Functional Brain-to-Brain Transformation with No Shared Data
本文提出无需任何共享数据即可学习功能性脑到脑转换的方法,结合 image-to-fMRI 编码器跨刺激、跨场强迁移,并用于以 7T 数据增强旧 3T 数据集的编码。
2025-03-17 q-bio.NC
Functional Whole-Brain Models: A New Framework for Unifying Brain Structure and Cognitive Function
Maastricht University(马斯特里赫特大学);Institute of Biomedical Research August Pi i Sunyer (IDIBAPS)(奥古斯特·皮伊·苏内尔生物医学研究所);Masaryk University(马萨里克大学);University of Amsterdam(阿姆斯特丹大学);The Czech Academy of Sciences(捷克科学院)
本文提出功能全脑模型(fWBMs),旨在整合脑结构和动态真实性与任务执行能力,通过三个支柱路线图在短期、中期和长期目标上推进,为脑科学研究提供新的工具和跨尺度假设。
2026-05-18 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
Local inhibitory plasticity tunes global brain dynamics and allows the emergence of functional brain networks
丰富的,自发的大脑活动已经在不同的时间和空间尺度上被观察到。这些动力学被认为对有效的神经功能很重要。实验证据表明,这些神经动力学在各种不同的认知状态下保持不变,以响应环境的改变和大脑结构的变化(例如,在个体、发育和许多神经系统疾病中)。这表明大脑已经进化出了稳定动态并在一系列情况下保持动态的机制。在这里,我们采用局部稳态抑制可塑性机制,平衡抑制和兴奋性活动的宏观大脑活动模型的基础上白质结构连接。我们证明,除了稳态可塑性调节网络活动,并允许出现丰富的,自发的动态在一系列的大脑配置。此外,稳态可塑性的存在最大化了功能连接的经验和模拟模式之间的重叠。因此,这项工作提出了一个简单的,本地的,生物学上合理的抑制机制,使稳定的动力学出现在大脑中,并促进功能连接网络的形成。
2015-01-20 q-bio.NC
Combined MEG and fMRI Exponential Random Graph Modeling for inferring functional Brain Connectivity
通过神经影像学技术估计的连接体丰富了我们对大脑组织特性的认识,从而发展了基于网络的临床诊断。不幸的是,迄今为止,许多基于网络的临床诊断工具,仅仅基于对所观察到的连接体的孤立实例的描述,是对真实连接网络的噪声估计。因此,对大脑连接网络进行建模对于更好地解释大脑的功能组织并允许推断特定的大脑特性非常重要。在这份报告中,我们提出了试点结果的建模组合MEG和功能磁共振成像神经成像数据期间获得的n-back记忆任务实验。我们采用混合指数随机图模型(Exponential Random Graph Model,ERGM)作为网络统计模型,对32名被试在0-back和2-back记忆任务实验中的9个脑磁图和功能磁共振成像数据进行了脑功能网络的底层处理。我们的研究结果表明,所有的功能连接体的9个主题具有强有力的证据,小世界的属性。通过成对比较条件进行的组水平比较显示,受试者之间的功能连接体没有显着差异。我们的混合ERGM成功地再现了重要的大脑特性,如功能分离和功能整合。然而,再现脑网络功能分离的ERGM区分了0-back和2-back条件,而再现这两种属性的模型未能成功区分这两种条件。我们的结果是有希望的,并将提高鲁棒性与更大的样本量。尽管如此,我们的初步结果倾向于支持以前的发现,功能分离和整合足以在统计上重现大脑网络的主要属性。
2018-05-23 q-bio.NC
The Dynamics of Functional Brain Networks: Integrated Network States during Cognitive Function
更高的大脑功能依赖于在大脑区域的专门社区中灵活整合信息的能力,但目前还不清楚这种机制如何随着时间的推移而表现出来。在这项研究中,我们使用功能磁共振成像数据的时间分辨网络分析来证明人类大脑在两种功能状态之间穿梭,这两种状态最大限度地分离成紧密联系的社区或整合其他不同的神经区域。整合状态使认知任务的表现更快,更准确,并与瞳孔直径的扩张有关,这表明上行神经调节系统可能会控制这些替代模式之间的过渡。我们的数据证实了认知能力和大脑网络结构的动态重组之间的直接联系。
2016-08-01 q-bio.NC
State-dependent changes of connectivity patterns and functional brain network topology in Autism Spectrum Disorder
