探索任务态功能磁共振成像中的时空网络转换

认知神经科学的一个关键问题是，认知状态之间的转换如何从功能脑网络的动态活动中产生。然而，当前的方法论难以同时评估脑网络随认知状态变化的空间和时间变化。在此，我们将简单的数据重组与空间独立成分分析（ICA）相结合，实现了时空 ICA（stICA），从而捕捉任务开始和结束期间网络的一致演化。该技术应用于涉及休息与任务交替的功能磁共振成像（fMRI）数据集以及简单的合成数据。感兴趣时段（锚点）的起始和结束时间点定义在任务块的开始和结束处。对于每位受试者，提取每个锚点后的十个容积并在空间上进行拼接，生成单个三维样本。所有锚点和受试者的样本沿第四维进行拼接。该四维数据集使用 ICA 分解为时空成分。其中一个成分展示了任务 onset 时的转换：默认模式网络（DMN）活性降低，而额顶控制网络（FPCN）活性增强。我们观察到了其他与理解网络动态相关的变化，例如，DMN 显示出变化的空间分布，从休息时的后部/下部失活模式转变为任务期间的前部/上部失活模式。通过将分析锚定在与任务开始和结束相关的时段，我们的方法揭示了伴随这些转换的网络活动动态的新颖方面。重要的是，这些发现无需预先指定空间网络或任务时间过程即可观察到。