• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

联合方法揭示人类大脑网络中的任务激活动态。

Combined methods reveal task activation dynamics in human brain networks.

机构信息

Department of Psychology, Northwestern University, Evanston, Illinois, United States of America.

出版信息

PLoS Biol. 2022 Aug 19;20(8):e3001749. doi: 10.1371/journal.pbio.3001749. eCollection 2022 Aug.

DOI:10.1371/journal.pbio.3001749
PMID:35984785
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC9390891/
Abstract

A clear understanding of how human brain networks reflect task performance has been lacking, in part due to methodological difficulties. A new study combines the temporal resolution of EEG, MRI source localization, and multivariate modeling to address this need.

摘要

人们对于人类大脑网络如何反映任务表现的理解还很不清楚，部分原因是存在方法学上的困难。一项新的研究结合了 EEG 的时间分辨率、MRI 源定位和多元建模，以满足这一需求。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/3a48/9390891/bd198830f5af/pbio.3001749.g001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/3a48/9390891/bd198830f5af/pbio.3001749.g001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/3a48/9390891/bd198830f5af/pbio.3001749.g001.jpg

相似文献

1
Combined methods reveal task activation dynamics in human brain networks.联合方法揭示人类大脑网络中的任务激活动态。
PLoS Biol. 2022 Aug 19;20(8):e3001749. doi: 10.1371/journal.pbio.3001749. eCollection 2022 Aug.
2
Reconstructing Large-Scale Brain Resting-State Networks from High-Resolution EEG: Spatial and Temporal Comparisons with fMRI.从高分辨率脑电图重建大规模脑静息态网络：与功能磁共振成像的时空比较
Brain Connect. 2016 Mar;6(2):122-35. doi: 10.1089/brain.2014.0336. Epub 2015 Oct 13.
3
Multimodal integration of fMRI and EEG data for high spatial and temporal resolution analysis of brain networks.功能磁共振成像和脑电图数据的多模态整合，用于大脑网络的高空间和时间分辨率分析。
Brain Topogr. 2010 Jun;23(2):150-8. doi: 10.1007/s10548-009-0132-3. Epub 2010 Jan 6.
4
Recording human electrocorticographic (ECoG) signals for neuroscientific research and real-time functional cortical mapping.记录用于神经科学研究和实时功能性皮层图谱绘制的人类皮层脑电图（ECoG）信号。
J Vis Exp. 2012 Jun 26(64):3993. doi: 10.3791/3993.
5
EEG/fMRI fusion based on independent component analysis: integration of data-driven and model-driven methods.基于独立成分分析的脑电图/功能磁共振成像融合：数据驱动与模型驱动方法的整合
J Integr Neurosci. 2012 Sep;11(3):313-37. doi: 10.1142/S0219635212500203. Epub 2012 Sep 17.
6
Spatiotemporal dynamics of the brain at rest--exploring EEG microstates as electrophysiological signatures of BOLD resting state networks.静息态大脑的时空动力学——探索 EEG 微观状态作为静息态 BOLD 网络的电生理特征。
Neuroimage. 2012 May 1;60(4):2062-72. doi: 10.1016/j.neuroimage.2012.02.031. Epub 2012 Feb 22.
7
Joint EEG/fMRI state space model for the detection of directed interactions in human brains--a simulation study.用于检测人脑定向相互作用的联合 EEG/fMRI 状态空间模型——一项模拟研究。
Physiol Meas. 2011 Nov;32(11):1725-36. doi: 10.1088/0967-3334/32/11/S01. Epub 2011 Oct 25.
8
Temporal order of signal propagation within and across intrinsic brain networks.内在脑网络内和跨网络的信号传播的时间顺序。
Proc Natl Acad Sci U S A. 2021 Nov 30;118(48). doi: 10.1073/pnas.2105031118.
9
Detecting large-scale networks in the human brain using high-density electroencephalography.使用高密度脑电图检测人类大脑中的大规模网络。
Hum Brain Mapp. 2017 Sep;38(9):4631-4643. doi: 10.1002/hbm.23688. Epub 2017 Jun 20.
10
Optimizing EEG Source Reconstruction with Concurrent fMRI-Derived Spatial Priors.利用同步功能磁共振成像衍生的空间先验信息优化脑电图源重建
Brain Topogr. 2022 May;35(3):282-301. doi: 10.1007/s10548-022-00891-3. Epub 2022 Feb 10.

引用本文的文献

1
Advances in differential diagnosis of cerebrovascular diseases in magnetic resonance imaging: a narrative review.磁共振成像在脑血管疾病鉴别诊断中的进展：一项叙述性综述。
Quant Imaging Med Surg. 2023 Apr 1;13(4):2712-2734. doi: 10.21037/qims-22-750. Epub 2023 Feb 22.

本文引用的文献

1
Network modeling of dynamic brain interactions predicts emergence of neural information that supports human cognitive behavior.动态大脑相互作用的网络建模预测了支持人类认知行为的神经信息的出现。
PLoS Biol. 2022 Aug 18;20(8):e3001686. doi: 10.1371/journal.pbio.3001686. eCollection 2022 Aug.
2
Functional Brain Networks Are Dominated by Stable Group and Individual Factors, Not Cognitive or Daily Variation.功能性大脑网络主要由稳定的群体和个体因素决定，而不是认知或日常变化。
Neuron. 2018 Apr 18;98(2):439-452.e5. doi: 10.1016/j.neuron.2018.03.035.
3
The FieldTrip-SimBio pipeline for EEG forward solutions.
FieldTrip-SimBio 脑电正向解决方案流水线。
Biomed Eng Online. 2018 Mar 27;17(1):37. doi: 10.1186/s12938-018-0463-y.
4
Activity flow over resting-state networks shapes cognitive task activations.静息态网络上的活动流塑造了认知任务激活。
Nat Neurosci. 2016 Dec;19(12):1718-1726. doi: 10.1038/nn.4406. Epub 2016 Oct 10.
5
Cortical information flow during flexible sensorimotor decisions.灵活的感觉运动决策过程中的皮质信息流。
Science. 2015 Jun 19;348(6241):1352-5. doi: 10.1126/science.aab0551.
6
Multivariate pattern analysis of fMRI: the early beginnings.功能磁共振成像的多变量模式分析：早期起源。
Neuroimage. 2012 Aug 15;62(2):852-5. doi: 10.1016/j.neuroimage.2012.03.016. Epub 2012 Mar 9.
7
Functional network organization of the human brain.人类大脑的功能网络组织。
Neuron. 2011 Nov 17;72(4):665-78. doi: 10.1016/j.neuron.2011.09.006.
8
Behavioral interpretations of intrinsic connectivity networks.内在连接网络的行为解释。
J Cogn Neurosci. 2011 Dec;23(12):4022-37. doi: 10.1162/jocn_a_00077. Epub 2011 Jun 14.