A new fMRI data analysis method using cross validation: Negative BOLD responses may be the deactivations of interneurons
虽然功能磁共振成像(fMRI)被广泛用于脑功能的研究,但血氧水平依赖(BOLD)效应尚未完全了解。特别是,负BOLD响应(NBR)是有争议的。本文提出了一种新的功能磁共振成像数据分析方法,它比典型的传统方法更准确。作者进行了简单重复实验,并用新方法对实验数据进行了分析。结果表明,新方法检测到的失活(NBR)是中间神经元的失活,因为新方法得到的失活率近似等于中间神经元的失活率。新方法检测到的(去)活化与传统方法检测到的有很大不同。新方法比常规方法更准确,因此通过新方法检测到的(去)激活可能是正确的,而通过常规方法检测到的(去)激活可能是不正确的。抑制性中间神经元的大部分失活也被认为是激活。因此,通常在常规方法中执行的右尾t检验不能检测全部激活,因为右尾t检验仅检测兴奋性神经元的激活,而忽略抑制性中间神经元的失活。许多迄今为止采用传统方法进行的功能磁共振成像研究都需要用新的方法重新检验,许多结果都将得到修正。
2017-12-10 q-bio.NC stat.AP
Real-time fMRI neurofeedback of the mediodorsal and anterior thalamus enhances correlation between thalamic BOLD activity and alpha EEG rhythm
实时功能磁共振神经反馈(rtfMRI-nf)与同步脑电图允许意志调制的BOLD活动的目标大脑区域和相关的电生理活动的调查。我们应用这种方法来研究丘脑BOLD活动和α脑电节律之间的相关性。实验组中的健康志愿者(EG,n=15)学会了在检索快乐自传体记忆期间使用rtfMRI-nf上调由丘脑背内侧核(MD)和丘脑前核(AN)组成的目标区域的BOLD活性。对照组(CG,n=14)中的健康受试者被提供假反馈。EG参与者能够显著增加MD和AN的BOLD活动。在rtfMRI-nf任务期间,MD和下楔前叶之间的功能连接显著增强。平均个体变化枕部α EEG功率显着相关的平均MD BOLD活动水平的EG。在rtfMRI-NF任务期间,与CG相比,EG的枕叶α EEG功率和MD和AN的BOLD活动之间的时间相关性显著增强。默认模式网络的后节点(包括楔前叶/后扣带回)和背侧纹状体的时间相关性与α功率也显著增强。我们的研究结果表明,MD BOLD活动和后部α EEG功率之间的时间相关性调制的MD和下楔前叶之间的相互作用,反映在他们的功能连接。我们的研究结果表明,rtfMRI-NF与同步EEG的潜力,人类大脑功能的非侵入性神经调节研究。
2017-11-19 physics.med-ph q-bio.NC
Experimental Design Modulates Variance in BOLD Activation: The Variance Design General Linear Model
典型的fMRI研究集中在血氧水平依赖性(BOLD)时间过程的平均趋势或功能连接(FC)。然而,神经成像数据的其他统计数据可能包含重要信息。尽管研究显示BOLD时间序列(BV)的方差与年龄和认知表现之间存在联系,但尚未开发出用于测试这些影响的正式框架。我们介绍了方差设计一般线性模型(VDGLM),一种新的框架,便于检测方差效应。我们设计的框架一般用于任何功能磁共振成像研究建模的平均值和方差在BOLD激活作为一个功能的实验设计。这种方法的灵活性允许VDGLM i)同时对均值或方差效应进行推断,同时控制另一个,以及ii)测试可能与多个条件和/或噪声回归变量相关的方差效应。我们展示了VDGLM在工作记忆应用中的使用,并表明参与工作记忆任务与全脑BOLD方差的降低相关。
2018-08-06 q-bio.NC
Functional Brain Network Identification in Opioid Use Disorder Using Machine Learning Analysis of Resting-State fMRI BOLD Signals
Old Dominion University(奥多明尼昂大学);Institute of Drug and Alcohol Studies(药物与酒精研究所);Virginia Commonwealth University(弗吉尼亚联邦大学);C. Kenneth and Dianne Wright Center for Clinical and Translational Research(C.肯尼斯和黛安·赖特临床与转化研究中心);Data Science Institute(数据科学研究所)
本研究首次利用机器学习对静息态fMRI BOLD信号进行时频分析,发现默认模式网络和突显网络最能区分阿片类药物使用障碍患者与健康对照,为OUD神经机制研究提供了新方法。
2025-03-11 cs.LG q-bio.NC
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
Correlation between amygdala BOLD activity and frontal EEG asymmetry during real-time fMRI neurofeedback training in patients with depression
