Dynamic Brain Networks with Prescribed Functional Connectivity
本文提出用稳态协方差和斜对称矩阵参数化脑动态系统，发现增大斜对称矩阵可提升系统稳定性、兴奋性及高频响应。
2023-10-11 cs.SY eess.SY q-bio.NC
Phase-locked states in oscillating neural networks and their role in neural communication
相干通信理论（CTC）认为脑振荡反映了神经元兴奋性的变化，因此两个振荡的神经元群体之间的成功通信不仅取决于发射信号的强度，还取决于它们之间的相对相位。更确切地说，当发射和接收群体被适当地锁相时，有效的通信发生，因此由发射群体发送的输入到达接收群体的最大兴奋性的相位。为了研究这种设置，我们考虑一个人口率模型的兴奋性和抑制性细胞建模接收人口，我们扰动它与时间相关的周期函数建模的输入从发射人口。我们考虑了该系统的频闪映射，并数值计算了该映射的不动点和周期点以及它们在扰动的振幅和频率变化时的分岔。从分岔图中，我们确定了锁相状态以及不同区域的双稳态。我们仔细探讨的动力学强调其影响的CTC理论。特别是，我们研究了输入增益如何取决于输入和接收人口的抑制作用之间的时间。我们的研究结果表明，自然出现一个最佳的相位锁定CTC，并提供了一种机制，通过该机制，接收人口可以实现选择性通信。此外，大脑皮层区域的存在表明，在不改变网络结构的情况下，大脑区域之间可以建立不同的通信机制。
2019-09-11 math.DS nlin.AO q-bio.NC
Neural Avalanches at the Critical Point between Replay and Non-Replay of Spatiotemporal Patterns
我们模拟自发皮层活动与网络的耦合尖峰单位，其中多个时空模式被存储为动态吸引子。我们引入了一个序参数，它衡量网络活动与存储模式之间的重叠（相似性）。我们发现，根据网络的兴奋性，不同的工作制度是可能的。对于高兴奋性，动态吸引子是稳定的，并且自发地出现重放存储的模式之一的集体活动，而对于低兴奋性，没有重放被诱导。在这两个区域之间，存在一个临界区域，在该区域中，动力学吸引子是不稳定的，并且由噪声引起间歇性的短重放。在临界尖峰阈值处，序参量从0变为1，并且其波动最大化，正如相变所预期的那样（并且正如最近在大脑中的实验结果所观察到的那样）。值得注意的是，在这个关键区域，雪崩的大小和持续时间分布遵循幂律。临界指数与最近在神经雪崩测量中观察到的比例关系是一致的。总之，我们的简单模型表明，雪崩功率法在皮层自发活动可能是网络的影响，在重放和非重放的时空模式之间的临界点。
2013-10-08 cond-mat.dis-nn q-bio.NC
Data-driven brain network models predict individual variability in behavior
大脑结构和功能之间的关系已经使用各种方法进行了探索，但人类大脑的潜在结构连接如何驱动行为还远未被理解。为了研究解剖大脑组织对人类任务性能的影响，我们使用数据驱动的计算建模方法，并探索大脑网络中自然发生的结构差异的功能影响。我们构建个性化的大脑网络模型相结合的解剖连接估计从扩散光谱成像的个体受试者的非线性模型的大脑动力学。通过进行计算实验，我们测量了全球大脑网络的兴奋性和同步的传播后，有针对性的计算刺激，我们量化了个体差异的基础连接如何影响本地和全球的大脑动力学。我们进一步将计算结果与受试者在左额下回经颅磁刺激前后执行三项语言要求任务的个体差异相关。我们的研究结果表明，任务绩效与功能活动的局部或全局测量相关，这取决于任务的复杂性。通过强调潜在的结构连接的差异，我们的模型作为一个强大的工具来预测任务表现的个体差异，分离的目标刺激在不同的认知复杂性的任务的影响，并为个性化治疗的发展铺平了道路。
2018-02-23 physics.data-an q-bio.NC
Subtle variations in stiff dimensions of brain networks account for individual differences in cognitive ability
本研究将刚性-松弛分析应用于人脑任务fMRI数据，发现刚性维度的微小偏差能决定DMN与WMN间的动态分离与整合，从而解释认知能力的个体差异。
2025-04-27 q-bio.NC
The Syncytial Mesh Model: A Mesoscale Control-Field Framework for Scale-Dependent Coherence in the Brain
本文提出同步网模型，通过整合局部神经回路、宏观结构连接和慢速介尺度控制场，解释大脑中大规模行波组织、低频相干结构和分布式可塑性现象。
2026-05-15 q-bio.NC
On the properties of input-to-output transformations in networks of perceptrons
大脑中某些神经元网络中的信息处理可以被认为是二进制向量的映射，其中输入神经元的1（尖峰）和0（无尖峰）被转换为输出神经元的尖峰和无尖峰。这种映射的一个简单但基本的特征是它如何转换输入向量之间的距离。特别是，给定输入向量之间的一定距离，输出向量之间的平均距离是多少？使用组合的方法，我们发现了一个精确的解决方案，这个问题的感知器网络的二进制权重。由此产生的公式允许精确分析网络连接性和神经元兴奋性如何影响神经元尖峰脉冲的向量之间的距离的变换。作为一个应用，我们考虑了一个简单的网络模型的信息处理在海马体，一个大脑区域的学习和记忆的关键牵连，并找到了一个参数的组合，输出神经元区分相似和不同的输入最有效。输出神经元阈值的降低，在生物网络中可能与抑制降低、辨别最优性受损有关。
