Masticationpedia

Difference between revisions of "Store:EEMIes03"

Store Discussion
(Created page with "Indeed, the same set of structured patterns of neural activity have been found during "active" states, such as, while completing different tasks<ref>Biswal BB, Eldreth DA, Motes MA, Rypma B. Task-dependent individual differences in prefrontal connectivity. Cereb. Cortex. 2010;20:2188–2197. doi: 10.1093/cercor/bhp284. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref><ref>Fox MD, Raichle ME. Spontaneous fluctuations in brain activity observed with functional m...")
 
 
(One intermediate revision by one other user not shown)
Line 1: Line 1:
Indeed, the same set of structured patterns of neural activity have been found during "active" states, such as, while completing different tasks<ref>Biswal BB, Eldreth DA, Motes MA, Rypma B. Task-dependent individual differences in prefrontal connectivity. Cereb. Cortex. 2010;20:2188–2197. doi: 10.1093/cercor/bhp284. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref><ref>Fox MD, Raichle ME. Spontaneous fluctuations in brain activity observed with functional magnetic resonance imaging. Nat. Rev. Neurosci. 2007;8:700–711. doi: 10.1038/nrn2201. [PubMed] [CrossRef] [Google Scholar]</ref><ref>Kraus BT, et al. Network variants are similar between task and rest states. Neuroimage. 2021;229:117743. doi: 10.1016/j.neuroimage.2021.117743. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref>. For instance, there is a high degree of correspondence between networks extracted during rest and those extracted during tasks measuring sensorimotor<ref>Kristo G, et al. Task and task-free FMRI reproducibility comparison for motor network identification. Hum. Brain Mapp. 2014;35:340–352. doi: 10.1002/hbm.22180. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref><ref>Sui J, Adali T, Pearlson GD, Calhoun VD. An ICA-based method for the identification of optimal FMRI features and components using combined group-discriminative techniques. Neuroimage. 2009;46:73–86. doi: 10.1016/j.neuroimage.2009.01.026.[PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> and higher-level cognitive abilities (i.e., working memory)<ref>Calhoun VD, Kiehl KA, Pearlson GD. Modulation of temporally coherent brain networks estimated using ICA at rest and during cognitive tasks. Hum. Brain Mapp. 2008;29:828–838. doi: 10.1002/hbm.20581. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref><ref>Xie H, et al. Whole-brain connectivity dynamics reflect both task-specific and individual-specific modulation: A multitask study. Neuroimage. 2018;180:495–504. doi: 10.1016/j.neuroimage.2017.05.050. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref>.Even completing a task as complicated as following the plot of a movie elicits the same network architecture as observed in the resting brain<ref name=":0">Naci L, Cusack R, Anello M, Owen AM. A common neural code for similar conscious experiences in different individuals. Proc. Natl. Acad. Sci. U. S. A. 2014;111:14277–14282. doi: 10.1073/pnas.1407007111. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref>. The correspondence between task and rest-based networks is so strong that task-based fMRI network activity can be predicted from the resting state<ref>Kannurpatti SS, Rypma B, Biswal BB. Prediction of task-related BOLD fMRI with amplitude signatures of resting-state fMRI. Front. Syst. Neurosci. 2012;6:7. doi: 10.3389/fnsys.2012.00007.[PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref>, and rest-task network pairs can be identified at the individual level<ref>Elliott ML, et al. General functional connectivity: Shared features of resting-state and task fMRI drive reliable and heritable individual differences in functional brain networks. Neuroimage. 2019;189:516–532. doi: 10.1016/j.neuroimage.2019.01.068. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref>16. Together, these results suggest that rest and task-based patterns of brain activity likely share a similar underlying neural architecture, despite distinct experiences and cognitive processes<ref>Cole MW, Ito T, Cocuzza C, Sanchez-Romero R. The functional relevance of task-state functional connectivity. J. Neurosci. 2021 doi: 10.1523/JNEUROSCI.1713-20.2021. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref>.
=== Patrones y Matemáticas ===
De hecho, se ha encontrado el mismo conjunto de patrones estructurados de actividad neuronal durante estados "activos", como al completar diferentes tareas.<ref>Biswal BB, Eldreth DA, Motes MA, Rypma B. Task-dependent individual differences in prefrontal connectivity. Cereb. Cortex. 2010;20:2188–2197. doi: 10.1093/cercor/bhp284. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref><ref>Fox MD, Raichle ME. Spontaneous fluctuations in brain activity observed with functional magnetic resonance imaging. Nat. Rev. Neurosci. 2007;8:700–711. doi: 10.1038/nrn2201. [PubMed] [CrossRef] [Google Scholar]</ref><ref>Kraus BT, et al. Network variants are similar between task and rest states. Neuroimage. 2021;229:117743. doi: 10.1016/j.neuroimage.2021.117743. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref> Por ejemplo, existe un alto grado de correspondencia entre las redes extraídas durante el descanso y las extraídas durante las tareas de medición. sensoriomotoras<ref>Sui J, Adali T, Pearlson GD, Calhoun VD. An ICA-based method for the identification of optimal FMRI features and components using combined group-discriminative techniques. Neuroimage. 2009;46:73–86. doi: 10.1016/j.neuroimage.2009.01.026.[PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> y habilidades cognitivas de nivel superior (es decir, memoria de trabajo).<ref>Calhoun VD, Kiehl KA, Pearlson GD. Modulation of temporally coherent brain networks estimated using ICA at rest and during cognitive tasks. Hum. Brain Mapp. 2008;29:828–838. doi: 10.1002/hbm.20581. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref><ref>Xie H, et al. Whole-brain connectivity dynamics reflect both task-specific and individual-specific modulation: A multitask study. Neuroimage. 2018;180:495–504. doi: 10.1016/j.neuroimage.2017.05.050. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> Incluso completar una tarea tan complicada como seguir la trama de una película provoca la misma arquitectura de red que se observa en el cerebro en reposo.<ref name=":0">Naci L, Cusack R, Anello M, Owen AM. A common neural code for similar conscious experiences in different individuals. Proc. Natl. Acad. Sci. U. S. A. 2014;111:14277–14282. doi: 10.1073/pnas.1407007111. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> La correspondencia entre la tarea y la basada en el descanso redes es tan fuerte que la actividad de la red fMRI basada en tareas se puede predecir a partir del estado de reposo,<ref>Kannurpatti SS, Rypma B, Biswal BB. Prediction of task-related BOLD fMRI with amplitude signatures of resting-state fMRI. Front. Syst. Neurosci. 2012;6:7. doi: 10.3389/fnsys.2012.00007.[PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> y los pares de redes de tareas y descanso se pueden identificar en el nivel individual<ref>Elliott ML, et al. General functional connectivity: Shared features of resting-state and task fMRI drive reliable and heritable individual differences in functional brain networks. Neuroimage. 2019;189:516–532. doi: 10.1016/j.neuroimage.2019.01.068. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref>. Juntos, estos resultados sugieren que los patrones de actividad cerebral basados en tareas y descanso probablemente comparten una arquitectura neuronal subyacente similar, a pesar de distintas experiencias y procesos cognitivos.<ref>Cole MW, Ito T, Cocuzza C, Sanchez-Romero R. The functional relevance of task-state functional connectivity. J. Neurosci. 2021 doi: 10.1523/JNEUROSCI.1713-20.2021. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref>


