How to Interpret Resting-State fMRI: Ask Your Participants

 J Neurosci. 2021 Feb 10; 41(6): 1130–1141.

doi: 10.1523/JNEUROSCI.1786-20.2020

PMCID: PMC7888219

PMID: 33568446

How to Interpret Resting-State fMRI: Ask Your Participants

Javier Gonzalez-Castillo,corresponding author1 Julia W.Y. Kam,2,3 Colin W. Hoy,4 and Peter A. Bandettini1,5

安静時fMRI（rsfMRI）は、タスクに制約されない環境において、被験者が心を自由にさまよわせながら脳のダイナミクスを明らかにするものです。その結果、安静時被験者は、認知・知覚状態の豊かな空間（すなわち、現在進行形の経験）をナビゲートする。この継続的な経験がrsfMRIの概要指標（例えば、機能的結合性）をどのように形成するかは不明であるが、被験者内および被験者間の差異に独自に寄与している可能性が高い。ここでは、rsfMRIにおける継続的な経験の役割を理解するためには、標準化され、時間的に解決され、科学的に検証された一人称の経験に関する記述を入手することが必要であると主張する。また、fMRI研究に適した内省的な手法で、そのような記述を得るためのベストプラクティスを提案する。最後に、rsfMRIの病因に関する差し迫った疑問に答えるために、これら2種類のデータを融合させるためのガイドラインを示す。

DEEPL

ネットワークダイナミクスは、意識レベルに応じて変化する

NeuroImage

In Press, 

Network dynamics scale with levels of awareness

CAM dataset: The data are available from the corresponding author upon request.

LON dataset: Freely available from https://openneuro.org/datasets/ds003171/versions/1.0.0

動的スモールワールド性が意識の指標になる。

LONデータはすぐ手に入る模様。次の解析はこれか。

CAMも公開してほしい。

自発的な神経活動から認知を読み解く

 Decoding cognition from spontaneous neural activity

Yunzhe Liu, Matthew M. Nour, Nicolas W. Schuck, Timothy E. J. Behrens & Raymond J. Dolan 

https://www.nature.com/articles/s41583-022-00570-z

レビュー

大規模fMRI信号のデータ品質と動的モデリングとの交差について

On the intersection between data quality and dynamical modelling of large-scale fMRI signals

M.AquinoabBenFulcherbStuartOldhamaLindenParkeseLeonardoGolloaGustavoDeco1acdAlexFornito1a

https://doi.org/10.1016/j.neuroimage.2022.119051

前処理の影響。

計算による脳の構造・活動・認知機能の連関

 Linking Brain Structure, Activity, and Cognitive Function through Computation

Katrin Amunts, Javier DeFelipe, Cyriel Pennartz, Alain Destexhe, Michele Migliore, Philippe Ryvlin, Steve Furber, Alois Knoll, Lise Bitsch, Jan G. Bjaalie, Yannis Ioannidis, Thomas Lippert, Maria V. Sanchez-Vives, Rainer Goebel and Viktor Jirsa

eNeuro 25 February 2022, 9 (2) ENEURO.0316-21.2022; DOI: https://doi.org/10.1523/ENEURO.0316-21.2022

レビュー。Human Brain ProjectからEBRAINSへの流れ

脳の複雑性に関する記述あり

安静時の脳結合は映画鑑賞時の活動の個人差を予測する

 Brain connectivity at rest predicts individual differences in normative activity during movie watching

Author(s): David C. Gruskin, Gaurav H. Patel

https://doi.org/10.1016/j.neuroimage.2022.119100

メモ。

カオスと意識

https://www.pnas.org/content/119/7/e2024455119

意識、カオス的臨界、大脳皮質情報処理との関係の仮説を提示。

Fig1のDeepL訳

大脳皮質の電気力学は、意識状態ではカオス的臨界点付近に位置し、無意識状態ではこの臨界点から離れる方向に遷移する可能性を示唆する。この仮説によれば、大脳皮質の電気力学が臨界点から離れてカオス相（動的不安定性）または周期相（超安定性）に移行すると、大脳皮質の情報処理が破綻し、無意識が誘発されると考えられる。つまり、カオス性と大脳皮質の情報処理には逆U字型の関係があり、意識状態の大脳皮質ダイナミクスはこの逆U字型の頂点に近い（すなわち。また、無意識状態の皮質ダイナミクスは、逆U字の右下（不安定で情報に乏しい領域）か左下（超安定で情報に乏しい領域）にあると考えられる（1, 2, 22）。このようなカオス性と情報処理との逆U字関係は、他の多くの力学系で観測されているが（6⇓⇓9）、脳ではまだ経験的に観測されたことはない。

何を言ってい（以下略

臨界点というのがよくわからないが，カオスすぎてもだめ，安定してても駄目ということは理解した。

Rで画像解析

 https://www.sciencedirect.com/science/article/pii/S1053811922000076?dgcid=rss_sd_all

deeplさんによると

ciftiTools Rパッケージは、CIFTIおよびGIFTIファイル用のユーザーフレンドリーなインターフェースです。

読み取り、書き込み、可視化、計算、操作をサポートしています。

プロットは静的または対話型であり、R Markdown文書に埋め込むことができます。

cifiToolsは、Rの統計ツールとグレー座標データの間のギャップを埋めるものです。

とのこと。

ってことはNIFTIには対応していないのか。

https://cran.r-project.org/web/packages/RNifti/RNifti.pdf

NIFTIはこっちと。

自分でデータ取らない人でmatlab使わない人はこれでいいかも。Python使えればそっちでもいいけど。Rネイティブ向け。

強烈。。

 https://robomind.co.jp/hardproblem/

なかなかジワるウォッチ対象を見つけてしまった。

コメント欄（のみ）が勉強になるのでもめ。

 https://osf.io/b23x7/

IITとGNWの直接比較計画。EEGとfMRIのデータ公開予定

https://people.socsci.tau.ac.il/mu/mudriklab/files/2021/06/Melloni_et_al_2021_Science.pdf

頭出しのサイエンスのオピニオン

2つの時系列間の関係を評価する包括的なパッケージ

 https://zenodo.org/record/5787486#.YfeXn-rP0uV

論文アーカイブはこっち。https://arxiv.org/abs/2201.11941

IITの指標あり。