机构名称：
¥ 4.0
在系统神经科学中，大多数模型都认为大脑区域在效率的限制下传达信息。然而，以分层组织和高度连接的枢纽为特征的结构性大脑网络中有效沟通的证据仍然很少。有效编码的原则提出，大脑以代谢经济或压缩形式传输最大信息，以改善未来的行为。为了确定结构连通性如何支持有效的编码，我们开发了一个理论，指定大脑区域之间消息传输速率以实现预期的忠诚度，并且我们基于随机行走通信动态从理论中测试了五个预测。这样做，我们介绍了压缩效率的指标，该指标量化了结构网络中有损压缩和传输保真度之间的权衡。在大量的青年样本中（n = 1,042；年龄8 - 23岁），我们分析了源自扩散加权成像和使用脑血流量运行的代谢支出的结构网络。我们表明，结构网络罢工压缩效率与理论预测一致。我们发现，压缩效率优先于发展，在代谢资源和髓鞘沟通沟通时提高忠诚度，解释了分层组织的优势，将较高的投入保真度与面积不成比例的扩张联系起来，并表明枢纽通过损失压力整合信息。最后，压缩效率可以预测行为（超出常规网络效率指标），包括执行功能，记忆，复杂的推理和社会认知，包括行为。我们的发现阐明了宏观连接如何支持有效的编码，并用于前景通信过程，这些过程利用了受网络连接约束的随机步行动态。
在人脑连接学经济学中有效编码
主要关键词
相关文件推荐