2013-12-04 q-bio.NC
Contextual guidance: An integrated theory for astrocytes function in brain circuits and behavior
针对星形胶质细胞非传统功能难以被经典模型解释的问题，提出将其视为解码环境因素的上下文门控的统一框架，以解释其在脑回路中的适应性作用。
2022-11-17 q-bio.CB q-bio.NC q-bio.SC
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
Modelling the perception of music in brain network dynamics
我们分析了音乐的影响，在网络中的FitzHugh-Nagumo振荡器与经验结构连接测量健康的人类受试者。我们报告了我们的网络中的全球动态和由特定音乐歌曲引起的输入信号之间的一致性增加。我们表明，相干性的水平取决于关键的频带。我们将我们的结果与实验数据进行比较，这些数据还描述了伽马波段范围内不同大脑区域之间的全局神经同步，以及音乐形式（音乐高级事件）不同部分之间过渡之前的增加。研究结果还表明，音乐形式相关的大脑同步之间的分离，与新皮层活动相关的高大脑频率，以及与皮层和皮层下区域之间的互动相关的舞蹈动作范围内的低频率。
2022-06-09 nlin.AO q-bio.NC
The Global Dynamical Complexity of the Human Brain Network
大型大脑网络作为一个整体整合了多少信息？这种网络的动态复杂性能否以信息论的方式进行全局量化，并与大脑功能进行有意义的耦合？最近，已经提出了动态复杂性的措施，如集成信息。然而，与这些措施相关的分区的标准化和贝尔数相关的问题使得这些方法在计算上对于大规模大脑网络是不可行的。我们这项工作的目标就是解决这个问题。我们制定的网络集成信息是基于网络状态集上的多变量分布与其部分上的相应因子分解分布之间的Kullback-Leibler分歧。我们发现，实现最大信息分区优化计算。这些方法非常适合于具有线性随机动态的大型网络。我们计算的综合信息，系统的吸引子状态，以及网络的非平稳动态状态。然后，我们将这种形式主义应用于大脑网络，以计算人脑连接体的整合信息。与随机重新布线的网络相比，我们发现大脑的特定拓扑结构产生更大的信息复杂性。
2016-12-21 cs.IT math.DS math.IT
Complex networks: new trends for the analysis of brain connectivity
今天，人类的大脑可以作为一个整体来研究。脑电图、脑磁图或功能性磁共振成像技术提供不同脑区之间以及不同病理和认知神经动力学状态期间的功能性连接模式。在这篇文章中，我们回顾了新的复杂网络方法，揭示了大脑网络如何有效地管理信息传输的局部处理和全局整合，同时能够适应不断变化的神经需求。
2010-02-03 nlin.AO physics.bio-ph physics.data-an
Combining cortical voltage imaging and hippocampal electrophysiology for investigating global, multi-time scale activity interactions in the brain
新一代分析神经活动的分子工具有助于阐明神经科学中的经典开放问题。随着增强的GEVI和先进的光学成像技术，电压成像技术已越来越多地用于观察大型电路的动态。在这一章中，我们描述了如何结合大脑皮层宽场电压成像与海马电生理清醒行为的小鼠。此外，我们强调这种方法如何可以用于不同的可能的调查。
2021-12-06 q-bio.NC
The global communication pathways of the human brain transcend the cortical-subcortical-cerebellar division
该研究利用弥散成像构建覆盖皮层、皮层下和小脑的全脑结构连接组，发现全局通信由跨三类结构的模块及皮层下主导的富俱乐部枢纽集中组织。
2025-10-20 q-bio.NC
From Electrode to Global Brain: Integrating Multi- and Cross-Scale Brain Connections and Interactions Under Cross-Subject and Within-Subject Scenarios
针对跨被试运动想象分类中多尺度空间数据分布差异问题，提出集成多尺度特征提取与域适应的MSSDAN网络，以整合脑拓扑结构原理解决该差异。
2024-11-07 cs.AI q-bio.NC
Consciousness as a global property of brain dynamic activity
我们寻求与意识觉知相关的细胞集体活动结构的一般原则。我们能否获得证据，证明大脑的最佳组织特征能够对刺激进行充分的处理，并可能引导认知和意识的出现？在分析意识和无意识状态下的大脑记录时，我们最初遵循物理学中的经典方法来理解由无数单元组成的系统的集体行为：评估系统可以采用的可能配置（微观状态）的数量，为此我们使用与连接的大脑区域数量相关的全局熵度量。在意识状态中发现最大熵之后，我们接着使用适当的复杂性度量来检查连接配置的微观性质，并发现不仅由意识意识而且由潜意识认知处理（如睡眠阶段）表征的状态具有更高的复杂性。我们的观察表明，有意识的意识与最大的全局（宏观）熵和短时间尺度（微观）的复杂性连接的大脑网络的配置在病理无意识状态（癫痫发作和昏迷），但微观视图捕获的高度复杂性在生理无意识状态（睡眠），其中有信息处理。因此，我们的研究结果支持全球性的意识意识，所主张的几个认知理论。因此，我们希望我们的研究代表了初步的步骤，以揭示导致有意识意识的认知结构的各个方面。
