Jump to content

Динамическое функциональное подключение

Динамическая функциональная связность ( DFC ) относится к наблюдаемому явлению, когда функциональная связность меняется за короткое время. Динамическая функциональная связность — это недавнее расширение традиционного анализа функциональной связности, которое обычно предполагает, что функциональные сети статичны во времени. DFC связан с множеством различных неврологических расстройств и считается более точным представлением функциональных сетей мозга. Основным инструментом для анализа DFC является фМРТ , но DFC также наблюдался и с несколькими другими средами. DFC — это недавняя разработка в области функциональной нейровизуализации , открытие которой было мотивировано наблюдением временной изменчивости в растущей области исследований устойчивых связей.

Обзор и история

[ редактировать ]

Статическое подключение

[ редактировать ]

Функциональная связность относится к функционально интегрированным отношениям между пространственно разделенными областями мозга. В отличие от структурной связи , которая ищет физические связи в мозге, функциональная связь связана с одинаковыми паттернами активации в разных областях мозга, независимо от очевидной физической связи этих областей. [1] Этот тип связи был обнаружен в середине 1990-х годов и наблюдался в основном с помощью фМРТ и позитронно-эмиссионной томографии . [2] Функциональная связность обычно измеряется во время фМРТ в состоянии покоя и обычно анализируется с точки зрения корреляции, когерентности и пространственной группировки на основе временного сходства. [3] Эти методы использовались, чтобы показать, что функциональная связность связана с поведением при выполнении различных задач и имеет нейронную основу. Эти методы предполагают, что функциональные связи в мозгу остаются постоянными в течение короткого времени в течение выполнения задачи или периода сбора данных.

Сеть в режиме по умолчанию, приведенная выше, является одним из примеров мозговой сети, использующей устойчивое соединение. Эта сеть довольно стабильна во времени, но было показано, что она имеет переменные отношения с другими сетями и незначительно меняет свои характеристики во времени.

Происхождение динамического анализа

[ редактировать ]

Исследования, которые показали изменения в функциональных связях, зависящие от состояния мозга, были первыми индикаторами того, что временные изменения в функциональных связях могут быть значительными. В нескольких исследованиях середины 2000-х годов изучались изменения ФК, связанные с множеством различных причин, таких как умственные задачи, [4] спать, [5] и обучение. [6] Эти изменения часто происходят внутри одного и того же человека и явно имеют отношение к поведению. В настоящее время DFC исследуется в самых разных контекстах с использованием множества инструментов анализа. Было показано, что это связано как с поведением, так и с нервной активностью. Некоторые исследователи полагают, что это может быть тесно связано с мышлением или сознанием высокого уровня. [3]

Важные выводы DFC

[ редактировать ]

Поскольку DFC является настолько новой областью, большая часть исследований, связанных с ней, проводится для подтверждения значимости этих динамических изменений, а не для изучения их последствий; однако было сделано множество важных открытий, которые помогут научному сообществу лучше понять работу мозга.Анализ динамической функциональной связи показал, что функциональные сети мозга не только не являются полностью статичными, но и колеблются в масштабе от секунд до минут. Эти изменения обычно рассматриваются как переходы от одного краткосрочного состояния к другому, а не как непрерывные сдвиги. [3] Многие исследования показали воспроизводимые модели сетевой активности, которые перемещаются по всему мозгу. Эти закономерности наблюдались как у животных, так и у людей, и присутствуют только в определенных точках во время сеанса сканирования. [7] Помимо демонстрации переходных состояний мозга, анализ DFC показал четкую иерархическую организацию сетей мозга. Связь между билатерально симметричными областями является наиболее стабильной формой связи в мозге, за ней следуют другие области с прямыми анатомическими связями. Устойчивые сети функциональных связей существуют и имеют физиологическое значение , но имеют меньшую временную стабильность, чем анатомические сети. Наконец, некоторые функциональные сети достаточно мимолетны, чтобы их можно было увидеть только с помощью анализа DFC. Эти сети также обладают физиологической значимостью, но гораздо менее стабильны во времени, чем другие сети мозга. [8]

Методы анализа

[ редактировать ]

