科研人员开发出刻画脑网络交互模式的分析方法
文章导读
你是否想过，大脑在执行不同任务时，其内部的“网络对话”是如何动态切换的？传统分析方法往往只能捕捉单一信号，难以揭示这种精密的协作机制。现在，中国科学院心理研究所的团队开发出一种名为“特征相似性”的全新分析方法，它通过整合多维时间序列特征，首次清晰捕捉到了大脑网络交互随任务需求而动态重组的直观证据。例如，它发现了背侧注意网络在工作记忆和长时记忆任务中，会分别与不同网络增强“交流”。这项突破性方法，为精准解码人类灵活行为背后的神经密码，提供了更灵敏的钥匙。
— 内容由好学术AI分析文章内容生成，仅供参考。
准确建立大脑功能与认知行为之间的关联，需采用能够灵敏测量脑网络交互模式的研究方法。目前，主流分析方法大多聚焦如时间相关性等单一交互指标，忽略了大脑交互涉及多维特征的整合，这导致现有方法难以可靠地刻画脑网络交互模式随任务调节而变化的机制。鉴于交互指标的选择直接影响学界对大脑功能组织的理解，因而亟需发展能够整合多维度特征、刻画脑网络情境依赖性交互的更全面的方法。
近日，中国科学院心理研究所研究团队开发出新的脑网络交互分析方法——特征相似性。该方法通过整合多种具有明确解释性的时间序列特征，系统性刻画了脑区及脑网络之间的交互模式，即从每个脑区的时间序列信号中提取多维特征，进而计算这些特征之间的相关性。
研究证实，特征相似性方法可有效捕捉大脑的功能组织结构，即同一功能网络内脑区之间的特征相似性明显高于不同网络之间的相似性，且该方法还能揭示大脑从单模态皮层到跨模态皮层的功能梯度。与传统的基于皮尔逊相关的功能连接方法相比，该方法表现出更强的任务调节敏感性。同时，该方法揭示了背侧注意网络中存在的任务依赖性双重分离现象，即在工作记忆任务中，背侧注意网络与视觉网络的交互更强，而在长时记忆任务中，其与默认模式网络的交互明显增强。这一发现直观反映了大脑网络交互模式随任务需求动态重组的机制。进一步分析表明，这种任务依赖性的双重分离现象仅在49种统计成对交互指标中的3种特定参数组合下才能被捕捉，凸显了特征相似性相比单一交互指标方法具有更高的灵敏度与特异性。
该研究对推动认知神经科学领域精准刻画大脑网络交互模式，揭示人类灵活行为背后的神经机制具有重要意义。
相关研究成果发表在《通讯-生物学》（Communications Biology）上。研究工作得到国家科技创新2030-“脑科学与类脑研究”重大项目和国家自然科学基金等的支持。
特征相似性和功能连接的分析流程
属于同一个网络的脑区有更强的功能连接和特征相似性
功能连接和特征相似性的主成分分析显示，其中两个成分具有相似性，而另一个成分表现出明显差异
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
所以本质上就是换了种计算相关性的方式？感觉原理上并没有特别颠覆性的创新啊。
厉害了！中科院心理所的工作一直很扎实，这个研究对理解大脑动态机制应该很有帮助。👍
这种新方法对数据量要求高吗？普通实验室的设备能跑起来不？
有点没太看懂，特征相似性跟传统功能连接比，具体优势在哪？是计算速度还是解释性？
背侧注意网络那个双重分离现象具体是怎么测出来的？有没有更详细的参数说明？
之前做脑电分析时也感觉单一指标不够用，这个多维思路或许能解决一些问题。
感觉这个方法挺有意思的，希望能看到更多应用案例。