2017-10-13 q-bio.NC
Spatiotemporal patterns of adaptation-induced slow oscillations in a whole-brain model of slow-wave sleep
在慢波睡眠期间，大脑处于一种自组织状态，在这种状态下，向上和向下状态之间的慢振荡（SO）穿过皮层。虽然一个孤立的皮质片可以产生SO，但这些振荡的全脑传播被认为是由长距离轴突连接介导的。我们解决的机制，如何SO出现和招聘大部分的大脑使用全脑模型构建的经验连接数据，其中SO独立诱导在每个大脑区域的本地适应机制。使用进化优化方法，很好地适合人类静息状态的功能磁共振成像数据和睡眠脑电图数据被发现在接近分叉的适应强度的值，该模型产生的平衡与现实的时空统计本地和全球SO。局部振荡更频繁，持续时间更短，振幅更低。全球振荡作为沉默的波在大脑中传播，从前部到后部区域。这些行波是由大脑网络中的异质性引起的，其中大脑区域之间的连接强度决定了哪些区域首先过渡到下降状态，从而启动了穿越皮层的行波。我们的研究结果证明了全脑模型的效用，用于解释大规模皮层振荡的起源以及它们是如何由连接体塑造的。
2021-11-01 nlin.AO q-bio.NC
Global and regional brain metabolic scaling and its functional consequences
背景资料：大脑中的信息处理需要大量的代谢能量，其空间分布是高度不均匀的，反映了哺乳动物大脑中的复杂活动模式。结果如下：在此，基于经验数据发现，尽管存在这种异质性，但许多不同脑结构的体积特异性脑葡萄糖代谢率与脑体积成比例，具有几乎相同的指数约为-0.15。例外的是白质，其代谢似乎与标准特定指数-1/4成比例。脑中总氧和葡萄糖消耗量相对于其体积的标度指数是相同的，等于$0.86\pm 0.03$，其显著大于全身基础代谢对体重的指数3/4和2/3。结论：这些研究结果明确表明，在哺乳动物中（i）不同脑部位的脑能量消耗的体积特异性标度指数近似恒定（脑干结构除外），以及（ii）总脑代谢指数对脑体积大于被广泛引用的Kleiber的3/4指数。的神经生理因素，可能占区域的均匀性的指数和过度缩放的总脑代谢进行了讨论，以及脑代谢缩放和计算之间的关系。
2007-05-21 q-bio.NC q-bio.TO
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
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
Coevolutionary balance of resting-state brain networks in autism
Institute for Cognitive and Brain Sciences, Shahid Beheshti University（认知与脑科学学院，沙希德贝赫什提大学）；Department of Physics, Shahid Beheshti University（物理系，沙希德贝赫什提大学）
研究通过共进化平衡分析发现自闭症患者静息态脑网络存在异常，但结果受预处理方法影响。
2026-02-13 physics.bio-ph q-bio.NC
Grand Challenges for Global Brain Sciences
社会和科学面临的下一个重大挑战是脑科学。来自世界各地的60多名科学家，以及来自国家、私人和基金会的10多名观察员，花了两天时间共同讨论我们作为一个全球社区在未来十年可以解决的最大挑战。我们最终决定了三个挑战，跨越解剖学，生理学和医学。解决这三个挑战需要新的计算基础设施。该小组提出了国际脑站（TIBS）的出现，以应对这些挑战，并将脑科学推向新的理解水平。
2016-10-27 q-bio.NC
A small-world of weak ties provides optimal global integration of self-similar modules in functional brain networks
人脑是按功能模块组织的。这样的组织提出了一个基本的难题：模块应该足够独立以保证功能的专门化，并充分连接以绑定多个处理器以实现有效的信息传输。人们普遍认为，短长度和大的局部聚类的小世界架构可以解决这个问题。然而，在产生小世界的捷径和模块化的持久性之间存在着内在的张力;这是一种与局部聚类无关的全局属性。在这里，我们提出了一个可能的解决方案，这个难题。我们首先表明，一个修改后的渗流理论可以定义一组分层组织的模块功能的大脑网络中的强链接。这些模块是“大世界”自相似结构，因此远非小世界。然而，将较弱的联系纳入网络将其转换为一个小世界，保留了定义良好的模块的底层骨干。值得注意的是，弱关系的组织方式与理论预测的一样，以最小的布线成本最大化信息传输。这种权衡架构让人想起了社交网络的关键概念“弱关系的力量”。这样的设计为解决大脑高度模块化结构中高效信息流的悖论提供了一个自然的解决方案。
2012-05-11 cond-mat.stat-mech cs.SI physics.bio-ph
On Brain as a Mathematical Manifold: Neural Manifolds, Sheaf Semantics, and Leibnizian Harmony
Faculty of Informatics, Yamato University（大和大学信息学部）
本文提出通过sheaf理论建模大脑功能，将局部神经活动表示为sheaf截面，整体一致性对应全局截面存在，并利用sheaf上同调分析大脑病理现象。