There are, however, important differences between the patterns of brain activity elicited during rest and task-based paradigms, and the set of experiences and cognitive processes associated with each<ref>Zhang S, et al. Characterizing and differentiating task-based and resting state fMRI signals via two-stage sparse representations. Brain Imaging Behav. 2016;10:21–32. doi: 10.1007/s11682-015-9359-7.[PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref>. For instance, the presence or absence of a task is accompanied by increases in variability across different scales including neuronal firing rates changes in field potentials<ref>Monier C, Chavane F, Baudot P, Graham LJ, Frégnac Y. Orientation and direction selectivity of synaptic inputs in visual cortical neurons: A diversity of combinations produces spike tuning. Neuron. 2003;37:663–680. doi: 10.1016/S0896-6273(03)00064-3.[PubMed] [CrossRef] [Google Scholar]</ref><ref>Churchland MM, et al. Stimulus onset quenches neural variability: A widespread cortical phenomenon. Nat. Neurosci. 2010;13:369–378. doi: 10.1038/nn.2501. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref>, variation in fMRI blood oxygen level dependent (BOLD signal)<ref name=":1">He BJ. Spontaneous and task-evoked brain activity negatively interact. J. Neurosci. 2013;33:4672–4682. doi: 10.1523/JNEUROSCI.2922-12.2013. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref> and in EEG frequency bands<ref name=":2">Bonnard M, et al. Resting state brain dynamics and its transients: A combined TMS-EEG study. Sci. Rep. 2016;6:1–9. doi: 10.1038/srep31220. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> Furthermore, through transcranial direct current stimulation (tDCS) it has been shown that frontal-lobe stimulation increases one’s proclivity to mind wander <ref name=":8">Axelrod V, Zhu X, Qiu J. Transcranial stimulation of the frontal lobes increases propensity of mind-wandering without changing meta-awareness. Sci. Rep. 2018;8:1–14. doi: 10.1038/s41598-018-34098-z. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref><ref name=":3">Axelrod V, Rees G, Lavidor M, Bar M. Increasing propensity to mind-wander with transcranial direct current stimulation. Proc. Natl. Acad. Sci. U. S. A. 2015;112:3314–3319. doi: 10.1073/pnas.1421435112. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref>. Importantly, these differences are associated with changes in properties of neural activity but not in changes in the underlying neural architecture.