Раздвижное окно

[ редактировать ]

Анализ скользящего окна — наиболее распространенный метод, используемый при анализе функциональной связи, впервые представленный Сакоглу и Кэлхауном в 2009 году и примененный к шизофрении. [9] [10] [11] [12] Анализ скользящего окна выполняется путем проведения анализа заданного количества сканирований за сеанс фМРТ. Количество сканирований соответствует длине скользящего окна. Затем определенное окно перемещается на определенное количество сканирований вперед во времени и выполняется дополнительный анализ. Перемещение окна обычно определяется степенью перекрытия соседних окон. Одним из основных преимуществ анализа скользящего окна является то, что практически любой анализ установившегося состояния также может быть выполнен с использованием скользящего окна, если длина окна достаточно велика. Преимущество анализа скользящего окна также состоит в том, что его легко понять и, в некотором смысле, легче интерпретировать. [3] Как наиболее распространенный метод анализа, анализ скользящего окна использовался многими различными способами для исследования множества различных характеристик и последствий DFC. Для точной интерпретации данные анализа скользящего окна обычно необходимо сравнивать между двумя разными группами. Исследователи использовали этот тип анализа, чтобы показать различные характеристики DFC у больных и здоровых пациентов, с высокими и низкими показателями выполнения когнитивных задач, а также между крупномасштабными состояниями мозга.

Шаблоны активации

[ редактировать ]

Одним из первых методов, когда-либо использовавшихся для анализа DFC, был анализ паттернов изображений фМРТ, чтобы показать, что существуют паттерны активации в пространственно разделенных областях мозга, которые имеют тенденцию иметь синхронную активность. Стало ясно, что в мозге существует пространственная и временная периодичность, которая, вероятно, отражает какие-то постоянные процессы мозга. Было высказано предположение, что повторяющиеся образцы сетевой информации объясняют 25–50% дисперсии данных фМРТ, выделенных жирным шрифтом. [7] [13] Эти паттерны активности в первую очередь наблюдались у крыс как волна синхронизированной активности, распространяющаяся по коре головного мозга. Также было показано, что эти волны связаны с основной нейронной активностью и присутствуют как у людей, так и у крыс. [7]

Точечный анализ процесса

[ редактировать ]

Отходя от традиционных подходов, недавно был представлен эффективный метод анализа быстро меняющихся паттернов функциональной активации, который преобразует данные фМРТ BOLD в точечный процесс. [14] [15] Это достигается путем выбора для каждого воксела точек перегиба ЖИРНОГО сигнала (т.е. пиков). Эти несколько точек содержат большую часть информации, касающейся функциональной связности, поскольку было продемонстрировано, что, несмотря на огромное сокращение размера данных (> 95%), они очень хорошо сравниваются с выводами о функциональной связности. [16] [17] получен стандартными методами, использующими полный сигнал.

Большая информативность этих нескольких пунктов согласуется с результатами Petridou et al. [18] который продемонстрировал вклад этих «спонтанных событий» в силу корреляции и спектры мощности медленных спонтанных колебаний путем деконволюции целевой функции гемодинамического ответа из остальных данных. Впоследствии аналогичные принципы были успешно применены под названием паттернов коактивации (CAP). [19] [20] [21]

Другие методы

[ редактировать ]

Частотно-временной анализ был предложен как метод анализа, который способен решить многие проблемы, связанные со скользящими окнами. В отличие от анализа скользящего окна, частотно-временной анализ позволяет исследователю одновременно исследовать информацию как о частоте, так и об амплитуде. Вейвлет -преобразование использовалось для проведения анализа DFC, который подтвердил существование DFC, показав его значительные изменения во времени. Этот же метод недавно использовался для исследования некоторых динамических характеристик принятых сетей. Например, частотно-временной анализ показал, что антикорреляция между сетью режима по умолчанию и сетью, ориентированной на задачу, не является постоянной во времени, а скорее является временным состоянием. [22] Анализ независимых компонентов стал одним из наиболее распространенных методов создания сетей с устойчивой функциональной связностью. ICA делит сигнал фМРТ на несколько пространственных компонентов, имеющих схожие временные закономерности. Совсем недавно ICA использовался для разделения данных фМРТ на различные временные компоненты. Это было названо временным ICA и использовалось для построения графика поведения сети, на которое приходится 25% вариабельности корреляции анатомических узлов при фМРТ. [23]