2026-01-16 q-bio.NC
Brain synchronizability, a false friend
同步在健康的认知和运动功能中起着重要作用。然而，如何同步依赖于本地动态，耦合和拓扑结构之间的相互作用，以及如何倾向于同步网络与给定的拓扑组织仍然是知之甚少的问题。为了研究解剖学和功能性脑网络的同步性，各种研究采用了主稳定性函数（MSF）形式主义，这是一种优雅的工具，可以分析由许多耦合振荡器组成的动态系统中同步状态的稳定性。在这里，我们认为，大脑动力学并不符合正式的标准下，同步性通常是量化的，也许更重要的是，什么这种措施本身量化是指一个全球性的动态条件，从来没有在大脑中举行（即使在最病态的情况下也不会），因此，不应该基于此得出神经生理学结论。我们讨论了同步性的含义及其适用性，神经科学，并提出量化大脑网络同步的替代方法。
2018-06-05 nlin.AO physics.bio-ph physics.soc-ph
Early deafness leads to re-shaping of global functional connectivity beyond the auditory cortex
早期感觉剥夺，如失明或耳聋，以多种方式塑造大脑发育。虽然已经确定，被剥夺的大脑区域开始参与处理来自其余模式的刺激和高水平的认知任务，但一些报告也表明，非剥夺的大脑区域可能发生结构和功能变化。我们通过研究全球网络分离和整合，比较了早期耳聋成年人和听力控制者大脑的静息状态功能网络组织。相对于听力控制，聋人表现出改变模块化组织，与区域的显着性网络与额顶叶网络。他们表现出较弱的听觉和躯体运动区域之间的连接，额顶叶网络和其他几个大规模的网络（视觉，记忆，扣带-鳃盖和躯体运动）之间的耦合较强，和扩大的默认模式网络。他们大脑网络的整体功能分离也较低。我们的研究结果表明，成年聋人的大脑可塑性不仅限于听觉皮层的变化，而且还改变了其他大规模网络之间的耦合。这些广泛的功能连接变化可能为聋人在视觉和注意力任务中的优异行为表现提供了一种机制。
2019-03-28 q-bio.NC
Does the 1/f frequency-scaling of brain signals reflect self-organized critical states?
许多复杂系统显示出自组织临界状态，其特征在于功率谱的1/f频率标度。全局变量，如脑电图，标度为1/f，这可能是神经元活动中自组织临界状态的标志。通过分析同时记录的全球和神经元的活动，我们确认的1/f缩放的全球变量为选定的频带，但显示，神经元的活动是不一致的临界状态。我们提出了一个模型的1/f标度，它不依赖于临界状态，这是可测试的实验。
2006-08-15 q-bio.NC q-bio.PE
LGGNet: Learning from Local-Global-Graph Representations for Brain-Computer Interface
School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院）
本文提出受神经科学启发的图神经网络 LGGNet，通过多尺度时间卷积与局部-全局图滤波建模 EEG 脑区内外关系，并在三类数据集的四项认知任务上取得显著优于基线的分类效果。
2022-12-05 cs.LG cs.NE eess.SP
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
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
Altered connectedness of the brain chronnectome during the progression of Alzheimer's disease
图论已被广泛用于研究大脑网络拓扑结构及其在疾病队列中的变化。然而，许多基于图论分析的大脑网络研究都集中在最短路径上，或者更一般地说，集中在成本效益上。在这项工作中，我们使用两个新的概念，连通性和2-连通性，以衡量不同的全球性相比，以前广泛采用的。
2021-03-30 q-bio.NC
Unsupervised learning of control signals and their encodings in $\textit{C. elegans}$ whole-brain recordings
最近在$\textit{C. elegans}$上进行的全脑成像实验已经揭示了神经元群体动力学对低维流形上的运动命令和行为之间的定型转换进行编码。在这个流形上描述动态特性的努力已经使用分段线性模型来描述整个状态空间，但尚不清楚单个全局动态模型如何生成所观察到的动态。在这里，我们提出了一个控制框架，以实现这样一个全球性的动态模型，从而基本的线性动态致动稀疏控制信号。该方法以无监督的方式从数据中学习控制信号，然后使用$\textit{ Dynamic Mode Decomposition with control}$（DMDC）创建第一个可以重建全脑成像数据的全局线性动力学系统。这些控制信号被证明是牵连在行为之间的过渡。此外，我们分析了这些控制信号的时间延迟编码，表明这些转换可以从先前参与行为转换的神经元中预测，但也可以从先前未识别的其他神经元中预测。此外，我们的分解方法允许人们理解所观察到的非线性全局动力学，而不是线性动力学与控制。所提出的数学框架是通用的，可以推广到其他神经感觉系统，可能揭示过渡和他们的编码在一个完全无监督的方式。
2020-04-13 q-bio.NC q-bio.QM
Do Brain Networks Evolve by Maximizing their Information Flow Capacity?
