抽象的尖峰耦合耦合表征了在两个不同尺度上观察到的神经生理活性之间的关系:一方面,神经元产生的动作电位,另一方面是介绍性的“轨道”信号,反映了subthreshold活性。这提供了有关特定单元在网络动力学中的作用的见解。但是,基于多元数据评估神经回路的5个整体组织需要超越成对方法,并且在很大程度上没有解决。我们开发了广义相位锁定分析(GPLA),作为单变量尖峰耦合的多通道扩展。GPLA估计了场活性和神经合奏的主要时空分布以及它们之间的耦合强度。我们证明了在各种生物物理神经元网络模型和犹他州阵列记录中,这10种方法的统计益处和可解释性。特别是,我们表明GPLA与神经场建模相结合,有助于解开复发相互作用对在多渠道记录中观察到的时空动力学的贡献。
。CC-BY-NC-ND 4.0 国际许可证下可用(未经同行评审认证)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2022 年 12 月 24 日发布。;https://doi.org/10.1101/2022.05.12.491630 doi:bioRxiv 预印本
蓝斑 (LC) 是去甲肾上腺素能投射到前脑的主要来源,在前额叶皮层中,它与决策和执行功能有关。睡眠期间,LC 神经元与皮层慢波振荡相位锁定。尽管人们对这种慢节奏感兴趣,但由于它们与行为的时间尺度相对应,因此在清醒状态下很少报告这种慢节奏。因此,我们研究了在执行注意力转移任务的清醒大鼠中,LC 神经元与超慢节奏的同步性。前额叶皮层和海马中的局部场电位 (LFP) 振荡周期约为 0.4 Hz,与关键迷宫位置的任务事件相位锁定。事实上,超慢节奏的连续周期显示出不同的波长,因此这些不是周期性振荡。同时记录的前额叶皮层和海马中的超慢节奏也显示出不同的周期持续时间。这里记录的大多数 LC 神经元(包括光遗传学识别的去甲肾上腺素能神经元)都与这些超慢节律相位锁定,LFP 探针上记录的海马和前额叶单元也是如此。超慢振荡还对伽马振幅进行相位调制,将这些行为时间尺度上的节律与协调神经元同步的节律联系起来。LC 神经元与超慢节律协同释放的去甲肾上腺素将有助于同步或重置这些大脑网络,从而实现行为适应。
图2确定主要的内在耦合模式(DOCM)。(a)用于识别两个AAL ATLAS ROI(左上额回,右额叶的右额回)之间使用的方法的示意图,以在静止状态MEG记录期间连续两个1 S滑动时间窗(t 1,t 2)。在此示例中,来自两个虚拟传感器的频带通信信号之间的功能相互依赖性通过虚拟相位锁定(IPLV)索引。以这种方式,在两个虚拟传感器之间计算IPLV,以用于相同频率振荡(例如δ至δ)或不同频率之间(例如δ至θ;潜在的内在耦合模式[PICM])。使用替代数据进行参考的统计过滤来评估每个IPLV值是否与机会有显着不同。在t 1期间,DOCM反映了δ和α2振荡之间的显着相位锁定(由红色矩形表示),而在t 2期间,发现δ和θ振荡之间的主要相互作用。(b)左上额回和右上额回之间的DOCM爆发。可以认为此包装将DOCM系列中包含的“字母”分组,以形成神经”单词。”,代表许多DOCM的可能集成(Leinekugel等,2002)。
自从发现 [1,2] 以来,EEG 已越来越多地应用于基础研究、临床研究和工业研究。针对每个领域,都陆续开发出了特定的工具。这些工具包括:(i) 利用微电极进行脑内记录 [3,4],该方法可以识别 EEG 信号的神经元来源,并更好地理解 EEG 活动的生理机制;(ii) 大平均法,包括由重复事件 (视觉、听觉、体感……) 触发的一系列试验的平均值 [5],该方法开启了诱发相关电位 (ERP) 领域的研究,最近包括 EEG 源发生器 [8–10] 在内的 EEG 动力学工具 [6,7] 丰富了这一研究领域; (iii) 将 EEG 用于神经反馈和脑机接口 (BCI) [ 11 , 12 ]。过去,这些领域及其相关工具是分开发展的,但计算资源和实验数据的日益普及推动了横向方法和方法论桥梁的发展。视觉诱发电位 (VEP) 是一种特殊的 ERP,从枕叶皮质记录的 EEG 信号中提取,可由不同类型的视觉刺激触发,从简单(如棋盘格)[ 13 ,第 14 页,15 ] 到更复杂的视觉刺激(如人脸、3D 或运动图像)[ 14 , 16 – 20 ]。VEP 是通过计算大量正在进行的 EEG 信号试验的总平均值获得的(见公式 1),从而产生精心设计且易于识别的电位,随后可用于更好地理解视觉输入的连续处理阶段。然而,这些诱发反应来自至少两种不同的机制,分别源自加法模型或振荡模型 [8, 21 – 24]。对于加法模型,诱发反应来自对感觉输入的自下而上的连续处理。这会产生特定序列的单相诱发成分峰,这些峰最初嵌入自发 EEG 背景中。后者 EEG 活动被视为噪声,并通过随后的平均排除。对于振荡模型,诱发电位可能是由于特定频带内正在进行的 EEG 节律的相位锁定所致。这种 EEG 相位重组可以通过试验间一致性 (ITC) 来测量,作为对外部刺激的反应。