Is there a way to identify the shared neural architecture underlying the cognitive processes associated with rest and active states while also quantifying how these processes diverge from that shared architecture of neural activity? In this paper, we applied mathematical methods analogous to those of quantum mechanics, and the concept of phase space to EEG recorded during rest and movie-watching to extract spatial and transitional properties of dynamic neural activity. Quantum mechanics was developed to describe the dynamics of the subatomic world in terms of probability amplitudes and densities of states. Quantum systems (in the Schrodinger formulation of quantum mechanics) are described by wavefunctions which square to a probability distribution leading to the loss of local determinism and the Heisenberg uncertainty principle (for an overview/intro to the subject see<ref name=":7">Townsend JS. A Modern Approach to Quantum Mechanics.University Science Books; 2012. [Google Scholar]</ref>. This uncertainty principle places a fundamental limit on the location and the momentum of a point particle <ref>Heisenberg W. Über den anschaulichen Inhalt der quantentheoretischen Kinematik und Mechanik. Z. Phys. 1927;43:172–198. doi: 10.1007/BF01397280. [CrossRef] [Google Scholar]</ref>. In essence, if the position of a particle is known there is an underlying uncertainty in its momentum (one cannot precisely say how fast it is going) and vice versa. In addition to the adaptation of the wavefunction approach to quantum mechanics in this paper, we also employed a phase space model. Phase space is a widely used tool in the study of dynamical systems, where the positional variables are paired with their conjugate momenta which establishes a multidimensional space that describes all possible configurations of the given system. This space spans the entire range of states that a system can exist in, each point (in this hyper-space) represents a single state of the system. Phase space and its assorted formalisms are a classical concept, and we simply use it as another tool for analysing the EEG data. Herein, the mathematical methods of quantum mechanics are applied to EEG data to extract a proxy to phase space. This quasi-quantum approach naturally generates the concepts of ‘average’ position, ‘average’ momentum and culminates in an analogous Heisenberg uncertainty principle.
Sin embargo, existen diferencias importantes entre los patrones de actividad cerebral provocados durante el descanso y los paradigmas basados en tareas, y el conjunto de experiencias y procesos cognitivos asociados con cada uno.<ref>Zhang S, et al. Characterizing and differentiating task-based and resting state fMRI signals via two-stage sparse representations. Brain Imaging Behav. 2016;10:21–32. doi: 10.1007/s11682-015-9359-7.[PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> Por ejemplo, la presencia o ausencia de una tarea va acompañada de aumentos en la variabilidad a través de diferentes escalas, incluidas las tasas de activación neuronal, cambios en los potenciales de campo,<ref>Monier C, Chavane F, Baudot P, Graham LJ, Frégnac Y. Orientation and direction selectivity of synaptic inputs in visual cortical neurons: A diversity of combinations produces spike tuning. Neuron. 2003;37:663–680. doi: 10.1016/S0896-6273(03)00064-3.[PubMed] [CrossRef] [Google Scholar]</ref><ref>Churchland MM, et al. Stimulus onset quenches neural variability: A widespread cortical phenomenon. Nat. Neurosci. 2010;13:369–378. doi: 10.1038/nn.2501. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref> variación en la resonancia magnética funcional (RMf) dependiente del nivel de oxígeno en sangre (señal BOLD)<ref name=":1">He BJ. Spontaneous and task-evoked brain activity negatively interact. J. Neurosci. 2013;33:4672–4682. doi: 10.1523/JNEUROSCI.2922-12.2013. [PMC free article][PubMed] [CrossRef] [Google Scholar]</ref> y en las bandas de frecuencia del EEG<ref name=":2">Bonnard M, et al. Resting state brain dynamics and its transients: A combined TMS-EEG study. Sci. Rep. 2016;6:1–9. doi: 10.1038/srep31220. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref>Además, a través de la estimulación de corriente continua transcraneal (tDCS) se ha demostrado que la estimulación del lóbulo frontal aumenta la propensión a divagar.<ref name=":8">Axelrod V, Zhu X, Qiu J. Transcranial stimulation of the frontal lobes increases propensity of mind-wandering without changing meta-awareness. Sci. Rep. 2018;8:1–14. doi: 10.1038/s41598-018-34098-z. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref><ref name=":3">Axelrod V, Rees G, Lavidor M, Bar M. Increasing propensity to mind-wander with transcranial direct current stimulation. Proc. Natl. Acad. Sci. U. S. A. 2015;112:3314–3319. doi: 10.1073/pnas.1421435112. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref> Es importante destacar que estas diferencias están asociadas con cambios en las propiedades de la actividad neuronal, pero no con cambios en la arquitectura neuronal subyacente.