解剖学和功能性大脑研究已经汇聚到自闭症谱系障碍(ASD)与非典型连接相关的假设。使用修改后的静息状态范式来驱动受试者的注意力,我们提供了ASD大脑功能连接和认知状态之间非常显着的相互作用的证据。我们表明,随着注意力从外部世界转向身体产生的信息,自闭症谱系障碍和典型患者的功能连接以相反的方式变化。此外,ASD受试者的跨认知状态连接性的改变比典型受试者更显著。利用不同条件下大脑连接的差异,我们对ASD受试者进行了分类,其性能约为80%,而基于任何给定认知状态下的连接模式的分类接近于偶然。前岛和背前扣带皮层之间的连接显示出最高的分类准确性,其强度随ASD严重程度增加。这些结果为基于从精神状态库获得的功能性脑网络的精神病理诊断铺平了道路。
2012-11-20 q-bio.NC
Reduced integration and improved segregation of functional brain networks in Alzheimer's disease
新的证据表明,阿尔茨海默病(AD)的认知缺陷与大脑功能连接的中断有关。因此,识别AD功能网络中的改变已成为越来越感兴趣的话题。然而,AD在多大程度上引起人脑中局部和全局信息处理平衡的破坏仍然是难以捉摸的。本研究的主要目的是从脑网络分离和整合的角度探讨AD网络的动态拓扑变化。我们使用20名参与者(10名AD患者和10名健康对照者)在静息状态下记录的脑电图(EEG)数据。利用不同频段的脑电源连通性重建功能脑网络。进行图形理论分析,评估两组之间的差异。结果显示,AD网络,与年龄匹配的健康对照组的网络相比,其特征在于较低的全球信息处理(整合)和较高的本地信息处理(隔离)。结果还显示,AD患者功能性脑网络的改变与其认知评分之间存在显著相关性。这些发现可能有助于开发基于EEG网络的测试,可以加强从目前使用的神经退行性疾病的神经生理学测试中获得的结果。
2018-02-16 q-bio.NC
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
Sketching a Space of Brain States
ICAR, National Research Council (CNR), Palermo, Italy(国家研究委员会 ICAR 研究所);Institute of Physics and Astronomy, University of Potsdam, Germany(波茨坦大学物理与天文学研究所);DSMN, Ca’ Foscari University of Venice, Italy(威尼斯卡福斯卡里大学 DSMN);VSB Technical University of Ostrava, Czechia(俄斯特拉发 VSB 技术大学);Potsdam Institute for Climate Impact Research (PIK), Germany(波茨坦气候影响研究所);Institute of Geosciences, University of Potsdam, Germany(波茨坦大学地球科学研究所)
本文提出用脑状态空间表示脑功能网络的变化,通过Krankheit-Operator建模疾病进展,讨论了帕金森病、精神分裂症和阿尔茨海默病等患者的参考案例。
2026-03-15 q-bio.NC
Learning and comparing functional connectomes across subjects
功能性连接体通过功能性磁共振成像信号的同步波动来捕获大脑相互作用。如果在休息时测量,它们会映射大脑的内在功能结构。通过任务驱动的实验,它们代表了专门大脑区域之间的整合机制。分析它们在不同受试者和条件下的变异性可以揭示大脑病理和认知机制的标志。从成像信号中估计功能连接体的方法经历了快速的发展,文献中充满了不同的策略来比较它们。本文旨在阐明功能连接方法之间的联系,并揭示不同的步骤来进行功能连接组的研究。
2013-04-14 q-bio.NC
On inferring structural connectivity from brain functional-MRI data
脑的解剖结构可以通过非侵入性技术如扩散成像来观察。然而,这些都是不完美的,因为它们错过了实际上已知存在的连接,特别是长距离的半球间连接。在本文中,我们制定的逆问题推断的结构连接的大脑网络从实验观察到的功能连接通过功能磁共振成像(fMRI),通过制定它作为一个凸优化问题。我们表明,结构连接可以建模为一个最佳的稀疏表示来自更密集的功能连接在人脑中。仅使用功能连接数据作为输入,我们提出了(a)一个基于已知生理观察的约束模型优化问题,和(b)一个求解该问题的ADMM算法。该算法不仅恢复了已知的大脑结构连接,而且能够鲁棒地预测DSI或DTI遗漏的长距离半球间连接,包括与解剖学连接的重量/强度的实验观察的定量分布的非常好的匹配。我们展示了合成模型数据和精细尺度998节点皮层数据集的结果,并讨论了其他复杂的网络领域,从功能签名检索有效的结构是很重要的应用。
2015-02-24 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
Learning about Learning: Human Brain Sub-Network Biomarkers in fMRI Data
