NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
İnsan beyni, zaman içinde fonksiyonel bağlantı kalıplarını sürekli olarak yeniden yapılandıran dinamik bir ağ sistemidir. Bu nedenle, hızlı beyin dinamiklerini yeterince tespit edebilen yaklaşımlar geliştirmek kritik öneme sahiptir. Özellikle ilgi çekici olan, beyin ağlarının modüler yapısını analiz eden yöntemlerdir, yani yoğun olarak birbirine bağlı olan bölge kümelerinin varlığıdır. Bu makalede, dinlenme ve görev sırasında zaman içinde dinamik olarak dalgalanan hızlı modüler durumları tanımlamak için yeni bir çerçeve önermekteyiz. Simule edilmiş verileri kullanarak bu çerçevenin fizibilitesini ve alaka düzeyini göstererek işe başladık. Diğer yöntemlerle karşılaştırıldığında, algoritmamız simüle edilmiş ağları yüksek temporal ve uzamsal birikimlerle tanımlayabildi. Önerilen çerçeveyi, bir parmak hareketi görevi sırasında kaydedilen MEG verileri üzerine daha da uyguladık, somatosensör ve birincil motor bölgelerini birbirine bağlayan modüler durumları tanımladık. Algoritma, bir resim adlandırma görevi sırasında kaydedilen yoğun EEG verileri üzerinde de gerçekleştirildi ve görsel işleme, semantik işleme ve dille ilgili birkaç modüler durum arasındaki alt saniye geçişini ortaya çıkardı. Daha sonra, parkinson hastalığı olan 124 hastadan kaydedilen dinlenme durumu yoğun EEG sinyallerinin veri kümesi üzerinde yöntemimizi test ettik. Sonuçlar, bilişsel olarak bozulmamış hastaları, orta derecede bilişsel eksiklikleri olan hastaları ve ciddi bilişsel eksiklikleri olan hastaları ayıran beyin modüler durumlarını ortaya çıkardı. Yeni yaklaşımımız klasik yöntemleri tamamlayarak, beyin modüler durumlarını, sağlıklı deneklerde ve hastalarda, yeterli göreve özgü bir zaman ölçeğinde izlemenin yeni bir yolunu sunuyor.
Özgün kaynak özetini okuyun
The human brain is a dynamic networked system that continually reconfigures its functional connectivity patterns over time. Thus, developing approaches able to adequately detect fast brain dynamics is critical. Of particular interest are the methods that analyze the modular structure of brain networks, that is, the presence of clusters of regions that are densely interconnected. In this paper, we propose a novel framework to identify fast modular states that dynamically fluctuate over time during rest and task. We started by demonstrating the feasibility and relevance of this framework using simulated data. Compared with other methods, our algorithm was able to identify the simulated networks with high temporal and spatial accuracies. We further applied the proposed framework on MEG data recorded during a finger movement task, identifying modular states linking somatosensory and primary motor regions. The algorithm was also performed on dense-EEG data recorded during a picture naming task, revealing the subsecond transition between several modular states that relate to visual processing, semantic processing, and language. Next, we tested our method on a dataset of resting-state dense-EEG signals recorded from 124 patients with Parkinson's disease. Results disclosed brain modular states that differentiate cognitively intact patients, patients with moderate cognitive deficits, and patients with severe cognitive deficits. Our new approach complements classical methods, offering a new way to track the brain modular states, in healthy subjects and patients, on an adequate task-specific timescale.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.