运动想象的大尺度动态功能网络连接

发布时间：2020-12-04 10:18

　　运动想象是一个多维度的高级脑认知活动,被广泛应用于脑-机接口控制和临床康复。然而,运动想象应用背后的神经机制仍然不清楚。为进一步理解运动想象潜在的神经机制,从大尺度水平探索运动想象的动态脑网络连接,征集26名健康被试进行运动想象功能磁共振扫描实验。基于运动想象任务态磁共振数据,首先,利用独立成分分析,获取11个大尺度功能子网络,并提取子网络对应的时间序列;然后,利用滑窗分析法,构建动态网络连接矩阵,并对所有的连接矩阵进行k-means聚类分析,得到状态依赖的动态连接;最后,利用网络统计分析方法,评估左/右手运动想象动态网络连接差异。结果表明,机器学习方法能更有效地获取数据特征,得到基于数据驱动的最优窗长为31个时间点,并且对左/右手运动想象的分类准确率达75.6%;运动想象大尺度网络连接模式是一种状态依赖的动态变化过程,共聚类出4个动态重构连接模式;左/右手运动想象大尺度动态网络连接模式的特异性,主要体现在额顶网络（FPN）和背侧注意网络（DAN）与其他子网络之间的交互上。该研究的发现,为理解运动想象潜在的神经机制提供新的观点。 

【文章来源】：中国生物医学工程学报. 2019年04期 第409-416页 北大核心

【文章页数】：8 页

【文章目录】：
引言
1 方法
    1.1 选择被试
    1.2 实验设计
    1.3 fMRI数据采集与预处理
    1.4 大尺度网络动态分析流程
    1.5 独立成分提取和选择
    1.6 动态功能网络连接计算
    1.7 聚类与状态分析
    1.8 网络统计分析
2 结果
    2.1 大尺度功能脑网络
    2.2 最优窗长选择
    2.3 动态网络状态聚类分析
    2.4 动态网络状态差异分析
3 讨论
4 结论



本文编号：2897424