的有效大脑连接如何与阿尔茨海默病和轻度认知障碍背景下的遗传学相关。我们开发了一个纵向静息态功能磁共振成像（rs-fMRI）和遗传数据的分析，从111名受试者的样本中获得的，共有319个rs-fMRI扫描阿尔茨海默病神经影像学倡议（ADNI）数据库。一个动态因果模型（DCM）是适合的rs-fMRI扫描，以估计有效的大脑连接的DMN内，并与一组单核苷酸多态性（SNP）包含在一个经验性的疾病约束集，这是从663 ADNI受试者只有全基因组数据的样本外获得。我们研究了4区域和6区域网络中的纵向数据，并使用线性混合效应（LME）模型和标量函数回归（FSR）将使用光谱DCM估计的纵向有效脑连接网络与SNP联系起来。在前一种情况下，我们实现了一个参数的bootstrap测试SNP系数，并与从卡方零分布获得的p值进行比较。我们还实现了一个参数引导的方法来测试FSR中的回归函数，我们从参数引导获得的p值之间的比较，使用F-分布的自由度的基础上Satterthwaite的近似获得的p值。在这两个网络中，我们报告的探索性模式的协会具有相对较高的排名，表现出稳定性的不同假设FSR和LME。
2020-06-02 q-bio.NC q-bio.QM
Centralized and distributed cognitive task processing in the human connectome
现代神经科学中的一个关键问题是人类大脑中的认知变化如何被功能连接体（FC）量化和捕获。缺乏一种系统的方法来测量不同大脑状态下的成对功能距离。这将提供一种直接的方法来量化不同任务之间认知处理的差异;此外，它将有助于将基于任务的功能块中的这些差异与底层结构网络联系起来。在这里，我们提出了一个框架，基于詹森-香农分歧的概念，映射任务和休息状态FC之间的任务休息连接距离。我们展示了如何信息理论措施允许量化功能网络中的分布式和集中式处理的连接变化。我们研究了人类连接组项目数据集的静息状态和七个任务，以获得任务之间最远的联系。我们调查这些变化是如何与不同的功能脑网络，并使用所提出的措施来推断信息处理制度的变化。此外，我们展示了FC距离静息状态是如何形成的结构连接，以及在何种程度上这种关系取决于任务。这个框架提供了一个良好的接地数学量化的连接变化相关的认知处理在大规模的大脑网络。
2018-09-24 q-bio.NC
Effects of Scan Length and Shrinkage on Reliability of Resting-State Functional Connectivity in the Human Connectome Project
在本文中，我们使用人类连接组项目（N=461）的数据，研究扫描长度对静息状态功能磁共振成像（rsfMRI）产生的静息状态功能连接（rsFC）估计的可靠性的影响。此外，我们还研究了经验贝叶斯收缩的好处，其中主题级估计通过交易偏差的小幅增加来更大程度地减少方差，从而从总体平均值中借用力量。对于每一个主题，我们计算原始和收缩rsFC之间的估计300个区域，通过独立成分分析（ICA）的基础上rsfMRI扫描不同的长度从3到30分钟。使用二元回归确定每个区域的时间过程，并将rsFC估计为每对时间过程之间的皮尔逊相关性。将每例受试者的收缩估计值计算为原始受试者水平估计值和总体平均估计值之间的加权平均值，其中通过受试者内方差与受试者间方差的关系确定每个连接的权重。我们发现，对于大多数连接，收缩估计比原始估计具有更高的可靠性，使用长度小于10分钟的扫描时，收缩估计的可靠性提高了30-40%，使用20-30分钟的扫描时，收缩估计的可靠性提高了10-20%。我们还观察到原始和收缩估计的可靠性存在显着的空间变异性，默认模式和运动网络内的连接表现出最大的可靠性，网络间的连接表现出最差的可靠性。我们的结论是，可靠估计rsFC所需的扫描长度取决于感兴趣的特定连接，收缩可以用来提高可靠性的rsFC，即使是从长，高质量的rsfMRI扫描。
2016-06-19 q-bio.NC stat.AP
A blind deconvolution approach to recover effective connectivity brain networks from resting state fMRI data
我们从功能磁共振成像数据中获得的对大脑功能的洞察力的一个巨大改进可以来自有效的连接分析，其中即使是遥远的大脑区域之间的信息流也可以通过预测动力学模型的参数来推断。与生物启发模型相反，格兰杰因果关系（GC）等一些技术纯粹是数据驱动的，依赖于统计预测和时间优先。虽然功能强大，广泛适用，这种方法可能会受到两个主要的限制时，适用于BOLD功能磁共振成像数据：混杂效应的血流动力学反应函数（HRF）和条件反射的存在下，短时间序列的大量变量。对于任务相关的功能磁共振成像，神经元群体动态可以通过建模信号动力学与明确的外源性输入捕获;另一方面，对于静息态功能磁共振成像，没有明确的输入使这项任务更加困难，除非依赖于一些特定的先验生理假设。为了克服这些问题，并允许一个更一般的方法，在这里，我们提出了一个简单而新颖的盲反卷积技术BOLD-fMRI信号。对于第二个限制，具有短且有噪声的数据的完全多变量调节由于过拟合而导致计算问题。此外，在存在冗余的情况下会产生概念问题。因此，我们应用部分条件的信息理论的框架中的变量的一个有限的子集，最近提出的。结合这两种改进，我们比较了BOLD和去卷积BOLD水平有效网络之间的差异，并得出一些结论。