由于意识到功能不能完全由专门区域的独立激活来解释,因此将大脑作为一个网络来研究变得越来越流行。相反,在大量的行为中,功能是由于大脑区域之间的动态相互作用而产生的。关于功能性脑网络的现有文献主要集中在表征“静息状态”的网络特性的电池上,例如使用区域之间的模块化、聚类或路径长度。与此相反,我们试图揭示子图的功能连接,预测或驱动个体差异的感觉运动学习的科目。我们采用一个原则性的方法来发现显着的子图的功能连接,诱导大脑活动(通过功能磁共振成像测量),而受试者执行运动学习任务。我们的目标是揭示功能连接的模式,区分高和低利率的学习科目。这种显着的歧视性子图的发现,承诺更好的数据驱动的理解与大脑可塑性相关的动态大脑过程。
2014-07-21 q-bio.NC
Nonequilibrium Green's functions for functional connectivity in the brain
一个描述大脑中神经元之间相互作用的理论框架,或功能连接,应该包括代表信号从一个神经元传播到另一个神经元的动力学函数。格林函数和响应函数是这方面的自然候选者,但是,虽然它们在概念上非常有用,但它们通常仅定义为线性时不变系统。相反,大脑的行为是非线性的,并且是以一种依赖于时间的方式进行的。在这里,我们使用非平衡格林函数来描述一个连续变量的神经元网络的时间依赖的功能连接。我们展示了连通性如何与可测量的响应函数相关,并通过数值计算提供了两个说明性的例子,灵感来自$\textit{C. elegans}$。
2020-08-13 q-bio.NC
Brain volume is a better biomarker of outcomes in ischemic stroke compared to brain atrophy
本研究比较脑体积与脑实质分数作为缺血性卒中功能结局的生物标志物,发现损伤时脑体积模型(BIC=501)优于BPF模型(BIC=511),较大脑体积预示良好结局。
2024-03-19 q-bio.NC
Bursty and persistent properties of large-scale brain networks revealed with a point-based method for dynamic functional connectivity
在本文中,我们提出了一种新的和通用的方法来研究动态的静息态功能磁共振成像大脑连接与高时间敏感性。而大多数现有的方法往往依赖于划分的时间序列成更大的数据段(即所谓的滑动窗口技术),基于点的方法(PBM)在这里提出的提供了一个估计的大脑连接在个别采样的时间点的水平。时间敏感性的提高,以及时间图网络理论,使我们能够研究功能之间的整合,以及在休息状态网络。我们的研究结果表明,两个静息态网络之间的功能整合主要发生在突发的活动与间歇期的连接性较低,而静息态网络内的功能连接的特点是由紧张/周期性的连接模式。此外,基于点的方法使我们能够估计大脑连接的持久性,即休息状态连接模式的内在痕迹或记忆的持续时间。所描述的基于点的动态静息态功能连接的方法允许详细和扩展的视图上的静息态连接的时间动态,提供了新的见解神经元信息处理是如何在大规模网络的水平集成在人脑中。
2016-01-13 q-bio.NC
Relating cognition to both brain structure and function: A systematic review of methods
认知神经科学通过研究大脑结构和功能的相关性来探索认知的机制。在这里,我们报告了第一个系统的审查,评估如何从结构和功能神经影像学方法的信息可以整合到调查认知的大脑基板。在Web of Science和Scopus数据库中检索收集认知数据以及结构和功能神经影像学数据的健康年轻成人人群的研究。5%的筛选研究符合所有纳入标准。其次,54%的纳入研究将认知表现与大脑结构和功能联系起来,但没有定量分析这种关系。最后,32%的研究正式整合了大脑结构和功能数据。总的来说,许多研究考虑了认知的结构或功能神经相关性,而在那些同时考虑两者的研究中,它们很少被整合。我们确定了四种新兴的方法来表征大脑结构,功能和认知之间的关系:比较,预测,融合和互补。我们讨论了每种方法提供的见解,以及作者如何选择适合他们研究问题的方法。
2022-02-04 q-bio.NC
Disruption of transfer entropy and inter-hemispheric brain functional connectivity in patients with disorder of consciousness
严重创伤性脑损伤可导致意识障碍(DOC),其特征在于意识和认知障碍的缺陷,包括昏迷、植物人状态、最低意识和闭锁综合征。至关重要的是找到客观的标志物,可以解释大规模的脑功能障碍,以帮助诊断和预后的DOC患者,并最终预测昏迷的结果。最近的研究表明,昏迷患者的脑网络的功能组织可以改变,这项工作分析脑功能连接(FC)网络获得的静息态功能磁共振成像(rs-fMRI)。两种方法被用来估计FC:偏相关(PC)和转移熵(TE)。PC和TE在患者组和对照组之间显示出显著的统计学差异;简而言之,半球间PC和半球内TE解释了这种差异。总的来说,这些结果表明,两个可能的rs-功能磁共振成像标记有用的设计新的战略,DOC患者的管理和神经心理康复。
