脑复杂网络的刚度与阻尼特性分析

脑神经系统与机械振动系统表现出相似的振荡行为.机械系统的振荡与刚度和阻尼密切相关,但脑神经系统是否具有刚度和阻尼特性尚不清楚.基于经典的FitzHugh-Nagumo(FHN)神经元模型,建立了以通道打开概率为状态变量,并具有非线性变刚度和变阻尼的神经元振动力学模型.首先,通过分析单FHN神经元的动力学行为,给出了负阻尼和弱刚度支持FHN神经元动作电位产生,以及强阻尼诱发神经元不应期的动力学机制.其次,建立了大尺度脑复杂网络振动力学模型,分析了系统相对应的主刚度和主阻尼,发现了静息态大脑左半球的刚度和阻尼低于右半球,高级功能系统的刚度和阻尼低于低级功能系统.再次,通过变化全局耦合强度参数,给出了中等程度的刚度和阻尼支持静息态大脑功能性平衡的证据.最后,基于3种认知任务和统计学因子分析,发现了执行控制功能与静息态大脑较低的刚度和较高的阻尼有关.文章通过单个FHN神经元和脑复杂网络分析,揭示了脑神经系统的刚度和阻尼特性.

抑郁症的脑复杂网络研究进展

抑郁症是一种伴有情绪和认知功能损害、临床表现多样的常见精神性疾病。随着影像技术的发展,抑郁症伴随着大脑特定区域的结构和功能网络异常已被得到广泛证实。基于图论的脑复杂网络分析提示了抑郁症中大规模功能性和结构性脑网络的拓扑结构紊乱,这为早期发现抑郁症提供了潜在的有价值的生物标记物。本文综述近年来抑郁症的脑复杂网络研究进展,进而分析现有研究中基本结果和潜在不足,最后展望了未来可能的发展方向。

复杂脑网络研究进展

复杂网络的研究方法是近年来对生物网络、社会网络及技术网络等真实网络进行研究的新兴方法.利用这一方法,可以从大脑皮层结构性网络、功能性网络以及效率性网络等不同角度着手对大脑的功能性分割和功能性整合两个主要功能进行研究,并进一步讨论其生长和发展演化,以期揭示支配大脑运作的规律.

复杂脑网络分析在神经精神疾病中的研究进展

近年来复杂脑网络分析从全脑角度出发,在神经精神疾病的研究中成为热点。复杂脑网络分析有助于促进对神经精神疾病机制的认识并具有提供相关影像学标记的潜在价值,可能为临床对神经精神疾病的诊断和疗效评价提供新的方法。随着多学科的共同进步,复杂脑网络分析将在神经精神疾病的研究中发挥越来越大的作用。本文介绍复杂脑网络所涉及的基本概念,并对与其相关的疾病进行综述。

基于图论的复杂脑网络分析

近年来基于图论的复杂网络分析极大地推进了人类对于脑网络组织模式的认识。本文首先介绍了基于图论的复杂脑网络分析中常用的几个度量,包括节点属性度量和网络属性度量。然后简要介绍了基于这些度量进行复杂脑网络分析的一些研究结果,其中包括针对正常人脑以及神经精神疾病病人脑。最后讨论了复杂脑网络分析领域待解决的问题。

拓扑数据分析在复杂脑网络分析中的应用

针对复杂脑网络分析中网络结构变化阈值选择中没有公认的标准确定合适阈值这一问题,基于拓扑分析中的持续同调性理论,本文提出一种多尺度大脑网络建模分析方法,该方法在大脑全尺度距离范围之内,通过不断增加阈值,运用Rips过滤算法捕获网络的动态持续拓扑特征,并用条形码和持续图对拓扑特征可视化,最后通过计算持续图之间的Bottleneck距离和Wasserstein距离分析持续特征的稳定性。实验结果表明,该方法能更准确地提取大脑网络的拓扑结构特征并提高诊断分类的准确性。

基于图论的复杂脑网络分析在精神疾病中的研究进展

近年来基于图论的复杂脑网络分析,为精神疾病从全脑分析的角度提供了新的视角。根据其网络属性的改变获得相关疾病的潜在神经机制和可能的生物学标记。介绍复杂脑网络基本概念,并对精神疾病的研究结果进行综述。

复杂脑网络分析在甲状腺疾病认知异常中的应用

甲状腺疾病是临床上常见的内分泌疾病之一,甲状腺激素的异常分泌可通过神经信号传导变化、氧化应激加剧、中枢神经系统中β-淀粉样蛋白转化或葡萄糖代谢异常而导致患者认知功能的恶化。近年来,复杂脑网络分析方法作为脑网络模型的重要量化工具,其系统化分析的优势,不仅有助于对神经精神疾病发病机制的认识,而且具有提供影像学标记物的潜在价值,为临床探究甲状腺疾病患者大脑结构和功能的变化提供了新的方法学视角。本文就复杂脑网络分析方法在甲状腺疾病患者认知异常研究中的应用进行综述。