Споры и ограничения

[ редактировать ]

Некоторые исследователи утверждают, что DFC может быть простым отражением анализа, сканера или физиологического шума. Шум при фМРТ может возникать из-за множества различных факторов, включая сердцебиение, изменения гематоэнцефалического барьера, характеристики регистрирующего сканера или непреднамеренные эффекты анализа. Некоторые исследователи предположили, что изменчивость функциональных связей в исследованиях фМРТ соответствует той изменчивости, которую можно было бы ожидать от простого анализа случайных данных. Жалоба на то, что DFC может отражать только шум, недавно была уменьшена благодаря наблюдению электрической основы данных фМРТ DFC и поведенческой значимости характеристик DFC. [3]

Помимо жалоб на то, что ДФК может быть продуктом шума сканера, наблюдаемый ДФК можно подвергнуть критике из-за непрямого характера фМРТ, который используется для его наблюдения. Данные фМРТ собираются путем быстрого получения последовательности МРТ-изображений во времени с использованием эхопланарной визуализации. На контрастность этих изображений сильно влияет соотношение насыщенной кислородом и дезоксигенированной крови. Поскольку активным нейронам требуется больше энергии, чем покоящимся нейронам, изменения этого контраста традиционно интерпретируются как косвенный показатель активности нейронов. Из-за своего косвенного характера данные фМРТ в исследованиях DFC можно критиковать как потенциальное отражение ненейронной информации. Эта проблема недавно была снята благодаря наблюдаемой корреляции между фМРТ-ДФК и одновременно полученными электрофизиологическими данными. [24] Батталья и его коллеги попытались разрешить эти противоречия, связав динамическую функциональную связь с причинностью или эффективной связью. Ученые действительно утверждают, что динамическая эффективная связь может возникнуть в результате переходов в коллективной организации когерентной нейронной активности. [25]

Физиологические доказательства

[ редактировать ]

фМРТ является основным средством исследования ДФК. Это создает уникальные проблемы, поскольку фМРТ имеет довольно низкое временное разрешение, обычно 0,5 Гц, и является лишь косвенным показателем активности нейронов. Косвенный характер анализа фМРТ предполагает, что необходима проверка, чтобы показать, что результаты фМРТ действительно актуальны и отражают нейронную активность.

Мультимодальный подход

[ редактировать ]

Электрофизиология

[ редактировать ]

Корреляция между DFC и электрофизиологией побудила некоторых ученых предположить, что DFC может отражать гемодинамические результаты динамического поведения сети, которые наблюдались при анализе отдельных клеток популяций нейронов. Хотя гемодинамический ответ слишком медленный, чтобы отразить однозначное соответствие с динамикой нейронной сети, вполне вероятно, что DFC является отражением мощности некоторых частот электрофизиологических данных. [3]

Полные колпачки ЭЭГ, подобные приведенному выше, часто используются одновременно с фМРТ для сбора информации об электрических сигналах, лежащих в основе ЖИРНОГО сигнала.

Электроэнцефалография (ЭЭГ) также использовалась у людей для проверки и интерпретации наблюдений, сделанных в DFC. ЭЭГ имеет плохое пространственное разрешение, поскольку она способна собирать данные только о поверхности кожи головы, но отражает широкую электрическую активность многих нейронов. ЭЭГ использовалась одновременно с фМРТ для учета некоторой вариабельности ФК между сканированиями. ЭЭГ также использовалась, чтобы показать, что изменения ФК связаны с широкими состояниями мозга, наблюдаемыми на ЭЭГ. [26] [27] [28] [29]

Магнитоэнцефалография (МЭГ) может использоваться для измерения магнитных полей, создаваемых электрической активностью мозга. МЭГ имеет высокое временное разрешение и, как правило, более высокое пространственное разрешение, чем ЭЭГ. Исследования состояния покоя с помощью MEG по-прежнему ограничены пространственным разрешением, но эта модальность использовалась, чтобы показать, что сети состояний покоя проходят периоды низкого и высокого уровня корреляции. Это наблюдение согласуется с результатами, полученными в других исследованиях DFC, таких как анализ паттернов активации DFC. [3]