2013-10-11 q-bio.NC
Brain Network Adaptability Across Task States
人类大脑的活动在不同的功能状态之间移动,以满足我们动态环境的需求,但指导这些转变的基本原则仍然知之甚少。在这里,我们利用网络科学的最新进展来分析大脑区域之间的功能相互作用模式。我们使用动态网络表征来探测大脑重构的景观,这些重构伴随着四种认知状态内和之间的任务表现:无任务休息状态,注意力要求状态和两种记忆要求状态。使用超图的形式主义,我们确定了存在的功能性相互作用,随着时间的推移,在(特定任务)和跨(一般任务)的大脑状态的强度波动连贯的组。与先前强调的许多二元(区域到区域)关系的复杂性相反,这些结果表明,大脑的适应能力可以通过驱动认知系统动态整合的共同过程来描述。此外,我们的研究结果建立了超图作为理解功能性脑动力学的有效措施,这也可能被证明是有用的检查跨任务,跨年龄,跨队列的功能变化。
2014-07-30 q-bio.NC
Robust probabilistic measurement of structural-functional module consistency in infant brain development
ShanghaiTech University(上海科技大学);Shanghai Clinical Research and Trial Center(上海临床研究试验中心);Shanghai United Imaging Intelligence Co., Ltd.(上海联影智能有限公司)
提出基于随机模块的概率方法,鲁棒测量婴儿大脑结构-功能模块一致性,发现0-5岁间一致性下降,初级脑区一致性更高。
2026-06-19 q-bio.NC
Introducing the modularity graph: an application to brain functional networks
本文提出模块度图这一新的图特征,用于刻画图社区间关系,并将其应用于运动想象脑电图估计的脑功能连接网络,通过多尺度统计分析揭示不同运动想象任务对应脑连接状态的差异,为理解运动想象机制和进一步图上信号分析奠定基础。
2024-06-21 q-bio.NC
Functional brain modules reconfigure at multiple scales across the human lifespan
人类大脑是一个复杂的网络,由相互连接的大脑区域组成,这些区域被组织成在认知和行为中具有不同作用的功能模块。一个重要的问题是这些模块在人类生命周期中的持久性和稳定性。在这里,我们使用图论分析来算法揭示大脑在多个空间尺度上的内在模块化组织,从仅由几个大脑区域组成的小社区到由许多区域组成的大社区。我们发现,在粗尺度模块变得越来越隔离,而在更细的尺度隔离减少。模块组成也表现出规模特异性和年龄依赖性的变化。在粗略的尺度上,通常与控制、默认模式、注意力和视觉网络相关的区域的模块分配是高度灵活的。在精细尺度下,最灵活的区域与默认模式网络相关联。最后,我们发现,随着年龄的增长,在默认模式网络的一些区域,特别是压后皮质,保持更大比例的功能连接到自己的模块,而与躯体运动和显着性/腹侧注意网络相关的区域分布更均匀地跨模块的链接。
2015-10-27 q-bio.NC
Shannon entropy of brain functional complex networks under the influence of the psychedelic Ayahuasca
大脑熵假说认为,迷幻药的关键事实部分可以用大脑功能连接的熵增加来解释。Ayahuasca是一种原产于亚马逊土著的迷幻饮料,在巴西的宗教和科学环境中具有合法地位。在这种情况下,我们使用复杂网络理论中的工具和概念来分析两种不同条件下人类受试者大脑的静息状态fMRI数据:(i)在普通清醒状态下和(ii)在摄入死藤水引起的意识改变状态下。我们报告增加的香农熵的度分布的网络后死藤水摄入。我们还发现,本地网络整合增加,全球网络整合减少。我们的研究结果与熵脑假说基本一致。最后,我们讨论了我们的研究结果的背景下,经常看到的自我报告中的迷幻药的用户的描述“心灵扩张”。
2016-11-01 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
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
Generative Modeling of Hidden Functional Brain Networks
功能连接性是指空间上不同的脑区域之间的时间统计关系,并且通常从感兴趣区域之间的脑活动的时间序列相干性/相关性推断。在人类脑功能网络中,网络结构通常由功能磁共振成像(fMRI)的血氧水平依赖(BOLD)信号推断。由于BOLD信号是神经元活动的代理,因此学习潜在的功能网络结构是有意义的。此外,尽管有一组关于函数网络的核心观察,如小世界性,模块性,指数截断度分布,以及各种类型的枢纽的存在,但对引起这些观察的计算原理知之甚少。本文介绍了一个隐马尔可夫随机场框架的目的表示,估计和评估潜在的神经元功能之间的关系,不同的大脑区域使用功能磁共振成像数据。