2012-08-18 q-bio.NC q-bio.QM
Extraction of hierarchical functional connectivity components in human brain using resting-state fMRI
University of Pennsylvania（宾夕法尼亚大学）
人类大脑网络中的层次结构的研究已经引起了研究人员的极大兴趣，因为许多研究已经指出了人类大脑的功能层次组织。本文提出了一种利用静息态fMRI提取人脑层次连接成分的新方法。该方法建立在稀疏连接模式（SCP）之前的工作，通过引入稀疏重叠模式的层次结构。通过fMRI生成的相关矩阵的深度因式分解来估计分量。本文的目标是使用相关矩阵提取可解释的层次模式，其中低秩分解由高秩分解的线性组合形成。我们制定的分解作为一个非凸优化问题，并解决它使用梯度下降算法与自适应步长。我们还提供了一种方法，使用奇异值分解的梯度下降的热启动。我们证明了所开发的方法在两个不同的现实世界的数据集上的有效性，通过显示多尺度分层SCP子样本之间是可重复的，并且与单尺度模式相比更具可重复性。我们还比较了我们的方法与现有的分层社区检测方法。我们的方法还提供了新的洞察人类大脑的功能组织。
2020-12-07 cs.LG eess.IV q-bio.NC
Cost efficiency of fMRI studies using resting-state vs task-based functional connectivity
本研究采用网络科学驱动的贝叶斯连接组预测方法，对比静息态与任务态fMRI的成本效率，发现任务条件与神经心理学结果存在最优配对，为神经影像研究设计提供参考。
2024-11-02 q-bio.NC stat.AP
Selective activation of resting state networks following focal stimulation in a connectome- based network model of the human brain
影像学研究表明，静息态网络（RS-网络）的功能连接模式反映了潜在的结构连接（SC）。如果连接体限制了大脑区域在功能上的连接，那么对特定大脑区域的刺激应该会产生一种特征性的活动波，最终分解为RS网络。为了系统地验证这一假设，我们使用了一个基于连接组的网络模型的人脑与详细的现实的SC。我们系统地激活所有可能的丘脑和皮质区的局灶性刺激模式，并确认特定区域的刺激唤起网络模式，非常类似RS网络。对于一些站点，一个或没有RS网络被占用，而对于其他站点，多于一个RS网络可以演进。我们的研究结果证实，大脑是在临界的边缘操作，其中刺激产生级联的功能网络招聘，崩溃到一个较小的子空间，这是由解剖局部和远程SC的部分限制。我们认为，信息流，以及随后的认知处理，遵循特定的路线所施加的连接体功能，这些路线解释了RS网络的出现。由于脑刺激可用于诊断/治疗神经系统疾病，我们提供了一个查找表，显示哪些区域需要刺激以激活特定的RS网络。
2016-02-23 q-bio.NC
Learning differentially reorganizes brain activity and connectivity
人类学习是一个复杂的过程，在这个过程中，未来的行为通过大脑活动和连接的重组而改变。目前尚不清楚在学习过程中活动和连接是否会发生差异性重组，如果是的话，这种差异性重组如何跟踪不同大脑区域的学习阶段。在这里，我们通过在纵向fMRI实验中测量大脑活动和功能连接来解决这一知识差距，在这个实验中，健康的成年人参与者在四天的时间里学习新物体的价值。在学习过程中，受试者之间的活动或功能连接的相似性增加，反映了朝着共同功能架构的重组。我们评估了在价值学习和休息状态期间活动和连接的重组的存在，使我们能够区分常见的诱发过程与内在过程。我们发现大脑连接和活动的复杂和动态重组-作为时间，空间和性能的函数-在受试者学习时发生。在学习早期，空间定位的大脑活动在整个大脑中重组为共同的功能架构，这种重组跟踪早期学习表现。相比之下，随着训练的进行，空间分布的连接性在整个大脑中重组为一个共同的功能架构，这种重组会跟踪后来的学习表现。特别好的性能与粘性连接有关，这种连接一直持续到休眠状态。从广义上讲，我们的工作揭示了在价值学习的不同阶段，活动和连通性的重组的不同原则，这为正在进行的学习过程的研究提供了更广泛的信息。
