MétaCan
Menu
Retour à la cohorte
Enregistrement W2115447029 · doi:10.3389/fnhum.2015.00478

Spontaneous functional network dynamics and associated structural substrates in the human brain

2015· article· en· W2115447029 sur OpenAlexaff
Xuhong Liao, Tengda Zhao, Zhengjia Dai, Ni Shu, Mingrui Xia, Yihong Yang, Alan C. Evans, Yong He

Notice bibliographique

RevueFrontiers in Human Neuroscience · 2015
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesNational Science Fund for Distinguished Young ScholarsState Key Laboratory of Cognitive Neuroscience and LearningNational Natural Science Foundation of China
Mots-clésConnectomicsHuman brainNeuroscienceDynamic functional connectivityConnectomeHuman Connectome ProjectComputer scienceFunctional connectivityResting state fMRIPsychology

Résumé

récupéré en direct d'OpenAlex

Recent imaging connectomics studies have demonstrated that the spontaneous human brain functional networks derived from resting-state functional MRI (R-fMRI) include many non-trivial topological properties, such as highly efficient small-world architecture and densely connected hub regions. However, very little is known about dynamic functional connectivity (D-FC) patterns of spontaneous human brain networks during rest and about how these spontaneous brain dynamics are constrained by the underlying structural connectivity. Here, we combined sub-second multiband R-fMRI data with graph-theoretical approaches to comprehensively investigate the dynamic characteristics of the topological organization of human whole-brain functional networks, and then employed diffusion imaging data in the same participants to further explore the associated structural substrates. At the connection level, we found that human whole-brain D-FC patterns spontaneously fluctuated over time, while homotopic D-FC exhibited high connectivity strength and low temporal variability. At the network level, dynamic functional networks exhibited time-varying but evident small-world and assortativity architecture, with several regions (e.g., insula, sensorimotor cortex and medial prefrontal cortex) emerging as functionally persistent hubs (i.e., highly connected regions) while possessing large temporal variability in their degree centrality. Finally, the temporal characteristics (i.e., strength and variability) of the connectional and nodal properties of the dynamic brain networks were significantly associated with their structural counterparts. Collectively, we demonstrate the economical, efficient, and flexible characteristics of dynamic functional coordination in large-scale human brain networks during rest, and highlight their relationship with underlying structural connectivity, which deepens our understandings of spontaneous brain network dynamics in humans.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,786

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,043
Tête enseignante GPT0,264
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations72
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Human NeuroscienceMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207