实时功能磁共振神经反馈(rtfMRI neurofeedback,rtfMRI-nf)是一种新兴的研究和治疗抑郁症(major depression disorder,MDD)的新方法。与rtfMRI-nf程序同时进行的EEG允许对rtfMRI-nf脑调制效应进行独立评价。额叶脑电α波段的不对称性是一种广泛使用的情绪和动机的测量方法,它显示了抑郁症的深刻变化。然而,它从来没有直接相关的同时获得的功能磁共振成像数据。我们报告的第一项研究调查的rtfMRI-NF程序的电生理相关性,通过结合rtfMRI-NF与同步和被动EEG记录。在这项初步研究中,实验组(n=13)的MDD患者学会了在快乐情绪诱导任务期间使用rtfMRI-nf上调左杏仁核的BOLD活动。对照组(n=11)中的MDD患者接受了假rtfMRI-nf。研究了上α波段额叶EEG不对称性与整个大脑BOLD活动之间的相关性。在实验组的rtfMRI-nf任务期间,额叶EEG不对称性的平均个体变化与MDD患者的抑郁严重程度评分呈显著正相关,与抑郁严重程度和静息时额叶EEG不对称性之间的负相关性一致。额叶脑电不对称性和BOLD活动之间的时间相关性显着增强,在rtfMRI-NF任务,杏仁核和许多地区与情绪调节。我们的研究结果表明,杏仁核BOLD活动和额叶脑电不对称性之间的重要联系。我们的EEG不对称结果表明,针对杏仁核的rtfMRI-nf…
2016-02-10 physics.med-ph q-bio.NC
Emotion self-regulation training in major depressive disorder using simultaneous real-time fMRI and EEG neurofeedback
同时实时fMRI和EEG神经反馈(rtfMRI-EEG-nf)是一种新兴的神经调节方法,能够同时对血流动力学(BOLD fMRI)和电生理(EEG)脑活动进行意志调节。本文首次应用rtfMRI-EEG-nf对抑郁症患者进行情绪自我调节训练。在这项概念验证研究中,实验组(n=16)中的MDD患者在快乐情绪诱导任务期间使用rtfMRI-EEG-nf同时上调与MDD相关的两个fMRI和两个EEG活动测量。目标测量包括左杏仁核(LA)和左喙前扣带皮层(rACC)的BOLD活动,以及α频段(FAA,[7.5-12.5] Hz)和高β频段(FBA,[21-30] Hz)的额叶EEG不对称性。对照组(n=8)MDD患者提供假反馈信号。一个先进的程序,改善实时EEG-fMRI伪影校正。实验组参与者在rtfMRI-EEG-nf任务期间表现出LA BOLD活动,FAA和FBA的显著上调,以及LA和左侧rACC之间的fMRI连接的显著增强。平均个人FAA的变化在rtfMRI-EEG-NF任务与抑郁症和快感缺乏的严重程度呈正相关,与抑郁情绪评分后与前的变化呈负相关。在rtfMRI-EEG-nf任务期间,FAA和FBA时间进程与LA BOLD活动之间的时间相关性显著增强。实验组的参与者在训练后报告了显着的情绪改善。我们的研究结果表明,rtfMRI-EEG-nf可能具有治疗MDD的潜力。
2020-06-29 physics.med-ph q-bio.NC
Consistency of Regions of Interest as nodes of functional brain networks measured by fMRI
功能网络的方法,其中功能磁共振成像粗体时间序列映射到网络描绘脑区之间的功能关系,开辟了新的见解,人类大脑的功能。在这种方法中,网络节点的选择至关重要。一种选择是将fMRI体素视为节点。这导致大量的节点,使网络分析和结果的解释具有挑战性。一种常见的替代方法是使用解剖学上接近的体素的预定义集群,感兴趣区域(ROI)。这种方法假设ROI内的体素在功能上是相似的。由于这两种方法会导致不同的网络结构,因此了解从体素级别移动到ROI级别时网络连接会发生什么是至关重要的。我们发现,ROI的一致性,定义为他们的体素的时间序列之间的平均皮尔逊相关系数,在休息状态的实验数据变化很大。因此,每个ROI内相似体素动态的假设通常不成立。此外,低一致性ROI的时间序列可能是高度相关的,从而导致ROI级网络中的虚假链路。基于这些结果,我们建议应仔细考虑在解剖学定义的ROI上平均BOLD信号。
2017-04-25 q-bio.NC
Image complexity based fMRI-BOLD visual network categorization across visual datasets using topological descriptors and deep-hybrid learning
International Institute of Information Technology (IIIT), Bangalore(班加罗尔国际信息技术学院)
本研究基于BOLD5000数据集,通过拓扑持续图特征与深度混合模型实现跨COCO、ImageNet、SUN的视觉网络分类,准确率达90%-95%,为视觉机制研究及视觉加工障碍的生物标志物开发提供支撑。
2023-11-03 cs.CV cs.LG eess.IV
Increasing robustness of pairwise methods for effective connectivity in Magnetic Resonance Imaging by using fractional moment series of BOLD signal distributions