抑郁症的脑网络失调:来自图论分析的证据

以脑成像数据为支撑,基于图论的复杂脑网络分析实现了在大尺度上对于大脑的整体定量分析,克服了传统抑郁症病理改变研究仅关注少数几个脑区的缺点。本文主要总结了:(1)基于图论的脑网络分析的概念;(2)基于图论的抑郁症研究现状;(3)以往传统研究的不足,抑郁症脑网络研究的当前总结和未来展望。总体来说:抑郁症病人脑网络的小世界属性依旧存在,但在节点指标上存在明显的异常,且随疾病发展呈线性变化,整个网络趋向于随机化。区域性的异常主要存在于默认网络和前额叶?边缘系统环路。未来研究中,任务状态下的脑网络构建和"最小生长树"技术的应用可能会为抑郁症病人的脑网络异常提供更多的信息。

基于fNIRS的脑功能连接研究综述

脑功能连接是指脑皮质区域间在神经生理活动上的相互关联,在大脑功能分析中具有重要的地位和作用。功能性近红外光谱技术(functional near-infrared spectroscopy,fNIRS)作为一种新兴的神经影像学工具在脑功能连接的研究领域中愈加受到重视。本文首先简要介绍了fNIRS应用于脑功能检测的基本原理,并结合f MRI从多角度分析了fNIRS应用在静息态脑功能连接研究中的优势与可行性,然后重点介绍了脑功能连接的两种主要分析方法——种子相关分析和基于图论的静息态复杂脑网络分析,最后讨论了基于fNIRS的脑功能连接在认知障碍及相关疾病研究中的应用,使读者对基于fNIRS的脑功能连接的基本理论、研究方法及发展现状有一个较为清晰全面的了解。

确定性小世界特性记忆网络的建模与算法

为了形象直观的了解脑功能记忆小世界网络的形成及演化机制,采用复杂网络确定性建模的方法对记忆过程进行模拟,通过记忆节点及连边的抽取,建立符合记忆解剖特征和逻辑意义的连边机制.以集合为数据结构的建模算法仿真了小世界特性的记忆网络,同时数据元素的检索算法符合记忆特征.通过理论分析和数据仿真表明对脑功能记忆网络进行确定性建模是可行的.

静息态功能磁共振成像在轻微型肝性脑病中的研究进展

轻微型肝性脑病(MHE)是严重肝病的常见并发症之一,临床表现不明显,容易进展成为显性肝性脑病。目前,临床上尚无诊断这一疾病的“金标准”。静息态功能磁共振成像(rs-fMRI)是一项基于静息态功能网络研究的磁共振成像技术,主要反映自发神经活动,研究方法包括局部功能、功能连接和复杂脑网络。rs-fMRI技术因其检查方便、患者配合度高等优势,在MHE发病机制的研究中已成为热点。本文就静息态功能磁共振成像的发展及其在MHE中的研究进行综述。

大脑状态动力学研究分析

基于图论分析的脑网络研究表明脑网络具有小世界特性,该文介绍基于最小生成树的K-Means算法将全脑按功能划分脑区,并利用隐马尔科夫模型揭示隐藏的大脑状态以及状态间转换的规律性,为了衡量网络内聚力的程度,采用奇异值分解与滑动窗口结合的算法。揭示了在静息态下,网络间的转换是非任意的,呈现出两个不同的亚稳态网络系统。同时提供了一种衡量网络内部凝聚力的方法。

脑网络:从脑结构到脑功能

越来越多的证据表面脑连接反映了信息在脑内的处理过程,但是,到目前未知,我们还没有完全理解脑连接和脑内信息动态处理之间的复杂关系。本文从脑结构到脑功能方面介绍了从不同模态影像学数据构造脑网络的主要进展。我们首先给出了网络的基本定义,然后分别介绍了利用DTI构造结构网络,利用fMRI构造功能网络的方法。随后,我们探讨了不同的脑疾病(特别是阿尔茨海默病和精神分裂症)患者脑网络拓扑结构是否发生了异常,最后对本领域未来的研究做了简单的展望。

Sleeping of a Complex Brain Networks with Hierarchical Organization

The dynamical behavior in the cortical brain network of macaque is studied by modeling each cortical area with a subnetwork of interacting excitable neurons. We characterize the system by studying how to perform the transition, which is now topology-dependent, from the active state to that with no activity. This could be a naive model for the wakening and sleeping of a brain-like system, i.e., a multi-component system with two different dynamical behavior.