本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
客觀的。預測如何透過內部或外部控制將大腦驅動到特定狀態需要對神經連接和活動之間的關係有基本的了解。網路控制理論是物理和工程科學中的一個強大工具，可以提供有關這種關係的見解。它正式研究了複雜系統的動力學如何從其互連單元的底層結構中產生。方法。鑑於網路控制理論最近在神經科學中的應用，現在是時候為結構性大腦網路的可控性的方法論考慮提供實用指南了。在這裡，我們提供了該框架的系統概述，檢查了建模選擇對經常研究的控制指標的影響，並提出了潛在有用的理論擴展。我們的討論、數值演示和理論進展基於高解析度擴散成像資料集，該資料集包含 10 名健康年輕人在大約 1 小時的掃描時間內獲得的 730 個擴散方向。主要結果。在對理論進行教學性介紹之後，我們探討了建模選擇的選擇如何影響四種常見的統計量：平均可控性、模態可控性、最小控制能量和最適控制能量。接下來，我們以兩種方式擴展目前最先進的技術：首先，透過開發結構連通性的替代測量方法，該方法可以解釋透過鄰接組織的活動的徑向傳播，其次，透過定義一個補充指標來量化系統能量景觀的複雜性。我們以具體的建模建議和方法限制的討論作為結束。意義。我們希望，這個易於理解的帳戶將激勵神經影像界更充分地利用網路控制理論在解決認知、發育和臨床神經科學中緊迫問題方面的潛力。