静息微状态网络 (RMN)：皮层分布、动力学及频率特异性信息流
神经元与认知
2014-11-18 v2 定量方法
摘要
脑微状态的特征在于具有随时间变化振幅的、独特且固定的电活跃神经元空间分布。据假设，微状态实现了大脑在执行特定神经计算期间的功能/生理状态。基于此假设，脑电活动被建模为具有可变有限持续时间的非重叠微状态的时间序列 (Lehmann and Skrandies 1980, 1984; Lehmann et al 1987)。在本研究中，对 109 名参与者在闭眼静息条件下的 EEG 记录进行了四种微状态的建模。在第一部分，引入了一种新的验证性统计方法，用于确定产生每个微状态的电神经元活动的皮层分布。所有微状态都具有共同的后扣带回发生器，而其中三种微状态还包含左枕叶/顶叶、右枕叶/顶叶和前扣带回皮层的活动。这似乎是代谢计算（PET/fMRI）的默认模式网络 (DMN) 的碎片化版本，支持了这四个区域以高时间分辨率顺序激活，且慢速代谢成像对应于低通滤波版本的观点。在本研究的第二部分，利用微状态振幅时间序列作为基础，估算了由微状态转换介导的连接强度、方向性和频谱特征（即哪些振荡被优先传输）。结果表明，后扣带回是一个重要的枢纽，向所有其他微状态发生器区域发送 alpha 和 beta 振荡信息。有趣的是，除了 alpha 振荡外，beta 振荡对于维持静息态大脑至关重要。
引用
@article{arxiv.1411.1949,
title = {The resting microstate networks (RMN): cortical distributions, dynamics, and frequency specific information flow},
author = {Roberto D Pascual-Marqui and Dietrich Lehmann and Pascal Faber and Patricia Milz and Kieko Kochi and Masafumi Yoshimura and Keiichiro Nishida and Toshiaki Isotani and Toshihiko Kinoshita},
journal= {arXiv preprint arXiv:1411.1949},
year = {2014}
}
备注
pre-print, technical report, The KEY Institute for Brain-Mind Research (Zurich), Kansai Medical University (Osaka)