机构名称：
¥ 2.0
复杂问题解决是人类大脑的一项高级认知任务，近十年来一直受到研究。伦敦塔 (TOL) 是一款广泛用于研究复杂问题解决的游戏。在本文中，我们旨在探索复杂问题解决及其子任务（即规划和执行）的解剖区域之间的底层认知网络结构。提出了一种用于估计 fMRI 记录每个时刻的大脑网络的新计算模型。所提出的方法将大脑网络建模为人工神经网络，其中权重对应于大脑解剖区域之间的关系。该模型的第一步是预处理，以减少空间冗余，同时提高 fMRI 记录的时间分辨率。然后，使用预处理的 fMRI 信号估计动态大脑网络以训练人工神经网络。研究估计的大脑网络的特性，以识别感兴趣的区域，例如密集连接的大脑区域的中心和子组。通过解码复杂问题解决的规划和执行子任务，展示了建议大脑网络的表征能力。我们的发现与实验心理学以前的研究结果一致。此外，我们还观察到，与执行阶段相比，规划阶段的枢纽更多，并且与执行阶段相比，规划阶段的集群连接更紧密。
通过动态脑网络分析复杂问题解决
主要关键词
相关文件推荐