从功能性磁共振成像(fMRI)数据中估计大脑中的因果相互作用仍然是一项具有挑战性的任务。多项研究表明,目前所有确定连接方向的方法即使应用于合成fMRI数据集也表现不佳。该领域的最新进展包括用于成对推断的方法,其涉及在第一步骤中创建稀疏连接体,然后在第二步骤中使用分类器以确定每对节点之间的连接的方向性。在这项工作中,我们引入了一个进步,这一过程的第二步,通过建立一个分类器的基础上的分数矩的BOLD分布组合成累积量。分类器在动态因果建模(DCM)生成模型下生成的数据集上进行训练。基于两个节点时间序列之间的统计依赖性来推断方向性,例如,将从低方差的时间序列到高方差的时间序列的因果关系分配。当应用于基准数据集时,我们的方法优于或表现得与其他方法一样有效。至关重要的是,它也更能适应混淆效应,例如连接体不同区域的差异噪音水平。
2019-05-30 q-bio.NC
Fractal-driven distortion of resting state functional networks in fMRI: a simulation study
分形是一种自相似且尺度不变的模式,在自然界中无处不在。在静息态fMRI时间序列中也观察到了大量的分形特征,如1/f功率谱。为了解释rs-fMRI中的分形行为,我们提出了基于分形的静息态血流动力学反应函数(rs-HRF)模型,其性质可以用分形指数来概括。在这里,我们表明,通过模拟研究,脑血流动力学的分形行为可能会导致显着的神经元活动和BOLD信号之间的网络属性的失真。基于猕猴脑网络的随机神经场模型模拟神经元群体活动,并将其与rs-HRF滤波器卷积得到相应的BOLD信号。基于传递熵、互信息和Pearson相关性的3种网络中,各节点中心性估计的精度整体变差,尤其是传递熵的失真对分形指数的标准差更为敏感.具有高中心性的节点在所有频率上都对非线性分形动力学具有弹性,而具有小中心性的节点在低频上表现出小波相关性和中心性的巨大失真。这一理论预期表明,不同脑区分形指数的差异导致了神经元活动与BOLD信号之间统计网络特性的差异,特别是在中心性较小的节点处,传统的静息态功能连接定义可能不能有效地反映神经元自发活动的动力学特性。
2012-08-04 q-bio.NC stat.AP
Point process analysis of large-scale brain fMRI dynamics
功能性磁共振成像(fMRI)技术为我们了解大脑功能做出了重大贡献。目前的方法是基于脑血氧水平依赖性(BOLD)信号中的\emph{gradual and continuous}变化的分析。与该方法不同,最近的工作表明,通过仅检查相对大幅度的BOLD信号峰值可以获得等效的结果,这表明相关信息可以浓缩在\emph{discrete}事件中。这里进一步探讨了这个想法,以证明如何通过这些事件的时间和位置来捕获静息状态下的大脑动力学,即,在时空点过程中。作为原理证明,我们表明可以从这样的点过程中提取静息状态网络(RSN)映射。此外,分析揭示了雪崩的活动,这是由相同的动力学和统计特性之前所描述的神经元事件在较小的尺度。鉴于静息状态脑动力学的功能相关性,其表示为离散过程可能有助于大规模分析健康和疾病中的脑功能。
2011-07-22 cond-mat.dis-nn q-bio.NC
Extracting Root-Causal Brain Activity Driving Psychopathology from Resting State fMRI
University of Pittsburgh(匹兹堡大学)
本文提出SOURCE方法,通过双层结构性因果模型从静息态fMRI中提取驱动心理障碍的根因性脑活动,提升症状维度的可解释性和解剖特异性。
2026-02-06 cs.CV cs.LG eess.IV
Functional Connectivity of the Brain Across Rodents and Humans
静息态功能磁共振成像(rs-fMRI),测量血氧水平依赖(BOLD)信号的自发波动,越来越多地用于研究大脑的生理和病理功能活动。啮齿类动物作为神经科学中的典型动物模型,在研究BOLD信号自发波动的神经过程以及由此产生的功能连接中发挥着重要作用。将这些知识从啮齿动物翻译到人类需要对物种之间在BOLD信号波动和由此产生的功能连接方面的相似性和差异性有基本的了解。本综述首先检查解剖特征、采集参数和预处理技术的相似性和差异,作为影响功能连接的因素。同源功能网络进行了比较,跨物种和方面的BOLD波动,如地形的全球信号和结构和功能连接之间的关系进行检查。时变特性的功能连接,通过滑动窗口的方法,准周期性的模式,和共激活模式,跨物种进行比较。应用程序演示使用rs-功能磁共振成像作为跨物种分析的翻译工具进行了讨论,重点是神经和精神疾病。最后,开放式的问题,以封装该领域的未来发展方向。
2022-02-08 q-bio.NC
The spatial scale dimension of speech processing in the human brain
在过去的三十年里,神经影像学为人类大脑的结构-功能关系提供了重要的见解。然而,最近,功能性磁共振成像(fMRI)数据的分析方法受到审查,研究质疑跨软件的可比性,统计推断和解释的有效性,以及空间滤波器大小对神经影像分析的影响。由于大多数fMRI研究仅使用单个滤波器进行分析,因此关于高斯尺度空间中BOLD信号的大小和形状的许多信息仍然隐藏,并限制了fMRI研究的解释。为了研究空间观察尺度对fMRI分析的影响,我们使用了一个空间多尺度分析与高斯滤波器的范围从1-20毫米(半高全宽),分析25名健康受试者的语音重复范式的fMRI数据。我们发现,分析功能磁共振成像数据的范围内的高斯滤波器内核揭示了大量的变化,在神经解剖定位和平均信号强度和大小的阈上集群取决于过滤器的大小。我们还演示了如何小的空间滤波器的结果偏向皮层下和小脑集群。此外,我们描述了皮质和小脑集群之间的规模依赖的集群大小动态有很大不同。我们将讨论如何空间多尺度分析可能会大大提高功能磁共振成像数据的解释。我们建议进一步发展空间多尺度分析,以充分探索BOLD信号在高斯尺度空间中的深层结构。