2020-09-10 q-bio.NC
Statistical Model for Dynamically-Changing Correlation Matrices with Application to Brain Connectivity
背景：最近的研究表明，功能连接是动态的，即使在休息。在全脑静息态fMRI中建立动态功能连接模型的常用方法是通过滑动时间窗计算解剖区域之间的相关性。然而，在静息态fMRI中，由于图像采集和处理的噪声，直接使用样本相关矩阵是不可靠的。新方法：为了克服这些限制，我们提出了一个新的统计模型，利用相关矩阵的几何结构来平滑噪声。动态相关矩阵被建模为一个线性组合的对称正定矩阵结合余弦级数表示。使用k-means聚类算法将得到的平滑动态相关矩阵聚类成不相交的大脑连接状态。结果如下：该模型保留了生理动态相关的几何结构，消除了连接中不必要的噪声，获得了更准确的状态空间。男性和女性之间的估计动态连接状态的差异被确定。与现有方法的比较：我们证明了所提出的统计模型具有较少的快速状态变化所造成的噪声和提高识别和区分不同的状态的准确性。结论：我们提出了一个新的回归模型的动态变化的相关矩阵，提供了更好的性能比现有的窗口相关性，更可靠的动态连接的建模。
2019-11-03 q-bio.NC
Frequency-resolved dynamic functional connectivity and scale-invariant connectivity-state behavior
研究功能连接的时间变异性是连接组学的一个新兴领域。进入动态功能连接应用滑动窗口技术的静息态功能磁共振成像（rs-fMRI）的时间进程出现了这个话题。我们引入频率分辨的动态功能连接（frdFC）的多元经验模式分解（MEMD）的滤波器组的调查。我们开发我们的方法上最规范的形式，通过应用滑动窗口的方法的固有模式函数（IMF）从MEMD。我们探讨了两个修改：通过归一化的IMF的瞬时振幅和累积尺度的均匀振幅频率尺度。通过利用既定的概念，尺度不变的静止状态参数，我们比较我们的frdFC方法。在一般情况下，我们发现，MEMD是能够产生的时间过程中执行frdFC，我们发现，连接状态的结构是强大的频率范围内，甚至变得更加明显，随着频率的降低。当应用k均值时，这种尺度稳定性随着提取的聚类的数量而变化。我们发现从k = 4到k = 5提取的连通性状态的尺度稳定性下降，这是由零模型，模拟，理论考虑，滤波器组和尺度调整窗口所证实的。我们的滤波器组的研究表明，滤波器的设计是更微妙的rs-fMRI比在模拟的情况下。除了提供进一步frdFC研究的基线，我们建议和证明使用规模稳定性作为连接状态和模型选择的质量标准。我们提出的第一个证据表明，规模不变性起着重要的作用，在连接状态的考虑。我们的频率分辨的时间序列的数据存储库提供。
2015-11-03 q-bio.NC
Connectopic mapping with resting-state fMRI
大脑区域通常是拓扑连接的：一个大脑区域内的附近位置与另一个区域内的附近位置相连。绘制这些连接拓扑图，或者简称为“连接”，对于理解信息在大脑中是如何处理的至关重要。在这里，我们提出了原则性的，完全数据驱动的方法映射connectopies使用功能性磁共振成像（fMRI）的数据在休息时通过结合光谱嵌入的体素连接的“指纹”与一种新的方法来空间统计推断。我们将该方法应用于人类初级运动皮层和视觉皮层，并表明它可以跟踪生物学上合理的，重叠的连接在个体受试者遵循这些区域的躯体和视网膜的地图。作为一种通用的机制，以执行推理的connectopies，新的空间统计方法，使严格的统计测试的假设有关的细粒度的空间配置文件的功能连接和配置文件是否是不同的科目之间或实验条件。结合的框架提供了一个基本的替代现有的方法来调查功能连接在大脑中，从体素或种子对明智的功能协会的特征，对一个完整的，多变量的空间地形特征。
2017-07-17 q-bio.NC q-bio.QM
Hemispheric-Specific Coupling Improves Modeling of Functional Connectivity Using Wilson-Cowan Dynamics
本文提出半球特异性耦合方案扩展Wilson-Cowan模型，区分半球内与半球间结构交互，应用于对照组和精神分裂症组数据，证明纳入半球不对称性可提高模拟与经验功能连接的相关性，增强脑网络模型的生物学真实性。
2025-08-17 nlin.CD q-bio.NC
Prediction of Event Related Potential Speller Performance Using Resting-State EEG
