一种新的方法用于映射大脑各个区域的活动和连接，揭示了语言、认知和注意力等复杂功能的结构新理解。
一种新的方法用于映射大脑各个区域的活动和连接，揭示了语言、认知和注意力等复杂功能的结构新理解。
传统的脑活动模型主要将交互关系表述为两个特定区域之间的对。这一局限性源于建模技术的不充分发展，无法捕捉众多区域之间复杂的相互作用。
伯明翰大学的研究人员提出了一种突破性的方法，利用通过神经成像获得的信号来创建精确的模型。这些模型展示了大脑不同区域如何为特定功能和行为做出贡献。相关研究结果发表在自然通信上。
主要研究者恩里科·阿米科博士表示：“大脑作为一个复杂系统，依赖于区域群体之间的互动，而不仅仅是成对的互动。尽管我们理论上理解这一点，但我们直到现在才拥有必要的计算能力来进行建模。”
在这项研究中，团队利用在人体连接组项目期间收集的功能性磁共振成像(fMRI)数据，该项目是一个大规模计划，旨在绘制人脑的结构、功能和行为。
然而，fMRI扫描通常会产生“噪声”化的神经活动代表， necessitating applying statistical methods to refine the data and generate reliable estimates of interactions from the neuroimaging signals.
通过使用项目数据库中100个无关受试者的数据，研究人员创建了复杂的高阶互动模型，并在三个关键领域测试了其有效性。
在第一次测试中，他们成功识别出个体在fMRI扫描仪内进行的任务。在第二个领域，团队揭示他们能够通过其大脑信号精确定位特定个体，有效建立独特的神经指纹。最后，他们展示了区分高阶脑信号与低阶脑信号的能力，并将这些高阶信号与个体行为特征联系起来。
来自意大利CENTAI研究所的第一作者安德里亚·圣托罗博士评论道：“我们的这一方法经过健康参与者的数据验证，展示了该方法对神经科学研究的显著益处。未来，这一技术可能有助于建模神经退行性疾病患者的交互，如阿尔茨海默病，可能为大脑功能随时间的演变提供有价值的见解，甚至有助于早期识别症状。”