2022-01-19 q-bio.NC q-bio.QM
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
Estimating effective connectivity in linear brain network models
现代神经科学已经接受网络科学来研究人类大脑的复杂和自组织结构;主要突出的问题之一是从测量数据,主要是功能性磁共振成像(fMRI),即所谓的大脑网络中的有效连接,即神经元群体之间存在的相互作用。这个逆问题是复杂的,由fMRI测量的BOLD(血氧水平依赖)信号表示神经元活动的动态和非线性变换(血液动力学响应)的事实。本文以静息状态(rs)fMRI数据为研究对象,基于BOLD信号的线性群体模型和随机线性DCM模型,通过EM型迭代过程估计模型参数,该迭代过程利用Rauch-Tung-Striebel(RTS)平滑器交替估计神经元活动,更新神经元状态之间的联系,并细化血流动力学模型的参数;使用迭代重新加权方案来支持互连结构中的稀疏性。使用RS-fMRI数据的实验结果表明,我们的方法的有效性,并提供与最先进的例程(SPM 12工具箱)的比较。
2017-03-30 math.OC q-bio.NC
Effective Connectivity from Single Trial fMRI Data by Sampling Biologically Plausible Models
大脑中因果网络结构的估计是理解认知信息过程的基础。然而,对认知背后的动态过程的了解仅限于对隐藏的神经元活动的间接测量,例如通过功能磁共振成像数据。因此,估计底层过程的网络结构是具有挑战性的。在这篇文章中,我们嵌入一个自适应的重要性采样器称为自适应路径积分平滑(APIS)到期望最大化算法,以获得因果连接的点估计。我们证明了合成数据,这个过程中发现不仅正确的网络结构,但也从随机初始化的连接矩阵的有效连接的方向。此外-在文献中相互矛盾的索赔的动机-我们研究的影响,神经元的时间尺度上的BOLD信号的变化的灵敏度的连接和连接的最大似然解决方案。最后,我们提出两个警告:首先,如果数据是由快速神经元过程产生的,则在慢动力学假设下的连接估计可能会非常有偏差。其次,时间尺度越快,BOLD信号对节点的传入连接的变化就越不敏感。因此,使用现实的神经动力学时间尺度的连接估计需要极高质量的数据,在许多实际数据集似乎是不可行的。
2018-03-15 physics.data-an q-bio.NC
Jacobian-Based Interpretation of Nonlinear Neural Encoding Model
Northwestern Polytechnical University(西北工业大学);Beijing Jiaotong University(北京交通大学);Chongqing University of Posts and Telecommunications(重庆邮电大学)
本文提出JNE作为首个量化非线性响应的可解释性度量标准,通过雅可比矩阵分析揭示大脑非线性特性及视觉皮层层级递进。
2025-10-15 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
Minimum-phase property of the hemodynamic response function, and implications for Granger Causality in fMRI
本文通过多个生物物理模型证明血流动力学响应函数在生理合理参数范围内具有最小相位特性,从而支持fMRI中基于统计显著性的格兰杰因果网络推断,同时指出初始下降和BOLD慢采样可能引入虚假GC。
2023-12-04 q-bio.NC q-bio.QM
Voxel-Level Brain States Prediction Using Swin Transformer
University of Georgia(佐治亚大学);Harvard Medical School(哈佛医学院);University of Sydney(悉尼大学);University of Technology Sydney(悉尼科技大学)
针对fMRI脑状态预测任务,提出结合4D Swin Transformer编码器与卷积解码器的架构,在HCP数据集上实现高分辨率静息脑状态精准预测,为缩短fMRI扫描时长和脑机接口发展提供新思路。
2025-06-13 cs.AI cs.CV cs.LG
Zero Echo Time Functional MRI in Humans
University Medical Center Freiburg, Faculty of Medicine, University of Freiburg(弗赖堡大学医学院弗赖堡大学医学中心);University of North Carolina, Chapel Hill(北卡罗来纳大学教堂山分校)
本研究提出并优化了用于人脑功能磁共振成像的零回波时间(ZTE)序列,通过径向采样和T1对比,在3T下成功检测视觉激活和静息态网络,并验证其对磁化率伪影的鲁棒性和降噪优势。
2025-10-25 physics.med-ph q-bio.NC
Decoding the Encoding of Functional Brain Networks: an fMRI Classification Comparison of Non-negative Matrix Factorization (NMF), Independent Component Analysis (ICA), and Sparse Coding Algorithms
