運動想象是一個多維度的高級腦認知活動,被廣泛應用于腦-機接口控制和臨床康復。然而,運動想象應用背后的神經機制仍然不清楚。為進一步理解運動想象潛在的神經機制,從大尺度水平探索運動想象的動態(tài)腦網絡連接,征集26名健康被試進行運動想象功能磁共振掃描實驗�；谶\動想象任務態(tài)磁共振數(shù)據(jù),首先,利用獨立成分分析,獲取11個大尺度功能子網絡,并提取子網絡對應的時間序列;然后,利用滑窗分析法,構建動態(tài)網絡連接矩陣,并對所有的連接矩陣進行k-means聚類分析,得到狀態(tài)依賴的動態(tài)連接;最后,利用網絡統(tǒng)計分析方法,評估左/右手運動想象動態(tài)網絡連接差異。結果表明,機器學習方法能更有效地獲取數(shù)據(jù)特征,得到基于數(shù)據(jù)驅動的最優(yōu)窗長為31個時間點,并且對左/右手運動想象的分類準確率達75.6%;運動想象大尺度網絡連接模式是一種狀態(tài)依賴的動態(tài)變化過程,共聚類出4個動態(tài)重構連接模式;左/右手運動想象大尺度動態(tài)網絡連接模式的特異性,主要體現(xiàn)在額頂網絡（FPN）和背側注意網絡（DAN）與其他子網絡之間的交互上。該研究的發(fā)現(xiàn),為理解運動想象潛在的神經機制提供新的觀點。 

【文章來源】：中國生物醫(yī)學工程學報. 2019年04期 第409-416頁 北大核心

【文章頁數(shù)】：8 頁

【文章目錄】：
引言
1 方法
    1.1 選擇被試
    1.2 實驗設計
    1.3 fMRI數(shù)據(jù)采集與預處理
    1.4 大尺度網絡動態(tài)分析流程
    1.5 獨立成分提取和選擇
    1.6 動態(tài)功能網絡連接計算
    1.7 聚類與狀態(tài)分析
    1.8 網絡統(tǒng)計分析
2 結果
    2.1 大尺度功能腦網絡
    2.2 最優(yōu)窗長選擇
    2.3 動態(tài)網絡狀態(tài)聚類分析
    2.4 動態(tài)網絡狀態(tài)差異分析
3 討論
4 結論



本文編號：2897424