通过人类连接组上的神经消息传递建模功能性静息态脑网络
神经元与认知
2019-06-14 v1 无序系统与神经网络
统计力学
适应与自组织系统
摘要
理解人脑结构与功能之间的关系是神经科学中最重要的开放问题之一。特别是静息态网络(RSN)，更具体地说是大脑默认模式网络(DMN)，其由功能数据分析所定义，缺乏与大脑解剖结构一致的确定性解释。在本工作中，我们表明一种可能的联系自然基于如下观点：信息在大脑中通过宏观结构之间的神经消息传递动力学流动，例如由人类连接组(HC)所定义的结构。在我们的模型中，HC中的每个脑区被假设具有二值行为（激活或不激活），它们之间的相互作用强度编码于HC定义的解剖连接矩阵中，系统动力学由在人类连接组临界点附近工作的神经消息传递算法——置信传播(BP)——定义。我们表明，在缺乏直接外部刺激时，BP算法收敛到与DMN相似的激活空间图。此外，我们使用易感性传播(SP)计算了不同区域之间的相关矩阵，并表明由该矩阵聚类所定义的模块类似于实验确定的若干静息态网络。两个结果均提示，功能性DMN和RSN可被视为大脑解剖结构和宏观区域间神经消息传递动力学的简单后果。我们随后展示了初步结果，表明我们关于当解剖脑网络遭受结构异常（如阿尔茨海默病和胼胝体损伤）时功能性DMN图如何变化的预测。
引用
@article{arxiv.1906.05369,
title = {Modeling functional resting-state brain networks through neural message passing on the human connectome},
author = {Julio A. Peraza-Goicolea and Eduardo Martínez-Montes and Eduardo Aubert and Pedro A. Valdés-Hernández and Roberto Mulet},
journal= {arXiv preprint arXiv:1906.05369},
year = {2019}
}