University of California, Los Angeles(加州大学洛杉矶分校)
功能磁共振成像中的大脑网络通常使用空间独立成分分析(ICA)来识别,但稀疏编码和阳性等数学约束都为生成大脑网络提供了替代的生物学合理框架。非负矩阵分解(NMF)通过增强正性来抑制负BOLD信号。空间稀疏编码算法($L1$正则化学习和K-SVD)将强加局部专业化和多任务的阻碍,其中单个体素中的总观察到的活动源自有限数量的可能的大脑网络。独立性,积极性和稀疏性的假设,以编码任务相关的大脑网络进行了比较,得到的大脑网络为不同的约束条件被用作基函数,在给定的时间点编码所观察到的功能活动。这些编码是使用机器学习解码的,以比较算法和它们的假设,使用时间序列权重来预测受试者是否正在观看视频,收听音频提示,或者在来自51名受试者的304次fMRI扫描中休息。对于认知活动分类,$L1$正则化学习的稀疏编码算法在不同数量的网络和噪声水平上始终优于ICA的4种变体(p $<$ 0.001)。抑制负BOLD信号的NMF算法精度最差。在每种算法中,使用稀疏空间网络(包含更多零值体素)的编码具有更高的分类准确度(p $<$ 0.001)。稀疏编码算法的成功可能表明,执行稀疏编码,不鼓励多任务处理,并促进本地专业化的算法可以更好地捕捉底层源过程比那些允许取之不尽的本地过程,如ICA。
2016-07-01 cs.LG q-bio.NC stat.ML
CATD: Unified Representation Learning for EEG-to-fMRI Cross-Modal Generation
Southern University of Science and Technology(南方科技大学);Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院);Uppsala University(乌普萨拉大学);King Fahd University of Petroleum and Minerals(法赫德国王石油与矿业大学);Maebashi Institute of Technology(前桥工业大学);Chongqing University of Posts and Telecommunications(重庆邮电大学);Shenzhen University(深圳大学)
提出CATD框架,通过条件对齐块和动态时频分割模块统一EEG与fMRI表示,实现跨模态生成,提升脑活动预测和疾病诊断精度。
2025-03-26 cs.CV eess.SP q-bio.NC
Probing fMRI brain connectivity and activity changes during emotion regulation by EEG neurofeedback
神经反馈是一种非侵入性的大脑训练,具有长期的医疗和非医疗应用。尽管存在一些使用神经反馈的情绪调节研究,但需要进一步研究以了解参与该过程的大脑区域的相互作用。我们实现了EEG神经反馈与同步功能磁共振成像使用修改后的幸福诱导任务,通过自传体记忆上调积极情绪。结果显示,实验组的前额叶、枕叶、顶叶和边缘系统的活动增加,前额叶、顶叶、边缘系统和边缘系统之间的功能连接增加。通过比较实验组内以及实验组与对照组之间不同实验条件下的功能连接,确定了新的连接链路。所提出的多模态方法量化的变化,在大脑活动(高达1.9%的增加)和连接(FDR校正的多重比较,q = 0.05)在情绪调节前额叶,顶叶,边缘,和大脑皮层区域之间。心理测量学评估证实了神经反馈的积极和消极情绪状态的显着变化,实验组的p值小于0.002。本研究量化了EEG神经反馈在改变参与情绪调节的所有脑区的功能连接中的作用。对于参与情绪调节的大脑区域,我们发现实验组中由于神经反馈而显著增加了BOLD和功能连接,但在控制组中没有观察到学习效果。结果揭示了脑电神经反馈调节情绪的神经生物学基础,并将神经反馈的作用与自传体记忆的回忆分离开来。
2020-06-11 q-bio.NC
Layer-specific connectivity revealed by diffusion-weighted functional MRI in the rat thalamocortical pathway
在过去的几十年里,从整体脑的角度研究活体神经活动一直是功能性磁共振成像(fMRI)的研究领域。控制fMRI血氧水平依赖性(BOLD)功能对比的复杂神经血管耦合在绘制活跃脑区方面是非常宝贵的,但它们也带来了显着的局限性,例如信号对活动病灶的非特异性。弥散加权功能磁共振成像(dfMRI)具有相对较高的弥散加权,努力改善这一缺点,因为它提供的功能对比与潜在的活动更密切相关。然而,除了较小的激活灶外,dfMRI的对比度并没有令人信服地显示出比BOLD具有显着的优势,并且其对比度依赖于显着的建模。在这里,我们研究dfMRI是否可以提供一个更好的代表性的丘脑皮质通路的神经活动相比,其(自旋回波(SE))BOLD对应。使用高端前爪刺激实验在大鼠在9.4 T,并具有显着的灵敏度增强,由于使用cryocoils,我们首次表明,dfMRI信号表现出层的特异性,此外,显示信号的领域没有SE-BOLD响应。我们发现,dfMRI信号在丘脑皮质通路相互一致,即,dfMRI信号在腹后外侧(VPL)丘脑核cohere具体与IV和V层的躯体感觉皮层。这些活动模式与基于文献的皮层和丘脑电生理记录的相关性要好得多(与SE-BOLD信号相比)。所有这些发现表明,dfMRI信号更好地代表了潜在的神经活动的途径。反过来,这可能对更具体和准确的(.)