Нейрональные механизмы

[ редактировать ]

Единичная запись использовалась для изучения степени, силы и пластичности функциональных связей между отдельными кортикальными нейронами у кошек и обезьян. Такие исследования выявили коррелированную активность в различных временных масштабах. В самом быстром масштабе времени (1–20 мс) коэффициенты корреляции обычно были <0,05. [30] [31] Было обнаружено, что эти функциональные связи пластичны: изменение корреляции в течение периода кондиционирования Ts (обычно несколько минут) с помощью сенсорных стимуляций, запускаемых спайками, вызывало кратковременные (обычно < Ts) устойчивые изменения связей. Усиление функциональной связи до-после кондиционирования обычно равнялось квадратному корню из ее усиления до-во время кондиционирования. [32]

Динамическая функциональная связность, изучаемая с помощью фМРТ, может быть связана с феноменом, ранее обнаруженным в префронтальной коре макак, называемым динамической сетевой связностью, при котором механизмы возбуждения быстро изменяют силу глутаматных синаптических связей с дендритными шипиками, открывая или закрывая калиевые каналы на шипиках, тем самым ослабляя или усиливая их. подключение соответственно [33] [34] . Например, стимуляция дофаминового рецептора D1 и/или норадренергического бета-1-рецептора на позвоночнике может усилить передачу сигналов цАМФ-ПКА-кальция, открывая каналы HCN, KCNQ2 и/или SK, чтобы быстро ослабить связь, например, как это происходит во время стресса. [35] .

Поведенческая основа

[ редактировать ]

Было показано, что DFC в значительной степени связан с работоспособностью человека, включая бдительность и внимание. Было предложено и поддержано, что поведение сети непосредственно перед началом задачи является надежным предиктором производительности этой задачи. Традиционно исследования фМРТ фокусировались на величине активации областей мозга как на предикторе производительности, но недавние исследования показали, что корреляция между сетями, измеренная с помощью анализа скользящего окна, является еще более сильным предиктором производительности. [24] Было показано, что индивидуальные различия в вариабельности функциональных связей (FCV) в скользящих окнах при сканировании фМРТ коррелируют с тенденцией внимания к боли. [36] Степень, в которой разум субъекта отвлекается от сенсорного стимула, также связана с FCV. [37]

Клиническая значимость

[ редактировать ]

Одной из основных целей анализа DFC является лучшее понимание, обнаружение и лечение неврологических заболеваний. Было показано, что статическая функциональная связь в значительной степени связана с различными заболеваниями, такими как депрессия , шизофрения и болезнь Альцгеймера . Из-за новизны этой области DFC только недавно использовался для исследования болезненных состояний, но с 2012 года было показано, что каждое из этих трех заболеваний коррелирует с динамическими временными характеристиками функциональной связи. Большинство этих различий связано с количеством времени, которое проводится в различных переходных состояниях. У пациентов с шизофренией изменения состояния происходят реже, чем у здоровых пациентов, и этот результат привел к предположению, что заболевание связано с тем, что пациенты застревают в определенных состояниях мозга, когда мозг не может быстро реагировать на различные очереди. [38] Кроме того, исследование зрительной сенсорной сети показало, что субъекты, страдающие шизофренией, проводили больше времени, чем здоровые субъекты, в состоянии, при котором связь между средней височной извилиной и другими областями зрительной сенсорной сети крайне негативна. [39] Исследования болезни Альцгеймера показали, что у пациентов с этим недугом изменились возможности подключения к сети, а также изменилось время, проводимое в существующих сетях. [40] Наблюдаемая корреляция между DFC и заболеванием не означает, что изменения DFC являются причиной какого-либо из этих заболеваний, но информация анализа DFC может быть использована для лучшего понимания последствий заболевания и более быстрой и точной их диагностики.

