State-dependent relationship between lower and higher order networks in fMRI brain dynamics
Notice bibliographique
Résumé
Resting-state functional magnetic resonance imaging (fMRI) is a powerful tool for exploring the brain's functional organization. Functional connectivity (FC) is a commonly studied feature of fMRI data defined as the temporal correlation between activity patterns in pairs of brain regions. A major discovery of the past two decades of FC research has been the identification of consistent modular groupings in brain region time series correlations, commonly known as resting-state networks (RSNs). A second major discovery is the observation that RSNs in cortex are organized spatially along a functional/anatomical gradient. At one end of this gradient are 'lower order' networks (LONs), predominantly specialized for unimodal information processing. At the other end are 'higher order' networks (HONs), responsible for integrating multimodal information. Unlike the stable structural connectivity (SC) based on fixed anatomical links, FC fluctuates over time, and varies across brain regions. FC coordination within RSNs depends on SC, forming interconnected networks that regulate cognition, emotion, and behavior. The aim of the present study was to understand better how RSNs interact and communicate, based on their underlying SC. We used a whole-brain connectome-based neural mass modelling approach to study resting-state and task-based fMRI FC data. Following virtual SC lesions in the model, we characterized the FC changes within and between RSNs, and observed how these changes varied across different cognitive states. Our findings reveal how FC dynamics depend on underlying SC, highlighting the flexibility of these interactions across different brain states. LON lesions generally decrease FC within and between other LONs, and vice-versa for HON lesions. At rest, we observed a mutual antagonism between LONs and HONs, which was reversed during task conditions, with certain tasks increasing coordination between LONs and HONs. These results highlight the dynamic nature of brain network interactions, influenced by brain states and task demands. Our findings also have implications for clinical practice, offering insights into conditions such as brain tumors and stroke.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».