ریاضیات

نتیجه گیری و دستورالعمل های آینده

به طور خلاصه ، نتیجه گرفتیم که اتصالات عملکردی منفی شبکه مغز حالت استراحت ، مراکز را برای تشکیل توپولوژی شبکه به خصوص امضا شده و شبکه را به سمت حالت های تعادل بیشتر با انرژی های تعادل پایین سوق می دهد. پیوندهای منفی نقش مهمی در پایداری شبکه های حالت استراحت دارند ، رفتار جمعی آنها بی اهمیت نیست ، می تواند پیچیدگی مناطق مغز را آشکار کند. بنابراین تحقیقات بیشتری برای بررسی آنها لازم است.

با این وجود ، ما فقط تعادل شبکه های حالت استراحت را در بزرگسالان جوان بررسی کردیم. با این حال ، تحقیقات بیشتر در طول رشد و تحلیل رفتن مغز بالغ در کارهای آینده مورد نیاز است. همچنین ، ثبات و انتقال فاز شبکه های عملکردی وابسته به وظیفه و پویا را می توان با نظریه تعادل جستجو کرد. ما همچنین انتظار داریم که انرژی و تعادل شبکه های عملکردی مغز در اختلالات تکاملی عصبی مانند اوتیسم در یک حالت متلاشی شده (حالت های قابل فرایند) قرار گیرد که عملکرد رفتاری آنها را محدود می کند. سرانجام ، ما امیدواریم که مبنای توپولوژیکی تعادل بتواند راه حل های جدیدی برای فرار از آن کشورهای بهم ریخته ارائه دهد.

قابل اعتماد و متخصص:

روش

داده های تصویربرداری عصبی

ما 70 بزرگسال مرد سالم را از 2226 مورد موجود از مخزن ABIDE 27 انتخاب کردیم . شکلشکل 88روند انتخاب موضوع را نشان می دهد. همه افراد راست دست و از 18 تا 31 سال سن داشتند. هر شرکت کننده در همان جلسه تحت آزمایش MRI ساختاری با وزن T1 و اسکن fMRI در حالت استراحت قرار گرفت. MRI ساختاری با وضوح بالا T1 با استفاده از سریع آماده مغناطیسی به دست آمد. fMRI حالت استراحت نیز با استفاده از یک توالی EPI تک شات در شرایط بدون کار با چشم باز با زمان تکرار (TR) 2 ثانیه بدست آمد. ما اطلاعات دموگرافیکی افراد و پارامترهای اسکن مجموعه داده انتخاب شده را در جدول تکمیلی 2 گزارش کردیم . سرانجام ، ما برخی موارد را با مصنوعات مخرب (پارامترهای حرکتی بیش از یک اندازه وکسل) برای استخراج 57 نفر (سن = 24 + - 4) از بین بردیم.

شکل 8

روش انتخاب موضوع.

