From correlation to communication: Disentangling hidden factors from functional connectivity changes.
From correlation to communication: Disentangling hidden factors from functional connectivity changes.
复制标题
DOI：
10.1162/netn_a_00290
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Smith DM
中科院分区：
文献类型：
--
作者：
Yu Y;Gratton C;Smith DM
虽然BOLD fMRI信号中的相关性被广泛用于捕获功能连接（FC）及其在上下文中的变化，但其解释往往是模糊的。多个因素的纠缠，包括两个邻居的本地耦合和来自网络其余部分的非本地输入（影响一个或两个区域），限制了仅从相关性测量中得出结论的范围。在这里，我们提出了一种方法，估计非本地网络输入的FC变化在不同的情况下的贡献。为了将任务引起的耦合变化的影响从网络输入变化中分离出来，我们提出了一个新的度量标准，“通信变化”，利用BOLD信号的相关性和方差。结合模拟和实证分析，我们表明，（1）从网络的其余部分的输入占一个温和的，但显着量的任务引起的FC的变化和（2）所提出的“通信变化”是一个有前途的候选人跟踪本地耦合任务上下文引起的变化。此外，当与三种不同任务的FC变化相比时，通信变化可以更好地区分特定的任务类型。总而言之，这种新的局部耦合指数可能有许多应用，以提高我们对大规模功能网络中局部和广泛相互作用的理解。
While correlations in the BOLD fMRI signal are widely used to capture functional connectivity (FC) and its changes across contexts, its interpretation is often ambiguous. The entanglement of multiple factors including local coupling of two neighbors and nonlocal inputs from the rest of the network (affecting one or both regions) limits the scope of the conclusions that can be drawn from correlation measures alone. Here we present a method of estimating the contribution of nonlocal network input to FC changes across different contexts. To disentangle the effect of task-induced coupling change from the network input change, we propose a new metric, “communication change,” utilizing BOLD signal correlation and variance. With a combination of simulation and empirical analysis, we demonstrate that (1) input from the rest of the network accounts for a moderate but significant amount of task-induced FC change and (2) the proposed “communication change” is a promising candidate for tracking the local coupling in task context-induced change. Additionally, when compared to FC change across three different tasks, communication change can better discriminate specific task types. Taken together, this novel index of local coupling may have many applications in improving our understanding of local and widespread interactions across large-scale functional networks.
登录
查看更多内容
DOI：
10.1073/pnas.0504136102
发表时间：
2005-07-05
影响因子：
11.1
作者：
Fox, MD;Snyder, AZ;Raichle, ME
通讯作者：
Raichle, ME
影响因子：
2.5
作者：
Behseta, Sam;Berdyyeva, Tamara;Kass, Robert E.
通讯作者：
Kass, Robert E.
影响因子：
3.7
作者：
Allen, Elena A.;Damaraju, Eswar;Calhoun, Vince D.
通讯作者：
Calhoun, Vince D.
影响因子：
5.7
作者：
Daunizeau, J.;Stephan, K. E.;Friston, K. J.
通讯作者：
Friston, K. J.
影响因子：
3
作者：
Cole MW;Yang GJ;Murray JD;Repovš G;Anticevic A
通讯作者：
Anticevic A