从根本上讲,只有当相关 EEG 功率没有同时变化(增加或减少)时,这种测量才有意义。在这种情况下,我们处于纯相位锁定状态,诱发反应仅归因于正在进行的 EEG 振荡的重组。例如,体感诱发电位的 N30 分量就是这种情况,其中 70% 的幅度归因于纯相位锁定 [ 25 ]。事实上,在大多数 ERP 研究中,会出现混合情况(功率变化和相位锁定),这使得基础和临床解释变得困难。另一个缺点是,在大多数诱发电位研究中,对一组受试者进行的是总体平均值。虽然总体平均值方法可以得到适当的统计数据[26]和关于基本或临床结果的实际结论,但它掩盖了从临床角度来看可能至关重要的个体特性。当诊断工具基于总体平均值诱发电位[27]时,这个问题尤其重要。同样,对总体平均值数据应用逆建模[10,28]可以非常有效地识别ERP发生器[19,29-31],但不利于确定个体特征。面对这些缺点,
目的:伽马同步是大脑皮层的一个基本功能特性,在多种神经精神疾病(如精神分裂症、阿尔茨海默病、中风等)中会受损。伽马范围内的听觉刺激可以驱动整个皮质层的伽马同步,并评估维持它的机制的效率。由于伽马同步在很大程度上取决于小清蛋白阳性中间神经元和锥体神经元之间的相互作用,我们假设皮质厚度和伽马同步之间存在关联。为了验证这一假设,我们采用了脑磁图 (MEG) - 磁共振成像 (MRI) 联合研究。方法:根据解剖 MRI 扫描估计皮质厚度。与 40 Hz 调幅音调曝光相关的 MEG 测量值被投射到皮质表面。我们考虑了两种皮质同步性测量方法:(a)40 Hz 下的试验间相位一致性,提供伽马同步的顶点估计值;(b)初级听觉皮质与整个皮质套层之间的相位锁定值,提供长距离皮质同步性的测量。然后计算了 72 次 MRI-MEG 扫描的皮质厚度与同步性测量结果之间的相关性。结果:试验间相位一致性和相位锁定值均与皮质厚度呈显著的正相关。对于试验间相位一致性,在颞叶和额叶发现了强关联的簇,尤其是在双侧听觉皮质和运动前皮质中。相位锁定值越高,额叶、颞叶、枕叶和顶叶的皮质厚度就越厚。讨论和结论:在健康受试者中,较厚的皮质对应于初级听觉皮质及其他部位的较高伽马同步和连接性,这可能反映了参与伽马回路的潜在细胞密度。这一结果暗示伽马同步与潜在大脑结构一起参与了高级认知功能的大脑区域。这项研究有助于理解固有的皮质功能和大脑结构特性,这反过来可能构成定义伽马同步异常患者的有用生物标志物的基础。
方法:在目前的工作中,我们引入了拉普拉斯矩阵,以将功能连接特征(即相位锁定值(PLV),Pearson相关系数(PCC),频谱相干(COH)和共同信息(MI)转换为半阳性运营商,以确保转换为正面的功能。然后,使用SPD网络来提取深空信息,并采用完全连接的层来验证提取特征的效果。,决策层融合策略用于实现更准确和稳定的识别结果,并研究了不同特征组合的分类性能的差异。更重要的是,还研究了应用于功能连接功能的最佳阈值。
胃体中的 Cajal 肌间质细胞网络充当着胃的“起搏器”,持续产生约 0.05 Hz 的电慢波,主要通过迷走神经传入神经传递到大脑。最近的一项研究将静息态功能磁共振成像 (rsfMRI) 与同步表面胃电图 (EGG) 相结合,将皮肤电极放置在上腹部,发现 12 个大脑区域的活动与胃基础电节律明显相位锁定。因此,我们探究使用空间独立成分分析 (ICA) 方法估计的大脑静息态网络 (RSN) 的波动是否可能与胃同步。在本研究中,为了确定任何 RSN 是否与胃节律相位锁定,对一名参与者进行了 22 次扫描;在每个会话中,获取两次 15 分钟的 EGG 和 rsfMRI 数据。三个会话的 EGG 数据具有微弱的胃信号而被排除;其余 19 个会话总共产生了 9.5 小时的数据。使用组 ICA 分析 rsfMRI 数据;估计 RSN 时间进程;对于每次运行,计算每个 RSN 和胃信号之间的锁相值 (PLV)。为了评估统计意义,所有“不匹配”数据对(在不同日期获取的 EGG 和 rsfMRI 数据)的 PLV 被用作替代数据来生成每个 RSN 的零分布。在总共 18 个 RSN 中,发现三个与基础胃节律显著锁相,即小脑网络、背部体感运动网络和默认模式网络。肠脑轴负责维持中枢神经系统与内脏之间的内感受反馈,其紊乱被认为与多种疾病有关;脑部 rsfMRI 数据中胃部亚慢节律的表现可能对临床人群研究有用。
大脑同步性是一种神经系统现象,其中两个或多个个体在形成共享活性时会在相位激活。我们提出了神经灾难,这是一种扩展的现实(XR)鼓声体验,允许两个玩家同时测量他们的大脑信号,同时测量他们的大脑信号。我们计算相位锁定值(PLV)来确定其大脑同步性,并使用它直接影响他们在游戏中的视觉和听觉体验,从而创建封闭的反馈循环。在一项试点研究中,我们记录并分析了用户的大脑信号,并让他们回答了一份主观问卷,以了解他们与伴侣的同步性和整体经验。从结果中,我们讨论了对改善神经库的设计含义,并提出了将大脑同步性整合到交互式体验中的方法。