  1. ^ Фристон, Карл (2011). «Функциональное и эффективное подключение: обзор». Мозговая связь . 1 (1): 13–36. CiteSeerX   10.1.1.222.9471 . дои : 10.1089/brain.2011.0008 . ПМИД   22432952 . S2CID   6116761 .
  2. ^ Бисвал, Б.; Зеррин Йеткин, ФЗ; Хотон, ВМ; Хайд, Дж. С. (1995). «Функциональная связь в моторной коре покоящегося мозга человека с помощью эхопланарной МРТ». Магнитный резонанс в медицине . 34 (4): 537–541. дои : 10.1002/mrm.1910340409 . ПМИД   8524021 . S2CID   775793 .
  3. ^ Перейти обратно: а б с д и ж г Хатчисон, Р.М.; Вомельсдорф, Т.; Аллен, Э.А.; Бандеттини, Пенсильвания; Калхун, Вирджиния; Корбетта, М.; Делла Пенна, С.; Дуйн, Дж. Х.; Гловер, Г.Х.; Гонсалес-Кастильо, Дж.; Хандверкер, Д.А.; Кейлхольц, С.; Кивиниеми, В.; Леопольд, Д.А.; Де Паскуале, Ф.; Спорнс, О.; Уолтер, М.; Чанг, К. (2013). «Динамическая функциональная связь: обещания, проблемы и интерпретации» . НейроИмидж . 80 : 360–378. doi : 10.1016/j.neuroimage.2013.05.079 . ПМЦ   3807588 . ПМИД   23707587 .
  4. ^ Эспозито, Ф.; Бертолино, А.; Скарабино, Т.; Латорре, В.; Блази, Г.; Пополицио, Т.; Тедески, Г.; Чирилло, С.; Гебель, Р.; Ди Салле, Ф. (2006). «Модель независимых компонентов функции мозга в режиме по умолчанию: оценка влияния активного мышления». Бюллетень исследований мозга . 70 (4–6): 263–269. дои : 10.1016/j.brainresbull.2006.06.012 . ПМИД   17027761 . S2CID   23195652 .
  5. ^ Горовиц, С.Г.; Фукунага, М.; Де Цварт, Дж.А.; Ван Гельдерен, П.; Фултон, Южная Каролина; Балкин, Т.Дж.; Дуйн, Дж. Х. (2008). «Низкочастотные колебания BOLD во время бодрствования и легкого сна: одновременное исследование ЭЭГ-фМРТ» . Картирование человеческого мозга . 29 (6): 671–682. дои : 10.1002/hbm.20428 . ПМК   6871022 . ПМИД   17598166 .
  6. ^ Бассетт, Д.С.; Уимбс, Северная Каролина; Портер, Массачусетс; Муха, Пи Джей; Карлсон, Дж. М.; Графтон, Северная Каролина (2011). «Динамическая реконфигурация сетей человеческого мозга во время обучения» . Труды Национальной академии наук . 108 (18): 7641–7646. arXiv : 1010.3775 . Бибкод : 2011PNAS..108.7641B . дои : 10.1073/pnas.1018985108 . ПМК   3088578 . ПМИД   21502525 .
  7. ^ Перейти обратно: а б с Маджид, В.; Магнусон, М.; Кейлхольц, SD (2009). «Пространственно-временная динамика низкочастотных колебаний в BOLD фМРТ крысы» . Журнал магнитно-резонансной томографии . 30 (2): 384–393. дои : 10.1002/jmri.21848 . ПМЦ   2758521 . ПМИД   19629982 .
  8. ^ Гонсалес, Кастильо; Дж. Ву; П. Робинсон; М. Хандверкер; Д. Инати; С. Бандеттини (2012). Обнаружение переходов задач при непрерывном выполнении нескольких задач продолжительностью 45 минут с использованием подключения всего мозга . Двухгодичная конференция штата отдыха. Магдебург, Германия.
  9. ^ Сакоглу, У.; Калхун, В.Д. (2009). «Динамическое окно выявляет задачу модуляции функциональной связи у пациентов с шизофренией по сравнению со здоровыми людьми» (PDF) . Учеб. ИСРММ . 17 :3675.