我们提出了一个工作的假设支持的数值模拟，大脑网络的基础上发展的原则，最大限度地提高其内部的信息流容量。我们发现，进化网络的同步行为和信息流的能力很好地再现了在秀丽隐杆线虫和人类的大脑动力学网络中观察到的相同行为，Hindmarsh-Rose神经元网络与这些大脑网络给出的图形。我们做了一个强有力的情况下，以验证我们的假设，显示与秀丽隐杆线虫和人类的大脑网络的最接近的图形距离的神经网络的Hindmarsh-Rose神经网络进化的耦合强度，最大限度地提高信息流的容量。令人惊讶的是，我们发现，在大脑进化过程中，全局神经同步水平下降，反映了一个潜在的全局非赫布样进化过程，这是由进化过程中的一些集群的非赫布样学习行为驱动的，而神经元增加同步的集群的赫布样学习规则。
2015-07-28 q-bio.MN q-bio.NC
CREIMBO: Cross-Regional Ensemble Interactions in Multi-view Brain Observations
针对现有神经活动分析方法可解释性差或模型过度简化的问题，提出CREIMBO模型，通过图驱动字典学习和低维流形建模，从异步多视图脑观测中学习非平稳神经动力学，能解耦重叠神经过程并区分全局与会话特异计算。
2025-01-12 q-bio.NC q-bio.QM stat.ML
Brain-inspired global-local learning incorporated with neuromorphic computing
Tsinghua University（清华大学）；University of California, Santa Barbara（加州大学圣巴巴拉分校）
目前存在两种主要的学习方法，包括错误驱动的全局学习和面向神经科学的局部学习。将它们集成到一个网络中可以为多功能学习场景提供互补的学习能力。与此同时，类脑计算具有很大的潜力，但仍然需要大量有用的算法和算法硬件协同设计来发挥优势。在这里，我们报告了一个神经形态的混合学习模型，通过引入一个大脑启发的元学习范式和一个微分尖峰模型，结合神经元动力学和突触可塑性。它可以元学习局部可塑性，并接收自顶向下的监督信息进行多尺度协同学习。我们展示了该模型在多个不同任务中的优势，包括少样本学习，持续学习和神经形态视觉传感器的容错学习。它实现了比单一学习方法更高的性能，并显示出在赋予神经形态应用革命的希望。在Tianjic神经形态平台上，通过算法-硬件协同设计实现了混合模型，证明了该模型能够充分利用神经形态众核架构开发混合计算范型。
2021-06-22 cs.AI cs.NE q-bio.NC
Neural Signatures of Motor Skill in the Resting Brain
中风引起的大规模皮层网络的干扰被认为与运动缺陷的程度有关。我们认为，确定代表运动行为的大脑网络在休息的大脑将为当前的神经康复方法提供重要的见解。特别是，我们的目标是调查全球配置的大脑节律及其与运动技能的关系，而不是广泛研究的学习性能。我们经验性地接近这个问题，进行三维物理空间视觉学习实验，在脑电图（EEG）数据记录与37名健康参与者。我们证明，作为受试者运动技能的量化测量的平均运动平滑度的跨受试者变化可以从实验前记录的静息状态EEG α节律（8-14 Hz）的全局配置来预测。重要的是，这种运动技能的神经特征被发现与任务正交（独立于任务）-以及与学习相关的阿尔法节奏变化，我们将其解释为大脑的组织原则。我们认为，这种配置在大脑中的干扰可能会导致中风的运动缺陷，并通过神经反馈重新配置中风患者的脑节律可能会提高中风后神经康复。
2019-07-22 eess.SP q-bio.NC
Network analysis of the human structural connectome including the brainstem
该研究基于100名健康成人构建含脑干的结构连接组，通过多种中心性与全局拓扑分析发现脑干占据核心主导地位。
2023-01-30 cond-mat.dis-nn physics.bio-ph q-bio.NC
Exponential Random Graph Modeling for Complex Brain Networks
指数随机图模型（Exponential random graph models，ERGM），也被称为p* 模型，在社会科学文献中被广泛用于研究复杂网络及其全局结构如何依赖于底层结构组件。然而，关于它们在生物网络（特别是大脑网络）中的应用的文献仍然很少。基于图的特定特征（聚类系数、度分布等）的描述性模型已经主导了神经科学中的连通性研究。相应的生成模型已被开发，以重现这些功能之一。然而，全脑网络数据固有的复杂性需要开发和使用工具，以便同时系统地探索几个功能以及它们如何相互作用以形成全球网络架构。ERGM提供了一种统计原则方法来评估一组相互作用的局部大脑网络特征如何产生全局结构。我们说明了实用的ERGMs的建模，分析和模拟复杂的全脑网络与网络数据正常受试者。我们还提供了一个基础，通过实施和评估三种选择方法：传统的基于p值的向后选择方法，信息准则方法（AIC），和图形拟合优度（GOF）的方法选择重要的本地功能。图形GOF方法是最好的方法，因为科学家们对能够捕获和再现拟合的大脑网络的结构感兴趣。
