Het karakteriseren van gezond en verminderd cognitief functioneren aan de hand van de dynamieken van transiënte hersennetwerken. (FWOTM1022)

De studie van de werking van het menselijk brein is recent geëvolueerd van activatie-studies (bv. welke hersenregio is wanneer actief?) naar connectiviteit studies (bv. voorspelt de correlatie van de signalen van twee hersenregio’s een specifiek gedrag?). Deze nieuwe aanpak heeft toegelaten om netwerken te identificeren van hersenregio’s. In het laatste decennium heeft zulk onderzoek aangetoond dat het dynamisch recruteren van deze hersenenetwerken een basisvoorwaarde is voor gezonde cognitie. De meeste connectiviteitsstudies veronderstellen een statische connectivititeit, terwijl recent onderzoek een rijke temporele dynamiek heeft blootgelegd, bv aan de hand van microstates die activeren en deactiveren op dezelfde tijdsschaal als cognitieve processen. Doorheen dit project zullen we een hidden markov model algoritme gebruiken dat toelaat nieuwe veelbelovende parameters van netwerkdynamieken op een schaal van milliseconden en op triallevel te extraheren. Die nieuwe parameters laten een nieuwe en meer uitgebreide karakterisatie van hersennetwerken tijdens gezonde en verminderde cognitie toe. Dit baanbrekend project zal het potentieel van een dynamische karakterisatie van hersennetwerken aantonen in normale en verminderde cognitie en bouwt op een unieke multimodale dataset van 100 mensen met MS en 50 gezonde controles van wie MEG, T1/T2/DWI en gedragsdata werd verzameld.

Trefwoorden:Karakterisering van cognitief functioneren bij gezonde controle en multiple sclerose, Verborgen Markoviaans model - voorbijgaande dynamiek van hersentoestanden, MEG neurofysiologische metingen

Disciplines:Computationele biomodellering en machine learning, Cognitieve neurowetenschappen, Neurofysiologie, Psychologie van technologische ontwikkelingen