事件相关电位（ERP）拼写器可用于闭锁或严重受伤患者的设备控制和通信。然而，诸如学科间绩效不稳定和ERP文盲等问题仍然没有得到解决。因此，有必要在执行ERP拼写器之前预测分类性能，以便有效地使用它。在这项研究中，我们调查了ERP拼写前的休息状态与ERP拼写成绩的相关性。具体而言，我们使用了四个大脑区域和五个频段的频谱功率和功能连接。因此，额叶的δ功率和δ、α、γ波段的功能连接与ERP拼写者的成绩显著相关。此外，我们预测ERP拼写性能使用EEG特征在休息状态。这些发现可能有助于调查ERP文盲，并考虑为每个用户的适当的替代品。
2020-05-07 cs.HC eess.SP q-bio.NC
Spatial-Temporal DAG Convolutional Networks for End-to-End Joint Effective Connectivity Learning and Resting-State fMRI Classification
Shanghai Jiao Tong University（上海交通大学）；City University of Hong Kong（香港城市大学）
针对现有静息态fMRI分类方法存在的脑连接拓扑约束缺失、未结合下游任务等问题，提出ST-DAGCN模型，以DAG建模脑网络，端到端联合学习有效连接与分类，在公开数据集上性能提升显著且具生物学可解释性。
2023-12-16 cs.AI cs.LG q-bio.NC
Cerebral functional connectivity periodically (de)synchronizes with anatomical constraints
本文研究了静息态功能连接（FC），测量的相关性的fMRI BOLD时间进程，和结构连接（SC），估计通过纤维追踪。而不是一个静态的分析的基础上SC和FC之间的相关性平均在整个fMRI时间序列，我们提出了一个动态的分析，基于SC和一个适当的窗口FC之间的相关性的时间演变。评估时间序列对随机相位排列的统计学显著性，我们的数据显示时间窗宽度在20-30 TR（40-60秒）左右的显著性峰值。使用适当的窗口宽度，我们表明，FC模式之间的高模块化阶段，主要由解剖形状，和低模块化阶段，主要由网络间的连接形状振荡。在动态FC的最新结果的基础上，这强调了SC作为不同高度连接的静息状态FC模式之间的过渡架构的潜在作用。最后，我们表明，网络隐含在意识相关的过程中，如默认模式网络（DMN），有助于这些大脑水平的波动相比，其他网络，如电机或体感网络。这表明，FC和SC之间的波动正在捕获走神效应。
2014-09-19 q-bio.NC
Graph-based vulnerability assessment of resting-state functional brain networks in full-term neonates
该研究通过多尺度连接和图脆弱性分析揭示足月新生儿静息态功能脑网络具有富人俱乐部与小世界特性，并发现感觉运动等关键RC节点损伤会显著削弱网络整合。
2024-01-17 q-bio.NC q-bio.QM
BOLDSimNet: Examining Brain Network Similarity between Task and Resting-State fMRI
Hanyang University（汉阳大学）；Luleå University of Technology（吕勒奥理工大学）；Hankuk University of Foreign Studies（韩国外国语大学）
本文提出BOLDSimNet框架，利用多变量传递熵测量不同认知状态下的因果连接与脑网络相似性，发现儿童与青少年在任务态和静息态网络重构上存在显著发育差异。
2025-04-02 cs.CV q-bio.NC
Temporary changes in large-scale memory neural networks after fear learning and extinction in healthy adults
对恐惧条件训练相关脑区功能连接的分析是记忆神经网络的研究方法之一。在此之前，大多数研究都集中在恐惧条件反射形成后的静息状态下，杏仁核和腹内侧前额叶皮层等已知的情绪处理脑区的功能连接。在本研究中，作者应用图论的方法来寻找在静息状态下的大脑水平上的功能连接的变化，在一个星期的动力学后，条件反射与部分强化灭绝。在左侧海马旁区的功能连接中观察到最显著的变化。特别是，左侧海马旁回的吻侧部分成为一个新的子网络的中心，该子网络与左侧海马的吻侧部分连接在所有的会话中，并在条件反射消失后，左侧杏仁核的外侧部分在条件反射消失后和消失后一天。条件反射消失一周后，左侧海马旁回的吻侧部分与额中回的区域也有更多的联系，与基线静息状态的参数相比。此外，这些变化保持在一个条件反射的时刻灭绝的一个星期内，这可以解释为选择的范例的条件反射与部分强化，导致更慢的灭绝比一个范例与完全加强。
2020-10-31 q-bio.NC
Detecting neural activity and connectivity by perfusion-based fMRI
