G5 Artikkeliväitöskirja
Identifying task-related dynamic electrophysiological brain connectivity (2020)


Zhu, Y. (2020). Identifying task-related dynamic electrophysiological brain connectivity [Doctoral dissertation]. Jyväskylän yliopisto. JYU dissertations, 305. http://urn.fi/URN:ISBN:978-951-39-8348-2


JYU-tekijät tai -toimittajat


Julkaisun tiedot

Julkaisun kaikki tekijät tai toimittajat: Zhu, Yongjie

eISBN: 978-951-39-8348-2

Lehti tai sarja: JYU dissertations

eISSN: 2489-9003

Julkaisuvuosi: 2020

Sarjan numero: 305

Kirjan kokonaissivumäärä: 1 verkkoaineisto (68 sivua, 37 sivua useina numerointijaksoina, 24 numeroimatonta sivua)

Kustantaja: Jyväskylän yliopisto

Kustannuspaikka: Jyväskylä

Julkaisumaa: Suomi

Julkaisun kieli: englanti

Pysyvä verkko-osoite: http://urn.fi/URN:ISBN:978-951-39-8348-2

Julkaisun avoin saatavuus: Avoimesti saatavilla

Julkaisukanavan avoin saatavuus: Kokonaan avoin julkaisukanava


Tiivistelmä

Kuinka kognitio syntyy hermodynamiikasta? Ehdotetun hypoteesin mukaan tehokas hermosolujen välinen viestintä aivoalueiden välillä oskillaatiosynkronoinnin avulla antaa perustan kognitiiviselle prosessoinnille. Nämä synkronoidut värähtelevät verkot ovat ohimeneviä ja dynaamisia millisekuntien ajanjaksossa kognitiivisten toimintojen tukemiseksi. Kuitenkaan ei vieläkään ole sopivaa menetelmää kognitiivisten verkkojen monimutkaisen organisaation karakterisoimiseksi tehtävän suorittamisen aikana, etenkin naturalististen tehtävien yhteydessä. Tässä opinnäytetyössä hyödynnetään sähkö- tai magnetoenkefalografian (EEG / MEG) korkeaa spatiotemporaalista resoluutiota aivojen nopeiden aikataulujen mukauttamiseksi ja kehitetään EEG / MEG-analyysimenetelmiä koettimistehtävien suorittamisen aikana aivoverkkojen elektrofysiologisten määritysten koettamiseksi. Ensimmäisessä tutkimuksessa sovelsimme CANDECOMP / PARAFAC (CP) -tensorihajoamista yksinkertaisen tehtävän yhteydessä tallennetuissa EEGtietojen yhden tutkimuksen aallonmuunnoksilla muunnettuihin esityksiin ärsykkeiden aiheuttaman värähtelevän aivoaktiivisuuden erottamiseksi. Yhdistämällä toisessa tutkimuksessa spatiaalisen Fourier-riippumattoman komponenttianalyysin akustisten ominaisuuksien uuttamiseen, tutkimme aivojen kuvioiden spatiaaliset ja spektriset allekirjoitukset jatkuvan kuunnellen luonnollista musiikkia. Kolmannessa tutkimuksessa tutkimme yhteyksien dynamiikkaa luonnollisen puheen ymmärtämisen aikana suorittamalla pääkomponenttianalyysi kirjekuorepohjaisissa yhteysmittauksissa, jotka on ketjutettu ajan tai aiheiden välillä. Neljännessä tutkimuksessa esittelimme uuden CP-hajoamiseen perustuvan lähestymistavan tutkia tehtävään liittyviä toiminnallisia verkostoja, joilla on selkeä spektri itserauhan liikkeen ja työmuistion aikana. Sitten laajensimme tätä tenoripohjaista menetelmää verkkodynamiikan analysoimiseksi luonnollisen musiikin kuuntelun aikana viidennessä tutkimuksessa. Nämä tutkimukset esittelevät uusia lähestymistapoja, jotka perustuvat matriisin tai tensorin hajoamiseen monisuuntaisen yhteyden analyysin mahdollistamiseksi ottaen huomioon sen epästatsionaarisuus, taajuusspesifisyys ja alueellinen topografia.


YSO-asiasanat: aivotutkimus; kognitiivinen neurotiede; ärsykkeet; kuunteleminen; hermoverkot (biologia); EEG; MEG; signaalianalyysi; signaalinkäsittely

Vapaat asiasanat: naturalistic stimuli; brain networks; functional connectivity; dynamics; frequency-specificity; tensor decomposition


Liittyvät organisaatiot


OKM-raportointi: Kyllä

Raportointivuosi: 2020


Viimeisin päivitys 2021-07-07 klo 21:33