2011-06-01 q-bio.NC q-bio.QM stat.AP
Learning Principles for Overcoming Non-ideal Factors in Brain
National Key Laboratory of Radar Signal Processing, Xidian University（雷达信号处理全国重点实验室，西安电子科技大学）；Fujian Key Laboratory of the Modern Communication and Beidou Positioning Technology in Universities, Quanzhou University of Information Engineering（福建省高校现代通信与北斗定位技术重点实验室，泉州信息工程学院）
本文提出克服大脑非理想因素的学习原理，通过分析大脑的鲁棒性和适应性，挑战经典神经科学模型的局限性。
2026-01-10 q-bio.NC
Hierarchical feature extraction on functional brain networks for autism spectrum disorder identification with resting-state fMRI data
针对ASD现有诊断主观性强易误诊的问题，提出基于rs-fMRI的ASD-HNet分层神经网络模型，从ROI、社区、全局三层提取脑功能网络特征，在ABIDE-I数据集上表现优于现有方法。
2025-03-20 q-bio.NC
Topology of the mesoscale connectome of the mouse brain
小鼠大脑的接线图最近在艾伦小鼠大脑连接地图集中以介观尺度绘制。使用绿色荧光蛋白追踪来自大脑区域的轴突投射。所得到的数据被配准到一个共同的三维参考空间。他们得出了213个大脑区域之间的连接强度矩阵。全局特征，例如由相似强度的连接形成的闭合环，可以使用持久同源性的工具来推断。我们将小鼠大脑的接线图映射到单纯复合体（通过连接强度过滤）。我们求出了第一个同调群的生成元。有些区域，包括脑桥核，通过回路连接到整个大脑，而没有一个区域与所有大脑区域的连接强度为非零。成千上万的回路穿过同皮质，纹状体和丘脑。另一方面，髓质是唯一包含超过100个回路的主要脑区室。
2018-12-21 q-bio.NC
DB-GNN: Dual-Branch Graph Neural Network with Multi-Level Contrastive Learning for Jointly Identifying Within- and Cross-Frequency Coupled Brain Networks
针对脑网络同频与跨频耦合分析分离的问题，提出双分支图神经网络DB-GNN，结合Transformer与多尺度图对比学习联合提取全局与局部耦合信息，在情绪识别任务上达到97.88%准确率的最先进性能。
2025-04-29 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
Organization and hierarchy of the human functional brain network lead to a chain-like core
大脑是复杂系统的一个典型例子，因为它的功能表现为局部介观和微观相互作用的全局属性。复杂网络理论允许在节点（灰质区域）之间的链接（相关性）方面引出大脑的功能架构，并从噪声中提取信息。在这里，我们提出了40个健康人在静息状态下的功能磁共振成像数据的分析，用于研究功能性脑网络组织的基础支架。我们展示了大脑区域是如何通过形成一个高度层次化的链状结构来协调的。最大生成树的方法揭示了枕叶皮层的中心地位和小脑区域的特殊聚集，形成一个封闭的核心。我们还报告了网络隔离的层次结构和集群集成的水平作为大脑区域之间的连接强度的函数。
2017-01-17 physics.bio-ph physics.soc-ph q-bio.NC
Quantifying the attractor landscape and transition path of distributed working memory from large-scale brain network