2015-02-27 q-bio.NC stat.ML
Uncertainty in fMRI Functional Networks of Autism Brain Imaging Data
在本文中,我们回顾了预处理管道,通过它的功能磁共振成像数据转化为一个网络。我们讨论了三个参数,主要影响我们的理解存在的功能之间的相关性的大脑区域。最后,我们得出结论,大脑区域对之间的功能相关性的存在可以用概率边缘来建模,而不是失去网络生成过程中固有的不确定性。
2022-02-04 cs.OH q-bio.NC
Tensor-based Brain Surface Modeling and Analysis
University of Wisconsin-Madison(威斯康星大学麦迪逊分校);Montreal Neurological Institute, McGill University(麦吉尔大学蒙特利尔神经学研究所)
该研究提出统一计算框架,结合表面建模、平滑与统计分析,通过张量形态测量学定位儿童脑皮层灰质变化区域,实现脑表面形状差异检测。
2026-09-04 cs.CV q-bio.NC
Scale-free brain functional networks
功能磁共振成像(fMRI)用于提取连接相关人脑部位的{ \em功能网络}。对不同任务下的网络分析表明:(a)功能连接的分布和找到链接的概率与距离都是无标度的;(b)特征路径长度很小,与等效随机网络相当;(c)聚类系数比等效随机网络大几个数量级。所有这些特性都是无标度小世界网络的典型特征,反映了关于大脑状态的重要功能信息。
2005-01-13 cond-mat.dis-nn q-bio.NC
Extraction of Hierarchical Functional Connectivity Components in human brain using Adversarial Learning
University of Pennsylvania(宾夕法尼亚大学)
从rsfMRI数据中估计反映大脑功能连接模式的稀疏层次成分可以有助于我们理解大脑的功能组织,并可以导致疾病的生物标志物。然而,扫描仪间的变化和其他混杂因素对功能可解释的脑网络的鲁棒和可再现的估计提出了挑战,特别是对可再现的生物标志物。此外,大脑被认为是分层组织的,因此单尺度分解错过了这个层次。该论文旨在利用对抗性学习的当前进展,使用rsfMRI数据来估计人类大脑中可解释的分层模式,这些数据对“对抗性效应”(如扫描仪间变化)具有鲁棒性。我们将估计问题写成最小化问题,并使用交替更新来解决它。模拟和真实世界的数据集上的广泛实验表明,与其他众所周知的方法相比,组件的可重复性很高。
2021-04-20 cs.LG q-bio.NC
Towards Understanding Human Functional Brain Development with Explainable Artificial Intelligence: Challenges and Perspectives
Centre for Computational Intelligence, University of Essex(埃塞克斯大学计算智能中心)
在过去的几十年里,非侵入性神经成像技术取得了重大进展,越来越多地被用于检查人类大脑发育。然而,这些改进并不一定伴随着更复杂的数据分析措施,这些措施能够解释功能性大脑发育的机制。例如,从单变量(大脑中的单个区域)到多变量(大脑中的多个区域)分析范式的转变具有重要意义,因为它允许研究不同大脑区域之间的相互作用。然而,尽管多变量分析有可能揭示发育中的大脑区域之间的相互作用,但应用的人工智能(AI)技术使分析无法解释。本文的目的是了解当前最先进的人工智能技术在多大程度上可以为功能性大脑发育提供信息。此外,还审查了哪些人工智能技术更有可能根据发展认知神经科学(DCN)框架定义的大脑发育过程来解释其学习。这项工作还提出,可解释AI(XAI)可以提供可行的方法来研究DCN框架所假设的功能性大脑发育。
2021-12-24 cs.AI q-bio.NC
Untangling the brain web: from the early days of complex functional networks to the non-linear dynamical directed functional connectivity measures
自从图论首次应用于脑神经成像以来,已经过去了20年。自那次早期描述以来,大脑作为一个非常大的相互作用的复杂网络的特征已经朝着几个方向发展。在这篇简短的评论中,我们讨论了我们对这一主题的贡献,并讨论了未来工作的一些观点。
2021-12-17 nlin.AO q-bio.NC q-bio.QM
BrainNetMLP: An Efficient and Effective Baseline for Functional Brain Network Classification
Tsinghua Shenzhen International Graduate School, Tsinghua University, China(清华大学深圳国际研究生院,清华大学,中国)
