大规模静息脑网络的分隔、整合与平衡配置不同的认知能力
神经元与认知
2022-04-25 v1
摘要
多样的认知过程对局部分隔与全局整合的脑活动提出了不同需求。然而，静息态大脑如何配置其功能组织以平衡网络分隔与整合的需求从而最好地服务于认知，目前仍不清楚。在此，我们采用基于特征模态的方法识别功能脑网络中的层级模块，并量化网络分隔与整合之间的功能平衡。在一个大型健康年轻成人样本（n=991）中，我们将全脑静息态功能磁共振成像（fMRI）数据与基于扩散张量成像导出的结构网络的均值场模型相结合，证明静息态脑网络平均接近平衡状态。该状态允许在分隔与整合构型间平衡地停留时间，并在二者之间高度灵活地切换。此外，我们采用结构方程模型从九项任务中估计一般与领域特异性认知表型，并证明静息态脑中的网络分隔、整合及其平衡可预测多种认知表型的个体差异。更具体地，更强的整合与一般认知能力更好相关，更强的分隔促进晶体智力与加工速度，而个体偏向平衡的趋势支持更好的记忆。我们的发现为大脑支持多样功能需求与认知能力的功能原理提供了全面而深入的理解，并推进了人类认知的现代网络神经科学理论。
引用
@article{arxiv.2103.00475,
title = {Segregation, integration and balance of large-scale resting brain networks configure different cognitive abilities},
author = {Rong Wang and Mianxin Liu and Xinhong Cheng and Ying Wu and Andrea Hildebrandt and Changsong Zhou},
journal= {arXiv preprint arXiv:2103.00475},
year = {2022}
}
备注
36 pages, 5 figures