
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于信息论变量的多任务fMRI脑活动分析框架及功能连接结构揭示
《Scientific Reports》:Entropy measures as indicators of connectivity paths in the human brain
【字体: 大 中 小 】 时间:2026年09月30日 来源:Scientific Reports 4.9
编辑推荐:
摘要我们开发了一种分析框架,借助于一组信息论变量来研究不同刺激下的脑活动。来自不同脑区的 fMRI 信号被视为时间序列,利用熵密度、有效测度复杂度以及通过 Lempel-Ziv 复杂度估计的信息距离来度量信息产生和模式冗余。这些估计器既不假设线性也不假设平稳性,因此线性和非线
我们开发了一种分析框架,借助于一组信息论变量来研究不同刺激下的脑活动。来自不同脑区的 fMRI 信号被视为时间序列,利用熵密度、有效测度复杂度以及通过 Lempel-Ziv 复杂度估计的信息距离来度量信息产生和模式冗余。这些估计器既不假设线性也不假设平稳性,因此线性和非线性动力学均对度量结果有所贡献。该框架无需生成模型、无需设计矩阵,也无需针对数据进行参数拟合;固定的选择仅为二值化阈值、激活标准的邻域大小以及连接图的距离阈值。该框架应用于人类连接组计划(Human Connectome Project)中运动、工作记忆、情绪识别和语言任务下的基于任务的 fMRI 数据,以及静息状态数据。复杂度熵图识别出的区域参与程度与公认的任务相关区域一致,提供了一种无模型的激活指标。随后利用区域对之间的 Lempel-Ziv 距离构建距离矩阵、树状图和连接图,从而揭示层次化和模块化的功能结构:活跃区域按功能特异性聚类,而非活跃区域则形成一个跨任务共享的密集互连骨干结构。由于该分析框架既不依赖于先验知识也不假设线性特性,因此它非常适合探索性研究以及脑连接研究,因为非线性相互作用发生在多个功能水平上。
生物通微信公众号