In this paper, we posit that using mathematical tools drawn from quantum mechanics, an underlying pattern representative of task and resting brain activity can be realised, in which differences across conditions are apparent, but culminates in a task independent constant value. It is important to note that we are not claiming that the brain behaves as a quantum object as some believe<ref>Penrose R. The Emperor’s New Mind. Viking Penguin; 1990. [Google Scholar]</ref> <ref>Penrose R. Shadows of the Mind: A Search for the Missing Science of Consciousness. Oxford University Press; 1994. [Google Scholar]


</ref> <ref>Atmanspacher H. Quantum Approaches to Consciousness.Stanford Encyclopedia of Philosophy; 2004. [Google Scholar]</ref><ref>Hameroff S. How quantum brain biology can rescue conscious free will. Front. Integr. Neurosci. 2012;6:93. doi: 10.3389/fnint.2012.00093. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref>. Rather, we have employed some of the analytical tools from the Schrodinger formulation of quantum mechanics to the brain with the aim of gaining new insight into resting and task-based brain dynamics. Not only does devising this model probe questions into the functions of the brain, but it also provides a novel approach to analysing the myriad of data available in neuroscience.
¿Hay alguna manera de identificar la arquitectura neuronal compartida que subyace a los procesos cognitivos asociados con los estados de reposo y actividad y, al mismo tiempo, cuantificar cómo estos procesos divergen de esa arquitectura compartida de actividad neuronal? En este artículo, aplicamos métodos matemáticos análogos a los de la mecánica cuántica y el concepto de espacio de fase al EEG registrado durante el descanso y la visualización de películas para extraer propiedades espaciales y transicionales de la actividad neuronal dinámica. La mecánica cuántica se desarrolló para describir la dinámica del mundo subatómico en términos de amplitudes de probabilidad y densidades de estados. Los sistemas cuánticos (en la formulación de la mecánica cuántica de Schrödinger) se describen mediante funciones de onda que cuadran con una distribución de probabilidad que conduce a la pérdida del determinismo local y el principio de incertidumbre de Heisenberg (para una descripción general/introducción al tema, consulte.<ref name=":7">Townsend JS. A Modern Approach to Quantum Mechanics.University Science Books; 2012. [Google Scholar]</ref> Este principio de incertidumbre coloca un límite fundamental en la ubicación y el momento de una partícula puntual.<ref>Heisenberg W. Über den anschaulichen Inhalt der quantentheoretischen Kinematik und Mechanik. Z. Phys. 1927;43:172–198. doi: 10.1007/BF01397280. [CrossRef] [Google Scholar]</ref>
 