پیش پردازش تصاویر عملکردی حالت استراحت

ما از یک خط لوله پیش پردازش استاندارد استفاده کردیم که از کتابخانه نرم افزار FMRIB v5.0 (FSL: http://www.fmrib.ox.ac.uk/fsl ) 54 و تحلیل محیط NeuroImages عملکردی استفاده می کند (AFNI: http: // afni). nimh.nih.gov/afni ) 55. ما تمام تصاویر ساختاری را از فضاهای دوستانه FSL حذف کردیم و مغز را استخراج کردیم. سپس ، برای اطمینان از ثبات مغناطش ، پنج جلد اول تصاویر fMRI حالت استراحت را دور انداختیم. پس از آن ، ما اصلاح زمان برش برای حصارهای خرد شده با استفاده از درون یابی فوریه انجام دادیم. پس از آن ، ما با استفاده از حداقل الگوریتم مربع (3 متغیر ترجمه و 3 متغیر چرخشی بهینه شدند) ، حجم سه بعدی تصاویر کاربردی را با تصاویر با وضوح بالا مربوط به فضای بومی مربوطه ثبت کردیم. سپس ، ما با استفاده از یک تابع تحول مداوم ، نقاط زمانی خارج را درون یابی کرده و هر وکسل را به میانگین فعالیت های آن نرمال می کنیم. سپس با استفاده از یک تابع هسته گاوسی با عرض کامل در نصف حداکثر (FWHM) برابر 5 میلی متر ، از هموارسازی فضایی استفاده کردیم و فیلتراسیون گذرگاه باند زمانی (0.009-0) را انجام دادیم. 01 هرتز) در تصاویر کاربردی. برای آماده سازی برای تجزیه و تحلیل سطح گروه ، ما تصاویر سه بعدی را با استفاده از بهینه سازی 12 متغیر که مربوط به ترجمه ، چرخش ، مقیاس گذاری و برش بودند ، به فضای استاندارد MNI152 ثبت کردیم. سپس ، ما مخلوط حرکت (3 پارامتر ترجمه ای و 3 پارامتر چرخشی) ، ماده سفید (WM) و مایع نخاعی مغزی (CSF) را پس زدیم. سرانجام ، بررسی کردیم که آیا پارامترهای حرکتی تصاویر عملکردی کمتر از یک اندازه وکسل هستند یا خیر ، کیفیت استخراج و تقسیم بندی مغز در تصاویر ساختاری را بصری بررسی کردیم. در این راستا ، از 70 نفر 13 نفر نمی توانند معیارهای تصویربرداری را قبول کنند ، بنابراین آنها را از تجزیه و تحلیل بیشتر حذف کردیم. ما روش فوق الذکر را در کارهای قبلی خود نیز انجام داده و بررسی کرده ایم ما تصاویر سه بعدی را با استفاده از بهینه سازی 12 متغیر که مربوط به ترجمه ، چرخش ، مقیاس گذاری و برش هستند ، به صورت غیر خطی در فضای استاندارد MNI152 ثبت کردیم. سپس ، ما مخلوط حرکت (3 پارامتر ترجمه ای و 3 پارامتر چرخشی) ، ماده سفید (WM) و مایع نخاعی مغزی (CSF) را پس زدیم. سرانجام ، بررسی کردیم که آیا پارامترهای حرکتی تصاویر عملکردی کمتر از یک اندازه وکسل هستند یا خیر ، کیفیت استخراج و تقسیم بندی مغز در تصاویر ساختاری را بصری بررسی کردیم. در این راستا ، از 70 نفر 13 نفر نمی توانند معیارهای تصویربرداری را قبول کنند ، بنابراین آنها را از تجزیه و تحلیل بیشتر حذف کردیم. ما روش فوق الذکر را در کارهای قبلی خود نیز انجام داده و بررسی کرده ایم ما تصاویر سه بعدی را با استفاده از بهینه سازی 12 متغیر که مربوط به ترجمه ، چرخش ، مقیاس گذاری و برش هستند ، به صورت غیر خطی در فضای استاندارد MNI152 ثبت کردیم. سپس ، ما مخلوط حرکت (3 پارامتر ترجمه ای و 3 پارامتر چرخشی) ، ماده سفید (WM) و مایع نخاعی مغزی (CSF) را پس زدیم. سرانجام ، بررسی کردیم که آیا پارامترهای حرکتی تصاویر عملکردی کمتر از یک اندازه وکسل هستند یا خیر ، کیفیت استخراج و تقسیم بندی مغز در تصاویر ساختاری را بصری بررسی کردیم. در این راستا ، از 70 نفر 13 نفر نمی توانند معیارهای تصویربرداری را قبول کنند ، بنابراین آنها را از تجزیه و تحلیل بیشتر حذف کردیم. ما روش فوق الذکر را در کارهای قبلی خود نیز انجام داده و بررسی کرده ایم ما مخلوط حرکت (3 پارامتر ترجمه ای و 3 چرخشی) ، ماده سفید (WM) و مایع نخاعی مغزی (CSF) را قهقرا می کنیم. سرانجام ، بررسی کردیم که آیا پارامترهای حرکتی تصاویر عملکردی کمتر از یک اندازه وکسل هستند یا خیر ، کیفیت استخراج و تقسیم بندی مغز در تصاویر ساختاری را بصری بررسی کردیم. در این راستا ، از 70 نفر 13 نفر نمی توانند معیارهای تصویربرداری را قبول کنند ، بنابراین آنها را از تجزیه و تحلیل بیشتر حذف کردیم. ما روش فوق الذکر را در کارهای قبلی خود نیز انجام داده و بررسی کرده ایم ما مخلوط حرکت (3 پارامتر ترجمه ای و 3 چرخشی) ، ماده سفید (WM) و مایع نخاعی مغزی (CSF) را قهقرا می کنیم. سرانجام ، بررسی کردیم که آیا پارامترهای حرکتی تصاویر عملکردی کمتر از یک اندازه وکسل هستند یا خیر ، کیفیت استخراج و تقسیم بندی مغز در تصاویر ساختاری را بصری بررسی کردیم. در این راستا ، از 70 نفر 13 نفر نمی توانند معیارهای تصویربرداری را قبول کنند ، بنابراین آنها را از تجزیه و تحلیل بیشتر حذف کردیم. ما روش فوق الذکر را در کارهای قبلی خود نیز انجام داده و بررسی کرده ایم ما بررسی کردیم که آیا پارامترهای حرکتی تصاویر عملکردی کمتر از یک اندازه وکسل هستند یا خیر و بصری کیفیت استخراج و تقسیم بندی مغز را در تصاویر ساختاری بررسی می کنیم. در این راستا ، از 70 نفر 13 نفر نمی توانند معیارهای تصویربرداری را قبول کنند ، بنابراین آنها را از تجزیه و تحلیل بیشتر حذف کردیم. ما روش فوق الذکر را در کارهای قبلی خود نیز انجام داده و بررسی کرده ایم ما بررسی کردیم که آیا پارامترهای حرکتی تصاویر عملکردی کمتر از یک اندازه وکسل هستند یا خیر و بصری کیفیت استخراج و تقسیم بندی مغز را در تصاویر ساختاری بررسی می کنیم. در این راستا ، از 70 نفر 13 نفر نمی توانند معیارهای تصویربرداری را قبول کنند ، بنابراین آنها را از تجزیه و تحلیل بیشتر حذف کردیم. ما روش فوق الذکر را در کارهای قبلی خود نیز انجام داده و بررسی کرده ایم26 ، 56 ، 57 .