包括工作记忆在内的许多认知过程都需要多个分布的相互作用的大脑区域来编码信息。如何理解工作记忆的认知功能机制是一个具有挑战性的问题，它涉及到来自多个脑区的神经回路配置以及脑状态之间的随机转换动力学。能量景观的思想为研究分布式认知功能系统的全局稳定性和随机转移动力学提供了一个工具。然而，如何在现实的大规模大脑网络中量化能量景观仍不清楚。在这里，基于解剖学约束的计算模型的大规模猕猴皮层，我们量化的分布式工作记忆的多稳态吸引子景观。在没有外部刺激的情况下，景观表现出三个稳定的吸引子，一个自发状态，和两个记忆状态。在吸引子景观框架中，工作记忆功能由景观地形的变化和系统状态根据任务需求的切换来控制。障碍高度从景观地形推断量化的整体稳定性的记忆状态和鲁棒性的非选择性随机波动和干扰刺激。最小动作路径法识别的动力学转换路径表明，自发状态是两种记忆状态转换的中间状态，存储在高层次皮层的记忆更稳定，信息流遵循层次结构的方向。这些结果为分布式工作记忆功能的潜在机制提供了新的见解，并且景观和动力学路径方法可以应用于脑网络中的其他认知功能相关问题。
2022-09-12 q-bio.NC
Controlling collective dynamical states of mesoscale brain networks with local perturbations
振荡同步被假设为支持大脑区域之间的信息流动，不同的锁相配置能够激活不同的有效相互作用。沿着这些思路，过去的工作提出了多稳态锁相作为硬连线大脑网络灵活支持多种功能模式的一种手段，而不必重新配置它们的解剖连接。考虑到实际通信和相位锁定状态之间的潜在联系，理解如何控制这些状态以实现实际电路中功能连接的快速改变是很重要的。在这里，我们研究功能状态控制的耦合神经质量的小网络，显示集体多稳定性下确定性的条件下，并显示更多的生物现实的不规则振荡和瞬态锁相条件是随机的。特别是，我们调查这些中尺度电路的外部信号，目标只有一个单一的子单元的全球响应。主要集中在更现实的情况下，其中网络动态是随机的，我们确定的条件下，本地输入（i）可以触发快速过渡到拓扑不同的功能连接图案是暂时稳定的（“状态切换”），（ii）可以平滑地调整用于特定的超前-滞后关系集合的相位关系的空间模式（“状态变形”），以及（iii）不能调节全局锁相状态。总的来说，我们的研究结果增加了越来越多的文献，强调多稳态，interreal相干模式的调制可以为灵活的大脑网络操作提供基础。
2022-08-25 q-bio.NC
Stimulation-based control of dynamic brain networks
University of Pennsylvania（宾夕法尼亚大学）；US Army Research Laboratory（美国陆军研究实验室）；University at Buffalo, SUNY（纽约州立大学布法罗分校）；University of California, Riverside（加州大学河滨分校）；University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
研究通过数据驱动模型探讨区域刺激对脑网络的影响，揭示区域可控性与局部/全局刺激效应的关系，并发现默认模式系统在结构约束下仍能产生大范围变化。
2016-01-05 cs.SY eess.SY q-bio.NC
Expertise and Task Pressure in fNIRS-based brain Connectomes
双手运动技能的获得，在从机器人远程操作到手术的几个应用中至关重要，与延长的学习曲线相关。基于功能性近红外光谱（fNIRS）数据的大脑连接性在区分专家和新手外科医生方面显示出了有希望的结果。然而，它是不太好理解的专业知识相关的差异，在大脑连接的动态时间需求在手术任务中经历的调制。在这项研究中，我们使用fNIRS检查额叶和运动脑区域之间的相互作用，在一个队列的外科住院医生不同的专业知识下执行腹腔镜手术任务的时间需求。结果表明，老年人的前额叶运动连接更能适应时间压力。此外，大脑连接体的某些全局特征（例如小世界指数）可用于检测潜在压力源的存在。
2020-01-01 q-bio.NC
Universality of macroscopic neuronal dynamics in Caenorhabditis elegans
用单个神经元分辨率记录整个大脑活动现在在简单的生物体中是可行的。然而，为了揭示神经系统功能的一般原理，适当地简化这种复杂的、有噪声的和多变量的数据仍然具有挑战性。在这里，我们开发了一种方法，使我们能够从泛神经元成像中提取全球脑动力学。这种方法的成功是植根于一个令人惊讶的数学联系之间的降维和一般类的热力学系统。将这一理论框架应用于C. elegans揭示了塑造全球大脑动力学的多样性。这个流形使我们能够预测个体之间的蠕虫行为之间的切换，这意味着流形所体现的宏观动力学是普遍的。相比之下，蠕虫之间单个神经元的激活始终存在差异。这些发现表明，基因相同的个体的大脑表达不同的微观神经元配置，但产生等效的宏观动力学。
2017-11-22 q-bio.NC
The case for emulating insect brains using anatomical "wiring diagrams" equipped with biophysical models of neuronal activity