En esencia, si se conoce la posición de una partícula, existe una incertidumbre subyacente en su momento (no se puede decir con precisión qué tan rápido va) y viceversa. Además de la adaptación del enfoque de función de onda a la mecánica cuántica en este artículo, también empleamos un modelo de espacio de fase. El espacio de fase es una herramienta ampliamente utilizada en el estudio de sistemas dinámicos, donde las variables posicionales se emparejan con sus momentos conjugados, lo que establece un espacio multidimensional que describe todas las configuraciones posibles del sistema dado. Este espacio abarca toda la gama de estados en los que puede existir un sistema, cada punto (en este hiperespacio) representa un solo estado del sistema. El espacio de fase y sus diversos formalismos son un concepto clásico y simplemente lo usamos como otra herramienta para analizar los datos del EEG. En este documento, los métodos matemáticos de la mecánica cuántica se aplican a los datos de EEG para extraer un proxy del espacio de fase. Este enfoque cuasi-cuántico genera naturalmente los conceptos de posición 'promedio', momento 'promedio' y culmina en un principio de incertidumbre análogo de Heisenberg.
 
En este artículo, postulamos que utilizando herramientas matemáticas extraídas de la mecánica cuántica, se puede realizar un patrón subyacente representativo de la tarea y la actividad cerebral en reposo, en el que las diferencias entre las condiciones son evidentes, pero culmina en un valor constante independiente de la tarea. Es importante tener en cuenta que no estamos afirmando que el cerebro se comporte como un objeto cuántico como algunos creen.<ref name=":4">Penrose R. The Emperor’s New Mind. Viking Penguin; 1990. [Google Scholar]</ref><ref name=":4" /><ref>Penrose R. Shadows of the Mind: A Search for the Missing Science of Consciousness. Oxford University Press; 1994. [Google Scholar]
</ref><ref>Atmanspacher H. Quantum Approaches to Consciousness.Stanford Encyclopedia of Philosophy; 2004. [Google Scholar]</ref><ref>Hameroff S. How quantum brain biology can rescue conscious free will. Front. Integr. Neurosci. 2012;6:93. doi: 10.3389/fnint.2012.00093. [PMC free article] [PubMed] [CrossRef] [Google Scholar]</ref>
 
  Más bien, hemos empleado algunas de las herramientas analíticas de la formulación de Schrödinger de la mecánica cuántica para el cerebro con el objetivo de obtener nuevos conocimientos sobre la dinámica del cerebro en reposo y basada en tareas. El diseño de este modelo no solo investiga las funciones del cerebro, sino que también proporciona un enfoque novedoso para analizar la gran cantidad de datos disponibles en neurociencia.

Latest revision as of 11:04, 29 March 2023

Patrones y Matemáticas

De hecho, se ha encontrado el mismo conjunto de patrones estructurados de actividad neuronal durante estados "activos", como al completar diferentes tareas.[1][2][3] Por ejemplo, existe un alto grado de correspondencia entre las redes extraídas durante el descanso y las extraídas durante las tareas de medición. sensoriomotoras[4] y habilidades cognitivas de nivel superior (es decir, memoria de trabajo).[5][6] Incluso completar una tarea tan complicada como seguir la trama de una película provoca la misma arquitectura de red que se observa en el cerebro en reposo.[7] La correspondencia entre la tarea y la basada en el descanso redes es tan fuerte que la actividad de la red fMRI basada en tareas se puede predecir a partir del estado de reposo,[8] y los pares de redes de tareas y descanso se pueden identificar en el nivel individual[9]. Juntos, estos resultados sugieren que los patrones de actividad cerebral basados en tareas y descanso probablemente comparten una arquitectura neuronal subyacente similar, a pesar de distintas experiencias y procesos cognitivos.[10]


Sin embargo, existen diferencias importantes entre los patrones de actividad cerebral provocados durante el descanso y los paradigmas basados en tareas, y el conjunto de experiencias y procesos cognitivos asociados con cada uno.[11] Por ejemplo, la presencia o ausencia de una tarea va acompañada de aumentos en la variabilidad a través de diferentes escalas, incluidas las tasas de activación neuronal, cambios en los potenciales de campo,[12][13] variación en la resonancia magnética funcional (RMf) dependiente del nivel de oxígeno en sangre (señal BOLD)[14] y en las bandas de frecuencia del EEG[15]Además, a través de la estimulación de corriente continua transcraneal (tDCS) se ha demostrado que la estimulación del lóbulo frontal aumenta la propensión a divagar.[16][17] Es importante destacar que estas diferencias están asociadas con cambios en las propiedades de la actividad neuronal, pero no con cambios en la arquitectura neuronal subyacente.


