机构名称：
¥ 1.0
自发的大脑活动为外部需求期间人类认知处理的基础奠定了基础。基于功能磁共振成像（fMRI）的神经影像学研究确定了自发（内在）脑动力学的特定特征，这些特征与一般认知能力的个体差异相关，即智力。然而，fMRI研究本质上受到时间分辨率低的限制，因此阻止了关于毫秒内神经波动的结论。在这里，我们使用了来自144名健康成年人的静止状态脑电图（EEG）录音（EEG）录音，以测试是否可以从智力上的个体差异（Raven的先进的渐进式矩阵得分）来预测，可以从时间上高度分辨的内在脑脑sig-nals的复杂性中预测。我们比较了大脑信号复杂性的不同操作（多尺度熵，香农熵，模糊熵和微骨与智能关系的特定特征）。结果表明，大脑信号复杂性度量与智力之间的关联具有较小的效应大小（R; 0.20），并且在不同的空间和时间尺度上有所不同。具体来说，较高的智力得分与神经处理的局部方面的复杂性较低，而属于默认模式网络的任务阴性大脑区域的活动较少。最后，我们结合了大脑信号复杂性的多个测量方法，以表明可以通过样品中的多模式（10倍交叉验证）以及在独立的样品（外部复制，n = 57）中进行多模型的多模型来显着预测单个智力得分。总的来说，我们的结果强调了智力和内在的大脑动力学之间关联的时间和空间依赖性，并提出mul-timodal方法是对复杂人类特征的未来神经科学研究的有希望的手段。
多模式的大脑信号复杂性预测人类智力
主要关键词
相关文件推荐
