Task-residual functional connectivity of language and attention networks.
Task-residual functional connectivity of language and attention networks.
复制标题
DOI：
10.1016/j.bandc.2018.02.003
复制
发表时间：
2018-04
影响因子：
2.5
通讯作者：
Crosson B
中科院分区：
文献类型：
--
作者：
Tran SM;McGregor KM;James GA;Gopinath K;Krishnamurthy V;Krishnamurthy LC;Crosson B
使用任务残差数据的函数连通性利用了从时间序列中去除与任务相关的平均信号后的剩余方差。比较了任务残留型和静止型两种数据类型在语言和注意领域的网络特异性程度。基于任务残差数据的功能连接表明，语言和注意连接的侧向性更强，因此与相同连接的静止状态功能连接相比，网络专用性更强。因此，任务残差的网络节点之间的协方差可以反映两个区域在其特定活动中协调的程度，而不是一般的共享共同激活。任务-剩余功能连接为静息状态提供补充数据，强调任务参与过程中的网络关系。
Functional connectivity using task-residual data capitalizes on remaining variance after mean task-related signal is removed from a time series. The degree of network specificity in language and attention domains featured by task-residual and resting-state data types were compared. Functional connectivity based on task-residual data evidenced stronger laterality of the language and attention connections and thus greater network specificity compared to resting-state functional connectivity of the same connections. Covariance between network nodes of task-residuals may thus reflect the degree to which two regions are coordinated in their specific activity, rather than a general shared co-activation. Task-residual functional connectivity provides complementary data to that of resting-state, emphasizing network relationships during task engagement.
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：
4.8
作者：
McGregor KM;Nocera JR;Sudhyadhom A;Patten C;Manini TM;Kleim JA;Crosson B;Butler AJ
通讯作者：
Butler AJ
影响因子：
5.7
作者：
Nachev P;Wydell H;O'neill K;Husain M;Kennard C
通讯作者：
Kennard C
影响因子：
3.2
作者：
Devlin, JT;Matthews, PM;Rushworth, MFS
通讯作者：
Rushworth, MFS
基于ICA的人工制品去除和加速fMRI获取，以改善静止状态网络成像。
影响因子：
5.7
作者：
Griffanti L;Salimi-Khorshidi G;Beckmann CF;Auerbach EJ;Douaud G;Sexton CE;Zsoldos E;Ebmeier KP;Filippini N;Mackay CE;Moeller S;Xu J;Yacoub E;Baselli G;Ugurbil K;Miller KL;Smith SM
通讯作者：
Smith SM