¿Hay alguna manera de identificar la arquitectura neuronal compartida que subyace a los procesos cognitivos asociados con los estados de reposo y actividad y, al mismo tiempo, cuantificar cómo estos procesos divergen de esa arquitectura compartida de actividad neuronal? En este artículo, aplicamos métodos matemáticos análogos a los de la mecánica cuántica y el concepto de espacio de fase al EEG registrado durante el descanso y la visualización de películas para extraer propiedades espaciales y transicionales de la actividad neuronal dinámica. La mecánica cuántica se desarrolló para describir la dinámica del mundo subatómico en términos de amplitudes de probabilidad y densidades de estados. Los sistemas cuánticos (en la formulación de la mecánica cuántica de Schrödinger) se describen mediante funciones de onda que cuadran con una distribución de probabilidad que conduce a la pérdida del determinismo local y el principio de incertidumbre de Heisenberg (para una descripción general/introducción al tema, consulte.[18] Este principio de incertidumbre coloca un límite fundamental en la ubicación y el momento de una partícula puntual.[19]

En esencia, si se conoce la posición de una partícula, existe una incertidumbre subyacente en su momento (no se puede decir con precisión qué tan rápido va) y viceversa. Además de la adaptación del enfoque de función de onda a la mecánica cuántica en este artículo, también empleamos un modelo de espacio de fase. El espacio de fase es una herramienta ampliamente utilizada en el estudio de sistemas dinámicos, donde las variables posicionales se emparejan con sus momentos conjugados, lo que establece un espacio multidimensional que describe todas las configuraciones posibles del sistema dado. Este espacio abarca toda la gama de estados en los que puede existir un sistema, cada punto (en este hiperespacio) representa un solo estado del sistema. El espacio de fase y sus diversos formalismos son un concepto clásico y simplemente lo usamos como otra herramienta para analizar los datos del EEG. En este documento, los métodos matemáticos de la mecánica cuántica se aplican a los datos de EEG para extraer un proxy del espacio de fase. Este enfoque cuasi-cuántico genera naturalmente los conceptos de posición 'promedio', momento 'promedio' y culmina en un principio de incertidumbre análogo de Heisenberg.

En este artículo, postulamos que utilizando herramientas matemáticas extraídas de la mecánica cuántica, se puede realizar un patrón subyacente representativo de la tarea y la actividad cerebral en reposo, en el que las diferencias entre las condiciones son evidentes, pero culmina en un valor constante independiente de la tarea. Es importante tener en cuenta que no estamos afirmando que el cerebro se comporte como un objeto cuántico como algunos creen.[20][20][21][22][23]

  Más bien, hemos empleado algunas de las herramientas analíticas de la formulación de Schrödinger de la mecánica cuántica para el cerebro con el objetivo de obtener nuevos conocimientos sobre la dinámica del cerebro en reposo y basada en tareas. El diseño de este modelo no solo investiga las funciones del cerebro, sino que también proporciona un enfoque novedoso para analizar la gran cantidad de datos disponibles en neurociencia.