2019-03-19 physics.med-ph q-bio.NC
Neural modulation enhancement using connectivity-based EEG neurofeedback with simultaneous fMRI for emotion regulation
本文提出基于 EEG 电极相干性并结合同步 fMRI 的连接性神经反馈方法,实验证明其相较传统活动反馈和虚假反馈更能改善情绪相关脑网络、EEG 指标及正负情绪。
2023-11-03 q-bio.NC
Transmodal Analysis of Neural Signals
Dartmouth College(达特茅斯学院);University of Magdeburg(马格德堡大学);Rutgers(罗格斯大学);Carl von Ossietzky University Oldenburg(卡尔·冯·奥西茨基大学奥尔登堡分校)
在时间和空间上定位大脑中的神经元活动是推进对大脑功能理解的核心挑战。由于任何单一的神经成像技术无法同时覆盖所有方面,因此人们越来越关注将来自多种模态的信号组合起来,以便从每种采集方法的优点中受益。由于功能性磁共振成像(fMRI)中BOLD反应的任何建议的完整模型的复杂性和未知参数化,可靠的最终融合方法的开发仍然是困难的。但是除了优越的时间和空间分辨率的主要目标之外,来自多种成像模态的数据的联合分析可以可选地用于将神经信息与生理和采集噪声分离。在本文中,我们提出了一种新的方法,它依赖于构建一个可量化的映射数据从一个模态(脑电图; EEG)到另一个(功能磁共振成像),称为跨模态分析的神经信号(TRANSfusion)。TRANSfusion试图将嵌入EEG信号中的神经数据映射到其在fMRI数据中的反射。评估对不可见数据的映射性能允许定位其中信号的显著部分可以被可靠地重建的脑区域,因此其神经活动的区域反映在EEG和fMRI数据两者中。学习模型的连续分析允许定位与EEG的特定频带相关联的区域,或与任何给定EEG传感器功能相关(连接或相干)的区域。我们展示了人工和真实数据从听觉实验的性能TRANSfusion。我们进一步推测可能的替代用途:跨模态数据滤波和EEG驱动的fMRI信号插值,以获得任意高的时间采样BOLD。
2013-07-08 cs.LG q-bio.NC q-bio.QM
Effects of spatial smoothing on functional brain networks
图论方法已迅速成为研究人脑结构和功能的标准工具。虽然结构连接体可以相当直接地映射到复杂的网络上,但在构建代表大脑区域之间功能连接的网络时有更多的自由度。对于功能磁共振成像数据,这样的网络通常是通过将体素的BOLD信号时间序列聚合成更大的实体(例如某些大脑图谱中的感兴趣区域),并根据时间序列相关性的某种度量来确定这些实体之间的连接强度。虽然很明显,这个过程的结果必须受到如何在预处理阶段处理的体素级时间序列,有一个缺乏系统的研究预处理对网络结构的影响。在这里,我们专注于空间平滑,这是一个标准的预处理方法的功能磁共振成像的影响。我们将不同水平的空间平滑应用于静息态fMRI数据,并测量相应功能网络中引起的变化。我们表明,空间平滑的水平明显影响的程度和其他中心性措施的节点的功能网络,这些变化是不均匀的,系统的,并依赖于大脑的几何形状。最大的连接网络组件的组成也受到影响,人为地增加了不同主题的网络的相似性。我们的结论是,在可能的情况下,空间平滑应避免预处理网络分析的fMRI数据。
2017-05-05 q-bio.NC
The Increase of the Functional Entropy of the Human Brain with Age
我们使用熵来表征人脑的内在老化特性。使用静息状态BOLD信号对来自个体的大型数据集的fMRI数据进行分析,表明与大脑活动相关的功能熵随年龄增加而增加。在平均寿命期间,从个体群体计算的熵增加了大约0.1比特,这是由于BOLD活动的相关性变得更广泛分布。我们将此归因于兴奋性神经元的数量和兴奋性电导随年龄的增长而减少。将这些特性应用到计算模型中,可以得到与fMRI数据在数量上相似的结果。我们的数据集涉及男性和女性,我们发现他们之间存在显着差异。男性出生时的熵值低于女性。然而,两种性别的熵以不同的速度增加,并在大约50岁时相交;在这个年龄之后,男性有更大的熵。
2014-06-08 physics.med-ph q-bio.NC q-bio.QM
Self-regulation of human brain activity using simultaneous real-time fMRI and EEG neurofeedback
神经反馈是一种很有前途的方法,用于非侵入性调制人类大脑活动,用于治疗精神疾病和增强大脑性能。神经反馈技术通常基于脑电图(EEG)或实时功能性磁共振成像(rtfMRI)。同步EEG-fMRI的进展使得将这两种方法结合起来成为可能。在这里,我们报告的第一个实现同步多模态rtfMRI和EEG神经反馈(rtfMRI-EEG-NF)。它是基于一个新的系统,实时集成的同时rtfMRI和EEG数据流。我们应用rtfMRI-EEG-NF对健康受试者进行情绪自我调节训练,进行基于快乐自传体记忆检索的积极情绪诱导任务。参与者能够使用rtfMRI-EEG-nf同时调节左杏仁核中的BOLD fMRI激活和高β频段中的额叶EEG功率不对称。我们的概念验证的结果表明,同时自我调节的血液动力学(rtfMRI)和电生理(EEG)活动的人脑的可行性。他们提出了rtfMRI-EEG-NF在开发新型认知神经科学研究范式和增强主要神经精神疾病(特别是抑郁症)的认知治疗方法中的潜在应用。
2013-08-12 physics.ins-det physics.med-ph q-bio.NC
