脑电活动模式区分相互交织的默认网络与额顶网络

大脑由在多种时间尺度上运作的分布式功能网络构成。来自精准fMRI的证据表明，包括默认网络（DN）、额顶控制网络（FPCN）和背侧注意网络（dATN）在内的经典网络，各自又分裂为多个精细交错分布的亚网络。然而，由于fMRI无法观测神经通讯所依赖的快速过程，仍需要从神经生理学层面刻画个体水平的网络分裂。为满足这一需求，我们开展了一项同步EEG-fMRI研究，包含每位受试者的多次采集、静息态与任务条件，以及用于优化伪迹校正的碳线环传感器。利用精准网络映射，我们发现了经典DN边界内两个网络在血氧水平依赖活动上可分离的电生理相关物。其中一个（DNa）与alpha和高beta功率呈更正相关，而另一个（DNb）与theta和低beta功率呈更负相关。单变量与机器学习分析进一步揭示了经典FPCN内部网络之间（FPCNa与FPCNb）的电生理分离，但dATN内部则未发现。网络特异的电生理活动模式在多次采集间具有可靠性，在静息态与高要求任务条件之间仅有适度变化，并且可在多个皮层区域中观察到不同网络相邻节点的此类模式。我们的发现为精细网络可能参与的、支持不同认知操作的节律性神经过程提供了洞见。

中文由 AI 翻译，仅供参考，以原文为准。