  1. ↑ Biswal BB, Eldreth DA, Motes MA, Rypma B. Task-dependent individual differences in prefrontal connectivity. Cereb. Cortex. 2010;20:2188–2197. doi: 10.1093/cercor/bhp284. [PMC free article][PubMed] [CrossRef] [Google Scholar]
  2. ↑ Fox MD, Raichle ME. Spontaneous fluctuations in brain activity observed with functional magnetic resonance imaging. Nat. Rev. Neurosci. 2007;8:700–711. doi: 10.1038/nrn2201. [PubMed] [CrossRef] [Google Scholar]
  3. ↑ Kraus BT, et al. Network variants are similar between task and rest states. Neuroimage. 2021;229:117743. doi: 10.1016/j.neuroimage.2021.117743. [PMC free article][PubMed] [CrossRef] [Google Scholar]
  4. ↑ Sui J, Adali T, Pearlson GD, Calhoun VD. An ICA-based method for the identification of optimal FMRI features and components using combined group-discriminative techniques. Neuroimage. 2009;46:73–86. doi: 10.1016/j.neuroimage.2009.01.026.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
  5. ↑ Calhoun VD, Kiehl KA, Pearlson GD. Modulation of temporally coherent brain networks estimated using ICA at rest and during cognitive tasks. Hum. Brain Mapp. 2008;29:828–838. doi: 10.1002/hbm.20581. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  6. ↑ Xie H, et al. Whole-brain connectivity dynamics reflect both task-specific and individual-specific modulation: A multitask study. Neuroimage. 2018;180:495–504. doi: 10.1016/j.neuroimage.2017.05.050. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  7. ↑ Naci L, Cusack R, Anello M, Owen AM. A common neural code for similar conscious experiences in different individuals. Proc. Natl. Acad. Sci. U. S. A. 2014;111:14277–14282. doi: 10.1073/pnas.1407007111. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  8. ↑ Kannurpatti SS, Rypma B, Biswal BB. Prediction of task-related BOLD fMRI with amplitude signatures of resting-state fMRI. Front. Syst. Neurosci. 2012;6:7. doi: 10.3389/fnsys.2012.00007.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
  9. ↑ Elliott ML, et al. General functional connectivity: Shared features of resting-state and task fMRI drive reliable and heritable individual differences in functional brain networks. Neuroimage. 2019;189:516–532. doi: 10.1016/j.neuroimage.2019.01.068. [PMC free article][PubMed] [CrossRef] [Google Scholar]
  10. ↑ Cole MW, Ito T, Cocuzza C, Sanchez-Romero R. The functional relevance of task-state functional connectivity. J. Neurosci. 2021 doi: 10.1523/JNEUROSCI.1713-20.2021. [PMC free article][PubMed] [CrossRef] [Google Scholar]
  11. ↑ Zhang S, et al. Characterizing and differentiating task-based and resting state fMRI signals via two-stage sparse representations. Brain Imaging Behav. 2016;10:21–32. doi: 10.1007/s11682-015-9359-7.[PMC free article] [PubMed] [CrossRef] [Google Scholar]
  12. ↑ Monier C, Chavane F, Baudot P, Graham LJ, Frégnac Y. Orientation and direction selectivity of synaptic inputs in visual cortical neurons: A diversity of combinations produces spike tuning. Neuron. 2003;37:663–680. doi: 10.1016/S0896-6273(03)00064-3.[PubMed] [CrossRef] [Google Scholar]
  13. ↑ Churchland MM, et al. Stimulus onset quenches neural variability: A widespread cortical phenomenon. Nat. Neurosci. 2010;13:369–378. doi: 10.1038/nn.2501. [PMC free article][PubMed] [CrossRef] [Google Scholar]
  14. ↑ He BJ. Spontaneous and task-evoked brain activity negatively interact. J. Neurosci. 2013;33:4672–4682. doi: 10.1523/JNEUROSCI.2922-12.2013. [PMC free article][PubMed] [CrossRef] [Google Scholar]
  15. ↑ Bonnard M, et al. Resting state brain dynamics and its transients: A combined TMS-EEG study. Sci. Rep. 2016;6:1–9. doi: 10.1038/srep31220. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  16. ↑ Axelrod V, Zhu X, Qiu J. Transcranial stimulation of the frontal lobes increases propensity of mind-wandering without changing meta-awareness. Sci. Rep. 2018;8:1–14. doi: 10.1038/s41598-018-34098-z. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  17. ↑ Axelrod V, Rees G, Lavidor M, Bar M. Increasing propensity to mind-wander with transcranial direct current stimulation. Proc. Natl. Acad. Sci. U. S. A. 2015;112:3314–3319. doi: 10.1073/pnas.1421435112. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  18. ↑ Townsend JS. A Modern Approach to Quantum Mechanics.University Science Books; 2012. [Google Scholar]
  19. ↑ Heisenberg W. Über den anschaulichen Inhalt der quantentheoretischen Kinematik und Mechanik. Z. Phys. 1927;43:172–198. doi: 10.1007/BF01397280. [CrossRef] [Google Scholar]
  20. ↑ 20.0 20.1 Penrose R. The Emperor’s New Mind. Viking Penguin; 1990. [Google Scholar]
  21. ↑ Penrose R. Shadows of the Mind: A Search for the Missing Science of Consciousness. Oxford University Press; 1994. [Google Scholar]
  22. ↑ Atmanspacher H. Quantum Approaches to Consciousness.Stanford Encyclopedia of Philosophy; 2004. [Google Scholar]
  23. ↑ Hameroff S. How quantum brain biology can rescue conscious free will. Front. Integr. Neurosci. 2012;6:93. doi: 10.3389/fnint.2012.00093. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
Retrieved from "https://www.masticationpedia.org/index.php?title=Store:EEMIes03&oldid=15151"