Multimodal functional network connectivity: an EEG-fMRI fusion in network space.
Multimodal functional network connectivity: an EEG-fMRI fusion in network space.
复制标题
多模态功能网络连接：网络空间中的 EEG-fMRI 融合
DOI：
10.1371/journal.pone.0024642
复制
发表时间：
2011
期刊：
影响因子：
3.7
通讯作者：
Yao D
中科院分区：
文献类型：
--
作者：
Lei X;Ostwald D;Hu J;Qiu C;Porcaro C;Bagshaw AP;Yao D
EEG和fMRI记录测量了分布在大脑皮层的多个连贯网络的功能活动。从互补的神经电信号和血流动力学信号中识别网络相互作用可能有助于解释不同大脑区域之间的复杂关系。本文提出了多模式功能网络连通性(MFNC)在网络空间进行脑电信号和功能磁共振的融合。首先，使用空间独立分量分析(ICA)分别提取每个通道的功能网络(FN)。然后用格兰杰因果分析(GCA)探讨了各通道中FN之间的相互作用。最后，使用基于网络的信源成像(NESOI)在空间域中将fMRI FN与EEG FN进行匹配。对合成数据和真实数据的研究表明，mFNC有可能分别揭示每种模式的潜在神经网络，以及它们的组合。有了mFNC，FN之间的全面关系可能被揭示出来，以便深入探索特定任务或神经状态下的神经活动和代谢反应。
EEG and fMRI recordings measure the functional activity of multiple coherent networks distributed in the cerebral cortex. Identifying network interaction from the complementary neuroelectric and hemodynamic signals may help to explain the complex relationships between different brain regions. In this paper, multimodal functional network connectivity (mFNC) is proposed for the fusion of EEG and fMRI in network space. First, functional networks (FNs) are extracted using spatial independent component analysis (ICA) in each modality separately. Then the interactions among FNs in each modality are explored by Granger causality analysis (GCA). Finally, fMRI FNs are matched to EEG FNs in the spatial domain using network-based source imaging (NESOI). Investigations of both synthetic and real data demonstrate that mFNC has the potential to reveal the underlying neural networks of each modality separately and in their combination. With mFNC, comprehensive relationships among FNs might be unveiled for the deep exploration of neural activities and metabolic responses in a specific task or neurological state.
登录
查看更多内容
影响因子：
5.7
作者：
Deshpande, Gopikrishna;Sathian, K.;Hu, Xiaoping
通讯作者：
Hu, Xiaoping
影响因子：
3.7
作者：
GEWEKE, JF
通讯作者：
GEWEKE, JF
影响因子：
5.7
作者：
Friston, Karl J.;Harrison, Lee;Mattout, Jeremie
通讯作者：
Mattout, Jeremie
影响因子：
5.7
作者：
Friston, Karl J.;Mattout, Jeremie;Penny, Will
通讯作者：
Penny, Will
影响因子：
5.7
作者：
Jafri, Madiha J.;Pearlson, Godfrey D.;Calhoun, Vince D.
通讯作者：
Calhoun, Vince D.