从相关矩阵的 r-谱数据驱动推断大脑动力学状态
神经元与认知
2026-01-08 v1
摘要
我们提出了一种数据驱动的框架，用于直接从单个主体的相关矩阵中表征大规模大脑动力学状态。通过将相关阈值化处理视为连通性的 percolation 类探针，该方法跟踪多个簇级和网络级可观测量，并识别出一种特征 percolation 阈值 rc ，在该阈值处这些信号特征会收敛。我们将 rc 作为一种操作性且具有物理解释性的大脑动力学状态描述符。应用于来自 996 名健康个体的静息状态 fMRI 数据，该方法得到稳定的、按主体划分的估计值，这些估计值与诸如时间自相关等已知的动力学指标一起系统地变化。对已知临界区域的全脑模型的数值仿真进一步表明，rc 能够跟踪在可控激活性变化下集体动力学的变化。通过用相关结构内在的准则取代任意阈值选择，r-谱提供了一种对比个体间大脑动力学状态的物理依据方法。
引用
@article{arxiv.2601.03796,
title = {Data-driven inference of brain dynamical states from the r-spectrum of correlation matrices},
author = {Christopher Gabaldon and Adria Mulero and Rong Wang and Daniel A. Martin and Sabrina Camargo and Qian-Yuan Tang and Ignacio Cifre and Changsong Zhou and Dante R. Chialvo},
journal= {arXiv preprint arXiv:2601.03796},
year = {2026}
}