  10. ^ Сакоглу, У.; Калхун, В.Д. (2009). «Временная динамика функциональных сетевых связей в состоянии покоя: сравнение пациентов с шизофренией и здоровых людей». НейроИмидж . 47 (Приложение 1): С169. дои : 10.1016/S1053-8119(09)71811-7 . S2CID   54291742 .
  11. ^ Сакоглу, У.; Майкл, AM; Калхун, В.Д. (2009). «Классификация больных шизофренией и здоровых людей с динамической функциональной сетевой связью». НейроИмидж . 47 (Дополнение 1): S57. дои : 10.1016/S1053-8119(09)70216-2 . S2CID   54432053 .
  12. ^ Сакоглу, У.; Перлсон, Джорджия; Киль, Калифорния; Ван, Ю.М.; Майкл, AM; Калхун, В.Д. (2010). «Метод оценки динамической функциональной сетевой связи и модуляции задач: применение к шизофрении» . Магнитно-резонансные материалы в физике, биологии и медицине . 23 (6): 351–366. дои : 10.1007/s10334-010-0197-8 . ПМЦ   2891285 . ПМИД   20162320 .
  13. ^ Маджид, В.; Магнусон, М.; Хазенкамп, В.; Шварб, Х.; Шумахер, Э.Х.; Барсалу, Л.; Кейлхольц, SD (2011). «Пространственно-временная динамика низкочастотных ЖИРНЫХ колебаний у крыс и людей» . НейроИмидж . 54 (2): 1140–1150. doi : 10.1016/j.neuroimage.2010.08.030 . ПМК   2997178 . ПМИД   20728554 .
  14. ^ Тальязукки, Энцо; Баленсуэла, Пабло; Фрайман, Дэниел; Монтойя, Педро; Чиалво, Данте Р. (20 января 2011 г.). «Спонтанное событие BOLD вызвало средние значения для оценки функциональной связи в состоянии покоя» . Письма по неврологии . 488 (2): 158–163. дои : 10.1016/j.neulet.2010.11.020 . ПМК   3014405 . ПМИД   21078369 .
  15. ^ Тальязукки, Энцо; Баленсуэла, Пабло; Фрайман, Дэниел; Чиалво, Данте Р. (1 января 2012 г.). «Критичность крупномасштабной динамики фМРТ головного мозга, выявленная благодаря новому точечному анализу процессов» . Границы в физиологии . 3 : 15. дои : 10.3389/fphys.2012.00015 . ПМК   3274757 . ПМИД   22347863 .
  16. ^ Тальязукки, Энцо; Кархарт-Харрис, Робин; Лич, Роберт; Натт, Дэвид; Чиалво, Данте Р. (1 ноября 2014 г.). «Расширенный репертуар динамических состояний мозга во время психоделического опыта» . Картирование человеческого мозга . 35 (11): 5442–5456. arXiv : 1405.6466 . Бибкод : 2014arXiv1405.6466T . дои : 10.1002/hbm.22562 . ISSN   1097-0193 . ПМК   6869695 . ПМИД   24989126 .
  17. ^ Тальязукки, Энцо; Синячкин, Михаил; Лауфс, Хельмут; Чиалво, Данте Р. (1 января 2016 г.). «Воксельный функциональный коннектом может быть эффективно получен в результате совместной активации в разреженном пространственно-временном точечном процессе» . Границы в неврологии . 10 : 381. дои : 10.3389/fnins.2016.00381 . ПМЦ   4994538 . ПМИД   27601975 .
  18. ^ Петриду, Наталья; Годес, Сезар Кабальеро; Драйден, Ян Л.; Фрэнсис, Сьюзен Т.; Гоуленд, Пенни А. (1 июня 2013 г.). «Периоды покоя при фМРТ содержат отдельные спонтанные события, связанные с медленно меняющейся спонтанной активностью» . Картирование человеческого мозга . 34 (6): 1319–1329. дои : 10.1002/hbm.21513 . ISSN   1097-0193 . ПМК   6869909 . ПМИД   22331588 .
