?
Reservoir computing reconstructs blood-oxygen-level-dependent signals: whole-brain modeling study
Понимание и восстановление динамики мозга по частичным или зашумленным данным нейровизуализации остается ключевой задачей вычислительной нейронауки. В данном исследовании представлен новый подход, сочетающий модели нейронных масс и резервуарные вычисления (RC), для восстановления отсутствующих BOLD-сигналов (уровень кислородозависимого гемоглобина) с сохранением паттернов функциональной связности. Сначала мы смоделировали динамику всего мозга с помощью модели нейронных масс Уилсона–Коуэна, используя биологически достоверные структурные связи и оптимизируя параметры для соответствия эмпирическим матрицам функциональной связности. Затем применили RC для реконструкции отдельных BOLD-сигналов, используя только оставшиеся сигналы в качестве входных данных. Наши результаты показывают, что RC обеспечивает высокоточное восстановление сигналов, особенно для регионов с сильными взаимосвязями. Важно, что матрицы функциональной связности, полученные из восстановленных сигналов, демонстрируют почти полное соответствие исходным смоделированным матрицам, несмотря на незначительные расхождения в амплитудах. Эта работа подтверждает эффективность RC для реконструкции данных нейровизуализации, что открывает прямые возможности применения как в исследованиях, так и в клинической практике, где потери данных или артефакты могут искажать анализ.