本文提出纯MLP方法BrainNetMLP,通过双分支结构融合空间连接与频谱信息,在HCP和ABIDE数据集上以更少参数实现功能性脑网络分类的最先进性能。
2025-07-21 cs.CV q-bio.NC
Altered Topological Properties of Functional Brain Network Associated with Alzheimer's Disease
The Chinese University of Hong Kong(香港中文大学)
本研究利用图论分析对比了175名AD患者与415名对照的脑网络拓扑性质,发现AD组存在异常的网络整合与分离,有助于理解AD病理生理学并识别生物标志物。
2023-05-16 cs.CV 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
Brain covariance selection: better individual functional connectivity models using population prior
在功能性神经成像中观察到的自发脑活动已显示出可再现的结构,其表达脑结构并携带脑病理学的标志物。现代神经科学的一个重要观点是,这种大规模的连贯活动结构反映了大脑连接图的模块化特性。然而,到目前为止,还没有证据表明自发活动观察中可用的有限和嘈杂的数据可以用于学习推广到新数据的全脑概率模型。学习这样的模型需要两个主要挑战:i)对全脑连接进行建模是一个困难的估计问题,面临维度灾难; ii)受试者之间的变异性,加上实验运行之间功能信号的变异性,使得使用多个数据集具有挑战性。我们将受试者级别的脑功能连接结构描述为多变量高斯过程,并引入一种新的策略来从组数据中估计它,通过在人口中的图形模型上施加一个共同的结构。我们发现,使用这个人口先验从功能性磁共振成像(fMRI)数据中学习的个体模型比基于替代正则化方案的模型更好地推广到看不见的数据。据我们所知,这是第一个交叉验证的自发性大脑活动模型的报告。最后,我们使用估计的图形模型来探索功能架构的大规模特征,并首次显示已知的认知网络作为功能连接图的集成社区出现。
2010-11-12 q-bio.NC stat.ML
Brain-like Functional Organization within Large Language Models
School of Automation, Northwestern Polytechnical University(西北工业大学自动化学院);School of Computing, University of Georgia(佐治亚大学计算学院);School of Computer and Cyber Sciences, Augusta University(奥古斯塔大学计算机与网络科学学院)
本研究首次将大语言模型的人工神经元亚群与人脑功能脑网络关联,发现BERT、Llama 1-3等模型存在类脑功能组织,且随模型能力提升该组织会优化计算多样性与功能特化的平衡,为类脑AGI开发提供新视角。
2024-10-31 cs.AI q-bio.NC
Ising-like dynamics in large-scale functional brain networks
大脑的“休息”被定义为没有明确的大脑输入或输出的状态--或多或少是不成功的。这项工作集中在这样的状态是否可以与任何已知的\emph{dynamical}状态的问题。为此目的,从人脑功能性磁共振成像(fMRI)的相关网络与相关网络提取的数值模拟的伊辛模型在2D中,在不同的温度。对于临界温度$T_c$,惊人的相似性出现在最相关的统计特性,使两个网络彼此无法区分。这些结果在这里被解释为借贷支持的猜想,功能的大脑的动力学是接近临界点。
2008-11-23 cond-mat.dis-nn q-bio.NC
The conundrum of functional brain networks: small-world efficiency or fractal modularity
人类大脑已经在多个尺度上进行了研究,从神经元,电路,具有明确的解剖和功能边界的区域,到介导连贯认知的大规模功能网络。在最近的一项工作中,我们通过网络分析解决了大脑分层组织的问题。我们的分析确定了分形结构的功能性大脑模块,这些模块在小世界拓扑结构中相互连接。在这里,我们提供了更多关于使用网络科学工具来详细说明这种行为的细节。我们指出的重要性,使用渗流理论,突出功能的大脑网络的模块化特征。这些模块提出了一个分形,自相似的拓扑结构,通过分形网络方法确定。当我们降低相关性的阈值以包含较弱的联系时,网络作为一个整体呈现出小世界的特征。这些弱关系的组织正是根据理论预测,以最小的布线成本最大化信息传输。
2012-05-16 physics.bio-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
Complex network analysis of brain functional connectivity under a multi-step cognitive task