  19. ^ Лю, Сяо; Дуйн, Джефф Х. (12 марта 2013 г.). «Изменяющаяся во времени функциональная сетевая информация, извлеченная из кратких случаев спонтанной активности мозга» . Труды Национальной академии наук . 110 (11): 4392–4397. Бибкод : 2013PNAS..110.4392L . дои : 10.1073/pnas.1216856110 . ISSN   0027-8424 . ПМК   3600481 . ПМИД   23440216 .
  20. ^ Лю, Сяо; Чанг, Кэти; Дуйн, Джефф Х. (1 января 2013 г.). «Разложение спонтанной активности мозга на отдельные паттерны совместной активации фМРТ» . Границы системной нейронауки . 7 : 101. дои : 10.3389/fnsys.2013.00101 . ПМЦ   3913885 . ПМИД   24550788 .
  21. ^ Чен, Цзинъюань Э.; Чанг, Кэти; Грейсиус, Майкл Д.; Гловер, Гэри Х. (01 мая 2015 г.). «Внедрение показателей паттернов совместной активации для количественной оценки спонтанной динамики сети мозга» . НейроИмидж . 111 : 476–488. doi : 10.1016/j.neuroimage.2015.01.057 . ПМЦ   4386757 . ПМИД   25662866 .
  22. ^ Чанг, К.; Гловер, GH (2010). «Временно-частотная динамика связей мозга в состоянии покоя, измеренная с помощью фМРТ» . НейроИмидж . 50 (1): 81–98. doi : 10.1016/j.neuroimage.2009.12.011 . ПМЦ   2827259 . ПМИД   20006716 .
  23. ^ Вайсман-Фогель, И.; Моайеди, М.; Тейлор, Канзас; Поуп, Г.; Дэвис, К.Д. (2010). «Когнитивные сети и сети состояний покоя в режиме по умолчанию: мужской и женский мозг «отдыхает» по-разному?» . Картирование человеческого мозга . 31 (11): 1713–1726. дои : 10.1002/hbm.20968 . ПМК   6870948 . ПМИД   20725910 .
  24. ^ Перейти обратно: а б Томпсон, Дж.Дж.; Магнусон, Мэн; Мерритт, доктор медицины; Шварб, Х.; Пан, WJ; МакКинли, А.; Трипп, Л.Д.; Шумахер, Э.Х.; Кейлхольц, SD (2013). «Кратковременные окна корреляции между крупномасштабными функциональными сетями мозга предсказывают бдительность внутри и между людьми» . Картирование человеческого мозга . 34 (12): 3280–3298. дои : 10.1002/hbm.22140 . ПМК   6870033 . ПМИД   22736565 .
  25. ^ Батталья, Демиан; Витт, Аннетт; Вольф, Фред; Гейзель, Тео (2012). «Динамическая эффективная связь межзональных цепей мозга». PLoS Вычислительная биология . 8 (3): e1002438.
  26. ^ Томпсон, Дж.Дж.; Мерритт, доктор медицины; Пан, WJ; Магнусон, Мэн; Грумс, Дж. К.; Джагер, Д.; Кейлхольц, SD (2013). «Нейронные корреляты изменяющихся во времени функциональных связей у крысы» . НейроИмидж . 83 : 826–836. doi : 10.1016/j.neuroimage.2013.07.036 . ПМЦ   3815981 . ПМИД   23876248 .
  27. ^ Тальязукки, Э; фон Вегнер, Ф; Морзелевский, А; Бродбек, В; Лауфс, Х (2012). «Динамическая функциональная связь BOLD у людей и ее электрофизиологические корреляты» . Границы человеческой неврологии . 6 : 339. дои : 10.3389/fnhum.2012.00339 . ПМЦ   3531919 . ПМИД   23293596 .
  28. ^ Чанг, К; Лю, З; Чен, MC; Лю, Х; Дуйн, Дж. Х. (2013). «ЭЭГ-корреляты изменяющихся во времени ЖИРНЫХ функциональных связей» . НейроИмидж . 72 : 227–36. doi : 10.1016/j.neuroimage.2013.01.049 . ПМК   3602157 . ПМИД   23376790 .
  29. ^ Мехрканун, С; Брейкспир, М; Бунстра, ТВ (2014). «Низкомерная динамика корковой активности в состоянии покоя». Топография мозга . 27 (3): 338–52. дои : 10.1007/s10548-013-0319-5 . ПМИД   24104726 . S2CID   16494240 .
