Dynamic functional connectivity using state-based dynamic community structure: Method and application to opioid analgesia

ما یک روش جدید، ساختار جامعه پویا مبتنی بر دولت ارائه می دهیم که ساختار جامعه وابسته به زمان را در شبکه های منطقه مغز تشخیص می دهد. اکثر تحلیل های اتصال قابلیت ها فرض می کنند که رفتار شبکه در زمان استاتیک است یا بین شرایط کار با زمان شناخته شده متفاوت است. هدف ما این است که تعیین کنیم که آیا توپولوژی شبکه مغزی در طول زمان ثابت باقی می ماند یا اینکه تغییرات در سازمان شبکه در زمان های نا مشخص زمانی اتفاق می افتد. تغییرات در سازماندهی شبکه ممکن است به تغییرات در وضعیت عصبی مرتبط باشد، مانند موارد مرتبط با یادگیری، جذب مواد مخدر یا شرایط آزمایشگاهی. با استفاده از یک مدل بلوک تصادفی مارکف مخفی، یک ساختار جامعه وابسته به زمان را تعریف می کنیم. ما این رویکرد را برای داده های یک آزمایش تصویربرداری رزونانس مغناطیسی کاربردی مورد بررسی قرار می دهیم که در آن چگونگی اثرات متقابل عوامل ضددردی ناشی از دارو تاثیر می گذارد. نتایج نشان می دهد که شبکه هایی که درگیر درد، حافظه کاری و احساسات هستند، پروفایل های متفاوتی از اتصال متناوب را نشان می دهند.