本研究提出了一种方法来估计的CBF和BOLD信号同时测量ASL（动脉自旋标记）MRI的功能定位和连接，特别是使用探索性的结构方程模型分析。在视觉任务实验中，通过分析灌注数据定位初级视皮层。在静息状态实验中，针对感觉-运动网络和默认模式网络，在每个体素上估计两个结构方程模型。由此产生的连接图表明，辅助运动区有显着的连接到左/右的主要运动区，和下顶叶小叶显着连接到后扣带皮层和内侧前额叶皮层。模型拟合结果表明，BOLD信号比CBF信号更直接地与功能连接的潜在原因相关。
2017-04-10 q-bio.NC
Topological data analysis suggests human brain networks reconfiguration in the transition from a resting state to cognitive load
该研究利用拓扑数据分析比较静息与 SIRP 工作记忆任务下的脑功能网络，发现认知负荷引发更高整合，且同调群生成元更快出现、连接枢纽作用关键。
2023-09-18 q-bio.NC
Functional voxel hierarchy and afferent capacity revealed mental state transition on dynamic correlation resting-state fMRI
该研究结合k核渗流、体积熵与Markov有向图建模，分析静息态fMRI动态功能连接，揭示并量化心理状态转换及传入模块交换。
2024-06-12 q-bio.NC
A neural marker of obsessive-compulsive disorder from whole-brain functional connectivity
强迫症（OCD）是一种常见的精神疾病，终生患病率为2- 3%。最近，静息状态下的脑活动作为探索精神疾病中改变的功能连接的新手段而受到关注。虽然以前的静息态功能磁共振成像研究调查了强迫症患者的神经生物学异常，但仍有一些问题需要解决。一个问题是所采用的假设的有效性。大多数研究使用基于种子的分析额纹状体电路，尽管在其他地区的异常的可能性。在这种情况下，无假设研究是一种很有前途的方法，但它需要研究人员处理大维度的数据集。另一个问题是来自单一数据集的生物标志物的可靠性，这可能会受到群体特异性特征的影响。在这里，通过采用最近开发的机器学习算法来避免这些问题，我们确定了第一个被推广到外部数据集的OCD生物标志物。我们还证明，有助于分类的功能连接分布广泛，而不是局部限制。我们的概括分类不仅有可能加深我们对强迫症异常神经基质的理解，而且还可以在临床应用中找到用途。
2017-09-06 q-bio.NC
Behavior Score Prediction in Resting-State Functional MRI by Deep State Space Modeling
University of Michigan（密歇根大学）
本文提出深度状态空间模型，利用血氧水平依赖时间序列预测行为评分，通过实验发现特定脑区与认知损伤相关，为阿尔茨海默病早期病理研究提供新见解。
2026-04-10 eess.SP q-bio.NC
The Dynamics of Triple Interactions in Resting fMRI: Insights into Psychotic Disorders
本研究提出利用动态三重交互分析静息态fMRI数据，揭示了精神分裂症和情感分裂性障碍在多尺度脑网络交互中的特异性与共性状态，首次将动态高阶功能连接应用于精神病性障碍研究。
2024-11-05 q-bio.NC stat.CO
Reconfiguration of Brain Network between Resting-state and Oddball Paradigm
古怪范式被广泛应用于多种认知功能的研究。以往的研究已经探索了皮层振荡和功率谱与静息态传导到oddball范式的差异，但大脑网络是否存在显著差异仍不清楚。我们的研究解决了大脑如何从休息状态条件（即，在视觉oddball范式中，P300刺激任务的基线）。本研究收集了24名研究生的脑电数据，要求他们在脑内计算目标刺激的个数，然后在基线和古怪任务条件下比较不同频段构建的脑电功能网络，以评价脑功能网络的重构。结果显示，与基线相比，在脑重构过程中，脑电delta/theta连接显著增强（p < 0.05），alpha默认模式网络显著减少（p <0.05）。此外，重新配置的耦合强度被证明与P300振幅，然后被视为输入特征训练分类器区分高和低P300振幅组的准确率为77.78%。我们的研究结果有助于我们理解从静息状态到古怪刺激任务的脑功能连接的变化，重构的网络模式具有为基于P300的脑机接口选择良好被试的潜力。
2018-09-18 eess.SP q-bio.NC