开发全脑仿真（WBE）技术将为神经科学、生物医学、人工智能和机器人技术带来巨大的好处。目前，由于实验数据和计算资源有限，构建模拟人脑缺乏可行性。然而，我建议通过努力实现一个中间目标，即昆虫脑仿真（IBE），可以加速实现这一目标的进展。更具体地说，这将需要创建整个昆虫神经系统的生物学真实模拟，以及非神经元昆虫生理学的更近似模拟，以制造“虚拟昆虫”。“我认为，这在未来20年内是现实可行的。我认为，开发昆虫大脑的仿真将激励全球科学家、企业家和政策制定者追求更崇高的目标，即模仿人类大脑。通过IBE证明WBE是可能的，模拟哺乳动物大脑和最终人类大脑可能不再被视为过于激进的野心，值得大量的资金和资源。此外，国际教育局将通过使用虚拟昆虫进行研究，促进认知神经科学，人工智能和机器人技术的巨大进步。
2019-10-27 q-bio.NC
Comparative Survey of Multigraph Integration Methods for Holistic Brain Connectivity Mapping
Istanbul Technical University（伊斯坦布尔理工大学）；University of Dundee（邓迪大学）
网络神经科学中最大的科学挑战之一是创建一个具有代表性的异质大脑网络的地图，它可以作为连接指纹。连接脑模板（CBT），也被称为网络图谱，提供了一个强大的工具，用于捕获给定人群的最具代表性和区分性的特征，同时保留其拓扑模式。CBT的想法是整合来自不同神经成像模式或大脑视图（例如，结构和功能），成为一个统一的整体表示。在这里，我们回顾了目前最先进的方法，旨在估计良好的中心和代表性的CBT人口的单视图和多视图的大脑网络。我们首先回顾每一种CBT学习方法，然后介绍评估措施，分别基于以下标准比较单视图和多图集成方法生成的群体的CBT代表性：中心化，标记再现性，节点级相似性，全局级相似性和基于距离的相似性。我们证明，深度图归一化器（DGN）方法在中心性、再现性（即，图衍生的生物标志物再现性，其将典型的与非典型的连接性变异性分开），并在局部和全局图水平上保持拓扑特征。
2022-04-05 cs.AI cs.LG q-bio.NC
Two distinct desynchronization processes caused by lesions in globally coupled neurons
为了完成一项任务，大脑就像一个同步的神经元网络，所有相关的神经元一起工作。当病变在大脑中扩散时，根据其演变，它可以到达相关区域的重要部分。因此，可能会发生相变：神经元去极化，不能再执行某项任务。病变负责破坏神经元连接，或者在某些情况下杀死神经元。在这项工作中，我们将使用一个简化的神经元网络模型来表明，这两种类型的病变导致不同类型的去分化。
2015-10-06 nlin.CD q-bio.NC
Brain architecture: A design for natural computation
Newcastle University（纽卡斯尔大学）
50年前，约翰·冯·诺依曼（John von Neumann）将大脑的结构与他发明的至今仍在使用的计算机的结构进行了比较。在那些日子里，计算机的组织是基于大脑组织的概念。在这里，我们对神经系统的全球组织的当前结果进行了更新。对于神经系统，我们概述了神经元和皮层网络的空间和拓扑结构如何促进对故障的鲁棒性，快速处理和平衡的网络激活。最后，我们讨论了这种架构的自组织机制。毕竟，大脑的组织可能会再次激发计算机架构。
2008-02-27 cs.AI cs.NE physics.soc-ph
Longitudinal structural connectomic and rich-club analysis in adolescent mTBI reveals persistent, distributed brain alterations acutely through to one year post-injury
轻度创伤性脑损伤（mTBI）的扩散性质会影响脑白质通路，即使在最初的症状已经解决后，也会产生潜在的长期后果。为了了解青少年mTBI后的恢复，需要进行纵向研究，以确定高度个性化的恢复轨迹和持续发展之间的相互作用。为了捕捉mTBI和恢复的分布式性质，我们采用连接体来探测大脑的结构组织。我们提出了一个弥散MRI研究青少年mTBI受试者扫描一天，两周和一年后与对照组受伤。随着时间的推移，纵向全球网络的变化表明，损伤后的网络拓扑结构发生了变化，更加“扩散”（特别是传递性和全球效率降低）。通过其骨干（称为“丰富俱乐部”）对连接体进行分层，这些网络变化由“外围”局部子网通过增加网络密度、分数各向异性和降低扩散率来驱动。局部子网络的这种增加的结构完整性可能是为了补偿受损的网络，或者它可能对mTBI具有鲁棒性并且表现出正常的发展趋势。富人俱乐部还显示，随着时间的推移，控制扩散率较低，可能表明长期的结构性后果。我们的研究结果显示，青少年mTBI连接体的变化是不断发展的，弥漫性的，从急性开始，持续到一年。
2019-09-17 q-bio.NC q-bio.QM