  30. ^ Фростиг Р.Д., Готлиб Ю., Ваадиа Э. и Абелес М. Влияние стимулов на активность и функциональную связь локальных групп нейронов в слуховой коре кошки. Мозговой Рес. 272, 211–221 (1983)
  31. ^ Артсен А. и др. Нейронные взаимодействия в лобной коре ведущей обезьяны: признаки зависимости от стимульного контекста и поведенческого состояния. Дж.Хирнфорш. 32, 735–743 (1991)
  32. ^ Ахиссар, Э. и др. Зависимость корковой пластичности от коррелированной активности отдельных нейронов и поведенческого контекста. Наука 257, 1412-1415 (1992)
  33. ^ Арнстен, А.Ф.Т., Ван, М., Паспалас, К.Д. Нейромодуляция мышления: гибкости и уязвимости в синапсах префронтальной кортикальной сети. Нейрон. 76, 223–39 (2012)
  34. ^ Арнстен, AFT, Ван, М., Д'Эспозито. Динамическое сетевое соединение: от обезьян до людей. Передний шум нейронов. 18, 1353043 (2024)
  35. ^ Датта Д., Ян С. и др., Ключевые роли CACNA1C/Cav1.2 и CALB1/Calbindin в префронтальных нейронах, измененных при когнитивных расстройствах. JAMA Психиатрия. электронная публикация 22 мая (2024 г.)
  36. ^ Кучий, А; Саломонс, ТВ; Дэвис, К.Д. (2013). «Разум, отвлекающийся от боли, динамически задействует антиноцицептивные и дефолтные мозговые сети» . Труды Национальной академии наук . 110 (46): 18692–7. Бибкод : 2013PNAS..11018692K . дои : 10.1073/pnas.1312902110 . ПМК   3832014 . ПМИД   24167282 .
  37. ^ Кучий, А; Дэвис, К.Д. (2014). «Динамическое функциональное подключение сети в режиме по умолчанию отслеживает мечты». НейроИмидж . 100 : 471–80. doi : 10.1016/j.neuroimage.2014.06.044 . ПМИД   24973603 . S2CID   13082197 .
  38. ^ Дамараджу, Э.; Дж. Тернер; А. Преда; Т. Эрп Ван; Д. Маталон; Дж. М. Форд; С. Поткин; В.Д. Кэлхун (2012). «Статическая и динамическая функциональная сетевая связь в состоянии покоя при шизофрении». Американский колледж нейропсихофармакологии .
  39. ^ Сенди, MSE; Годфри Д. Перлсон; Дэниел Х. Маталон; Дж. М. Форд; А. Преда; Т. Эрп Ван; В.Д. Калхун (2021). «Множественные перекрывающиеся динамические паттерны зрительной сенсорной сети при шизофрении» (PDF) . Исследования шизофрении . 228 : 103–111. doi : 10.1016/j.schres.2020.11.055 . ПМИД   33434723 . S2CID   231391460 .
  40. ^ Джонс, DT; Вемури, П.; Мерфи, MC; Гюнтер, Дж.Л.; Сенджем, МЛ; Мачульда, ММ; Пшибельски, С.А.; Грегг, Бельгия; Кантарчи, К.; Нопман, Д.С.; Боев, Б.Ф.; Петерсен, Р.К.; Джек-младший, CR (2012). Он, Юн (ред.). «Нестационарность в модульной архитектуре «отдыхающего мозга»» . ПЛОС ОДИН . 7 (6): e39731. Бибкод : 2012PLoSO...739731J . дои : 10.1371/journal.pone.0039731 . ПМК   3386248 . ПМИД   22761880 .
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 4b196dd3561868ead6b2ea67b54ce117__1718365200
URL1:https://arc.ask3.ru/arc/aa/4b/17/4b196dd3561868ead6b2ea67b54ce117.html
Заголовок, (Title) документа по адресу, URL1:
Dynamic functional connectivity - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)