功能性脑网络已被广泛研究,以了解大脑组织和行为之间的关系。本研究旨在探讨在包含连续行为的\emph{multi-step}认知任务下脑网络的功能连接,进一步了解行为对脑组织的影响。基于高空间和时间分辨率的fMRI数据集构建功能脑网络,并通过基于复杂网络的方法进行分析。我们发现,在体素水平上的功能性脑网络显示出强大的小世界性和无标度特性,而它的可扩展性和丰富的俱乐部组织略有限制的行为执行的顺序。更有趣的是,脑网络的功能连接在激活的ROI与行为密切相关,并表现出明显的差异,限于行为执行的顺序。这些实验结果表明,大脑组织具有小世界性和无标度性的共性特征,其由激活的感兴趣区产生的多样性功能连接是由这些行为活动通过大脑的可塑性强烈驱动的。
2017-11-28 physics.bio-ph physics.data-an q-bio.NC
Interpretable brain age prediction using linear latent variable models of functional connectivity
神经成像驱动的脑年龄预测,定义为仅使用脑成像数据预测受试者的生物学年龄,是一个令人兴奋的研究方向。在这项工作中,我们试图建立基于功能连接的大脑年龄模型,同时优先考虑模型的可解释性和理解性。通过这种方式,这些模型既可以提供对大脑年龄的准确估计,也可以让我们研究衰老过程中发生的功能连接的变化。在这项工作中提出的方法包括一个两步的过程:首先,线性潜变量模型,如PCA及其扩展,被用来学习可重复的功能连接网络存在于一个队列的主题。每个网络内的活动随后被用作线性回归模型中的特征以预测脑年龄。所提出的框架是采用从CamCAN存储库的数据和推断的大脑年龄模型进一步证明推广使用两个开放访问存储库的数据:人类连接组项目和ATR宽年龄范围。
2019-08-05 q-bio.NC stat.AP
Abnormal Functional Brain Network Connectivity Associated with Alzheimer's Disease
The Chinese University of Hong Kong(香港中文大学)
本研究利用fMRI分析590名个体,发现AD患者脑网络功能连接普遍下降,有助于理解AD病理生理学并识别生物标志物。
2023-05-16 cs.CV q-bio.NC
Dynamic Functional Connectivity Features for Brain State Classification: Insights from the Human Connectome Project
AI and Digital Science Institute(人工智能与数字科学研究所);Institute for Cognitive Neuroscience(认知神经科学研究所);HSE University(俄罗斯高等经济大学)
本研究利用HCP的fMRI数据,通过线性机器学习模型实现脑状态的高精度分类,并揭示功能特化及时间动态在功能连接中的关键作用。
2025-10-06 cs.AI q-bio.NC
Topological Time Frequency Analysis of Functional Brain Signals
提出一种结合持久同调与时频表示的拓扑框架,用于分析功能性脑信号,可提取多尺度拓扑特征并识别0维与1维结构,在静息态fMRI数据上验证了其有效性与应用潜力。
2025-04-21 physics.data-an q-bio.NC
Exploring Heritability of Functional Brain Networks with Inexact Graph Matching
数据驱动的大脑包裹旨在提供对个体功能连接的更准确的表示,因为它们能够捕获由于发育或疾病而产生的个体变异性。这使得新兴的大脑连接网络之间的比较更具挑战性,因为它们的元素之间的对应关系没有被保留。揭示这些对应关系对于跟踪局部功能连接变化非常重要。我们提出了一种新的方法,基于图编辑距离的比较脑图直接在其域中,可以准确地反映单个网络之间的相似性,同时提供网络元素的对应关系。该方法在人类连接组项目提供的116名双胞胎受试者的数据集上得到了验证。
2017-03-29 cs.NE q-bio.NC
Controllability Analysis of Functional Brain Networks
网络控制理论最近成为了解大脑功能和动力学的一种有前途的方法。通过将大脑网络控制理论的概念操作化,它为大脑动力学如何通过结构连接进行调节提供了基本解释。虽然强大,但该方法目前没有考虑大脑动力学的其他非结构性解释。在这里,我们通过将神经信号的演化形式化为有效区域间耦合和成对信号协方差的函数来扩展网络可控性的分析。我们发现,功能可控性的特点是一个区域的影响的能力,整个系统之间的状态转换,并显着预测的认知要求的任务,包括那些任务工作记忆,语言和情绪智力的表现的个体差异。当比较功能和结构可控性的测量,我们观察到一致的平均和模态可控性之间的关系,支持以前的工作。在相同的比较中,我们还观察到可控性和同步性之间的明显关系,反映了从功能信号中获得的额外信息。我们的工作表明,网络控制理论可以作为一个系统的分析工具,以了解大脑状态转换,相关的认知过程,以及随后的行为的能量。