A rapid-onset diffusion functional MRI signal reflects neuromorphological coupling dynamics
功能性磁共振成像(fMRI)改变了我们对活体大脑功能的理解。然而,功能磁共振成像的神经血管耦合机制是有点“遥远”的神经活动。有趣的是,来自内在光学信号(IOS)的证据表明,神经活动也与(亚)细胞形态调制相耦合。弥散加权功能磁共振成像(dfMRI)实验先前已被提出来探测这种神经形态学的耦合,但潜在的机制仍然存在很大的争议。在这里,我们提供了第一个直接的联系在体内超快dfMRI信号后,大鼠前爪刺激和IOS在急性切片光遗传刺激。我们揭示了迄今未报道的快速发作(<100 ms)dfMRI信号,(i)与快速上升的IOS动力学一致;(ii)证明了刺激周期的点状定量对应;(iii)对血管挑战相当不敏感。我们的研究结果表明,神经形态耦合可以通过dfMRI信号检测,预示着未来的映射神经活动更直接。
2020-01-23 physics.med-ph q-bio.NC
Large-scale neural network model for functional networks of the human cortex
我们调查的影响,间接连接,区域间的距离和集体效应的大规模功能网络的人类大脑皮层。我们研究拓扑结构的经验推导出的静息态网络(RSN),从功能磁共振成像数据中提取,并在所获得的网络模型动力学。通过Pearson相关系数从不同皮层区域的血氧水平依赖(BOLD)活动的平均时间序列计算RSN。我们比较功能连接网络的模拟BOLD活动作为耦合强度和相关阈值的函数。支持BOLD信号波动的神经网络动力学被建模为受不相关的高斯白噪声和时间延迟相互作用的可激发FitzHugh-Nagumo振荡器,以解释沿轴突的信号传播的有限速度。我们讨论了依赖于信号速度和相关阈值的模拟BOLD活动的功能连接,并将其与经验数据进行比较。
2013-02-14 nlin.AO q-bio.NC
Nonlinear Deconvolution by Sampling Biophysically Plausible Hemodynamic Models
测量大脑活动的非侵入性方法对于了解人类大脑中的认知过程非常重要。一个突出的例子是功能性磁共振成像(fMRI),它是对延迟信号的噪声测量,该延迟信号通过神经血管耦合非线性地依赖于神经元活动。这些特征使得从fMRI推断神经元活动成为需要神经元水平信息的fMRI研究中困难但重要的一步。在这篇文章中,我们使用贝叶斯方法来解决这个推理问题,我们将潜在的神经活动建模为一个随机过程,并假设观察到的BOLD信号来自一个现实的生理(气球)模型。我们应用最近开发的平滑方法称为APIS有效地采样后给定的单事件fMRI时间序列。为了有效地推断多个时间序列的高似然神经元信号,对原始算法进行了修改。我们证明,我们的自适应程序能够补偿模型中缺乏输入来推断神经元活动,并且在此设置中,它的性能显着优于标准的自举粒子滤波平滑器。这使得所提出的程序特别有吸引力的去卷积静息状态fMRI数据。为了验证该方法,我们评估的质量推断使用的定时信息中包含的信号。APIS根据短刺激反应时间实验期间收集的fMRI数据获得可靠的事件时间估计。因此,我们第一次表明,可以通过重建潜在的神经信号,获得准确的绝对定时的神经元活动。
2018-03-23 physics.data-an q-bio.NC
Boosting Brain-to-Image Decoding with TRIBE v2 Data Augmentation
Meta AI
针对脑解码中标记数据稀缺的问题,提出利用预训练的fMRI响应模型TRIBE v2生成合成数据来增强小样本数据集,在两个数据集上实现最高68%的Top-10图像检索准确率提升,并发现纯合成数据训练的解码器在零样本设置中也能达到高于随机水平的性能。
2026-06-04 cs.AI cs.LG q-bio.NC
ACTION: Augmentation and Computation Toolbox for Brain Network Analysis with Functional MRI
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Department of Radiology(放射学系);Biomedical Research Imaging Center(生物医学研究成像中心)
本文提出开源跨平台 Python 工具箱 ACTION,集成 fMRI 与脑网络增强、网络构建、特征提取、自监督深度学习预训练及联邦学习,以提升小样本和多中心脑网络分析能力。
2024-05-10 cs.LG eess.IV q-bio.NC
Predicting Human Brain States with Transformer
University of Sydney(悉尼大学);Macquarie University(麦考瑞大学);Augusta University(奥古斯塔大学)
本文探索利用Transformer和自注意力机制,基于HCP大规模fMRI数据预测人脑静息状态,实验证明模型可用前21.6秒数据预测5.04秒后的大脑状态,且生成结果能反映功能连接组结构,展示了开发fMRI生成模型的可行性。
2024-12-11 cs.AI cs.LG q-bio.NC
The Importance of Being Negative: A serious treatment of non-trivial edges in brain functional connectome
了解fMRI衍生的脑网络或连接体的模块化可以为脑功能组织的研究提供信息。然而,功能磁共振成像连接体还涉及负边缘,这是不严格占现有的模块化方法,要么忽略或任意加权这些连接。此外,大多数基于Q最大化的模块化算法产生的结果是可变的,再现性不佳。在这里,我们提出了一种替代的,可重复的方法,利用如何频繁的两个节点之间的粗体信号相关性是负的。我们在两个独立的公开的静息状态连接组数据集(人类连接组项目和1000个功能连接组)上验证了这种新的基于概率的模块化方法,并证明了仅负相关就足以理解静息状态模块化。事实上,这种方法a)允许双重公式化,无论考虑正边缘还是负边缘,都可以得到等效的解决方案; b)理论上与连接体上定义的伊辛模型相关联,从而产生最大化数据可能性的模块化结果。此外,我们还能够检测到最广泛使用的方法没有的模块性的性别差异。结果证实了我们的方法的优越性:a)具有最高概率为负的相关性始终放置在模块之间,b)由于等效的对偶形式,不需要任意的加权因子来平衡负相关性和正相关性之间的影响,这与现有的基于Q最大化的模块化方法不同。随着HCP等数据集被神经科学界广泛使用,适当的计算工具来理解fMRI连接体中负边缘的神经生物学信息变得越来越重要。
2017-06-05 q-bio.NC q-bio.QM
FAST-Brain: A Flow-Aligned Spatio-Temporal Surrogate Brain Model
FAST-Brain提出流对齐时空代理模型,结合图卷积与Transformer,直接预测BOLD信号,在低维子空间假设下误差随内在维度缩放,实验证明其在恢复功能连接等方面达到最先进性能。
2026-09-29 cs.LG q-bio.NC
A Simulation of the Effects of Receive Field Contrast on Motion-Corrected EPI Time Series
MRI的接收场赋予相对于接收线圈空间固定的图像对比度。如果使用运动校正来校正在EPI时间序列期间发生的受检者运动,则接收器对比度将相对于受检者有效地移动,并且在图像幅度中产生时间调制。这种效应,我们称之为RFC-MoCo效应,可能会对fMRI结果的分析和解释产生影响。EPI时间序列中存在许多与运动相关的噪声和系统误差的潜在原因,并且难以隔离RFC-MoCo效应。因此,我们对这种影响进行了模拟,以更好地了解其严重性。仿真研究这种效果的接收只单通道16腿鸟笼线圈和接收只12通道相控阵列。我们特别研究:(1)效应量;(2)它对在不同空间位置产生的信号之间的时间相关性(时空相关性)的影响,这通常是在静息状态fMRI分析中计算的;(3)它对EPI时间序列的时间信噪比的影响。我们发现,从RFC-MoCo效应所产生的信号变化可能会竞争与BOLD(血氧水平依赖)的信号变化中存在的显着的运动,即使在假设完美的运动校正。因此,我们发现RFC-MoCo效应可能会导致整个图像空间的虚假时间相关性,并且随着运动的增加,时间SNR可能会降低。
2012-10-12 physics.ins-det physics.med-ph 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
From Correlation to Causation: Estimation of Effective Connectivity from Continuous Brain Signals based on Zero-Lag Covariance
了解大脑连接性在基础研究和临床应用中都非常重要。我们提出了一种方法来推断定向连接从零滞后协方差的神经元活动记录在多个站点。这使我们能够确定反映在神经元群体活动中的因果关系。为了得到我们的策略,我们假设一个通用的线性模型的相互作用的连续变量,其中的组件代表当地的神经元群体的活动。从记录的信号推断连接性的建议方法利用了这样一个事实,即从观察到的活动导出的协方差矩阵包含关于连接的存在、方向和符号的信息。假设一个稀疏耦合的网络,我们通过$L^1$ -最小化消除潜在的因果结构的歧义。通常,该方法适合于从各种类型的静息状态数据推断有效连接性。我们表明,我们的方法是适用于广泛的网络规模和网络的连接概率的结构参数。我们还探讨了影响其活性动力学的参数,如本征值谱。此外,基于模拟合适的Ornstein-Uhlenbeck过程模型BOLD动态,我们表明,与我们的方法,它是可能的,以估计定向连接来自这样的信号的零滞后协方差。在这项研究中,我们考虑测量噪声和未观察到的节点作为额外的混杂因素。此外,我们调查了可靠估计所需的数据量。此外,我们将所提出的方法应用于fMRI数据集。由此产生的网络表现出一种趋势,即附近的区域被连接起来,以及相应区域之间的半球间连接。此外,我们发现,很大一部分已识别的连接是抑制性的。
2018-04-09 q-bio.NC
Detecting absence: A dedicated prediction-error signal emerging in the auditory thalamus
Basque Center on Cognition, Brain and Language(巴斯克认知、大脑与语言中心);Ikerbasque, Basque Foundation for Science(伊克尔巴斯克科学基金会);Max Planck Institute for Human Cognitive and Brain Sciences(马克斯·普朗克人类认知与脑科学研究所);Institut für Psychologie I, Universität zu Lübeck(吕贝克大学心理学第一研究所);Chair of Cognitive and Clinical Neuroscience, Technische Universität Dresden(德累斯顿大学认知与临床神经科学教席);Ruhr-Universität Bochum(波鸿鲁尔大学)
该研究提出听觉丘脑中存在专门用于检测缺失的预测误差信号,揭示了感知缺失的神经机制,可能与精神分裂症等疾病相关。
2026-10-26 q-bio.NC