2020-03-18 q-bio.NC q-bio.QM
Hodge-Decomposition of Brain Networks
University College London(伦敦大学学院);University of Wisconsin, Madison(威斯康星大学麦迪逊分校)
本文提出用霍奇分解将动态脑网络分解为三个正交分量并量化其强度,通过模拟和静息态fMRI数据验证了该方法能揭示传统方法难以捕捉的具有生物学意义的拓扑特征。
2026-10-26 q-bio.NC q-bio.QM
Lifespan associations of resting-state brain functional networks with ADHD symptoms
注意力缺陷多动障碍(ADHD)越来越多地被诊断为儿童和成人,但其独特症状的神经机制以及儿童和成人是否具有相同的机制仍然知之甚少。在这里,我们使用嵌套谱分区(NSP)方法来研究ADHD患者(n=97)和健康对照(HC,n=97)在整个生命周期(7-50岁)的静息态脑功能网络。与HC中脑功能分离和整合与年龄的线性寿命关联相比,ADHD患者在整个大脑和大多数功能系统中具有二次关联,而受ADHD影响的边缘系统具有线性关联。此外,边缘系统能更好地预测多动症,而突出注意系统能更好地预测注意力不集中。这些预测在患有ADHD的儿童和成人中共享。我们的研究结果揭示了大脑网络与ADHD症状的寿命相关性,并为儿童和成人不同的ADHD症状提供了潜在的共享神经基础。
2022-04-22 physics.bio-ph q-bio.NC
Brain-wide connectome inferences using functional connectivity MultiVariate Pattern Analyses (fc-MVPA)
目前的功能性磁共振成像技术能够解析表征人类连接体的数十亿个个体功能连接。经典的统计推断程序试图从一组减少的观察结果和有限数量的受试者中对如此多的测量结果进行有效的推断,但对于最大效应量之外的任何测量结果都可能严重不足。本文讨论了fc-MVPA(功能连接多变量模式分析),一种新的应用程序的多变量模式分析技术的背景下,全脑连接体推断。FC-MVPA背后的理论,并通过公开的静息状态数据集的例子说明了它的几个关键概念,包括一个例子分析评估整个功能性连接体的性别差异。最后,通过蒙特卡罗仿真验证了该方法的有效性和灵敏度。除了提供强大的全脑推断外,fc-MVPA还提供了受试者之间功能连接异质性的有意义的表征。
2022-06-14 q-bio.NC q-bio.QM
Modular organization as a basis for the functional integration/segregation in large-scale brain networks
模块化结构在现实世界的网络中无处不在,从相关的蛋白质到社会群体。在这里,我们分析了模块化组织的大脑网络在大规模(体素水平)提取的功能性磁共振成像(fMRI)信号。通过使用基于随机行走的方法,我们揭示了脑网的模块化,并显示模块的空间分布与功能意义的解剖结构相匹配。网络中的每个节点的功能作用进行了研究,通过分析其模式间和模块内的连接。结果表明,模块化架构构成的结构基础上共存的功能整合的远程和专门的大脑区域在正常的大脑活动在休息。
2009-04-16 physics.bio-ph physics.data-an q-bio.NC
Hierarchical organization of brain functional network during visual task
本文从视觉作业过程中高分辨率同步脑电时间序列出发,通过计算时间序列之间的相位同步性来生成脑功能网络。用快速Girvan-Newman算法系统地研究了这些网络的层次模块组织。同时,空间上相邻的电极(对应于EEG通道)被聚类成功能组的基础上解剖的大脑皮层的包裹,并将此聚类信息与功能网络的信息进行比较。结果表明,脑功能网络的模块结构与解剖结构在不同层次上的模块结构一致,表明执行相同功能的神经元群体以相同的节律进行兴奋和抑制。结构-功能关系进一步揭示了同一功能组的脑电时间序列之间的相关性远强于不同功能组的脑电时间序列之间的相关性,脑功能网络的分层组织可能是大脑皮层功能分割的结果。
2011-01-25 physics.bio-ph physics.data-an q-bio.NC
Denoising and Frequency Analysis of Noninvasive Magnetoencephalography Sensor Signals for Functional Brain Mapping
脑磁图(Magnetoencephalography,MEG)是一种重要的无创、无危害的脑功能成像技术,可测量脑内神经元电流产生的磁场。然而,大多数情况下,MEG传感器数据收集过程中的固有噪声水平大到足以掩盖感兴趣的信号。本文提出了一种基于小波变换和多分辨率信号分解技术的阈值去噪技术,并通过应用结果进行了验证。此后,对去噪的MEG信号执行不同的频率分析,以识别去噪信号中存在的脑振荡的主要频率。还提供了去噪信号的时频图(频谱图)。
2015-03-19 physics.ins-det q-bio.NC