论文题目：

Resting-State Functional Networks Correlate with Motor Performance in a Complex Visuomotor Task: An EEG Microstate Pilot Study on Healthy Individuals

中文翻译：静息状态功能网络与复杂视觉运动任务中的运动表现相关：健康个体的脑电图微状态初步研究

期刊：Brain Topography

发表时间：2022年12月

发表网址：https://doi.org/10.1007/s10548-022-00934-9

摘要：

在本文中，我们旨在研究两个关键的认知大脑网络——注意力网络（AN）和默认模式网络（DMN）——如何影响复杂视觉运动任务（虚拟冲浪）中的后运动表现。我们假设AN的预激活会影响被试如何将注意力转移到外部刺激，从而产生强健的运动表现。相反，DMN的过度参与与内部注意力转移和思维转移有关，将对后部运动表现不利。在执行虚拟冲浪任务之前，我们从36名健康被试的脑电图（EEG）静息状态记录中提取了七个不同的静息状态的微状态。通过关联神经生物标志物（微状态）和运动行为指标，我们证实了DMN的预激活与运动任务中较差的后向表现相关。但是，我们只发现AN预激活与后运动表现之间存在非显著关联。在这项EEG研究中，我们提出了使用EEG微状态的DMN的预激活，作为与较差的后运动性能相关的神经特征。我们的研究结果表明，执行控制系统的作用是保持AN和DMN之间的稳态。因此，基于神经反馈的DMN预激活下调有助于优化运动训练。

实验被试

被试执行在Unity开发的虚拟冲浪运动任务（MT）。通过用优势手转动操纵杆的垂直轴来控制虚拟船的方向（图1B）。在实验过程中，被试坐在舒适的椅子上，将下巴放在下巴托上（图1B中不可见）。操纵杆、椅子和下巴托的位置由被试控制。我们使用256通道Hydrocel高密度网状电极帽和EGI Net Amp放大器记录了被试的脑电图活动（Electric Geodesics），EEG数据以1000Hz采样记录。

数据预处理

将数据下采样至250Hz并进行高通滤波（截止频率1Hz）。使用EEGLab中的pop_cleanline过滤掉线路电噪声。使用EEGLab的球面插值对具有非生理伪影（例如颈部或乳突肌伪影或眼球运动）的通道进行插值。随后，应用共同平均值重新参考。

微状态提取：使用微状态v1.2 EEGLAB工具箱进行微状态提取的所有步骤。使用k均值算法，通过使用全局场功率峰值和七个类别中所解释的极性不变，在EC和EO条件的单个数据集中识别微观状态。

结果：

图：运动可变性（A）和完成时间（B）与静息状态网络之间的相关性

结论

据我们所知，这是第一项脑电图研究分析了两个重要的静息状态网络（即注意力网络和默认模式网络）对复杂视觉运动任务（虚拟冲浪运动任务）后验性能的影响。根据这项研究的结果，我们确认后验默认模式网络的预激活与我们运动任务期间的后验表现负相关。结合之前的研究，我们的研究结果证实，走神默认模式网络可能对运动性能有害。通常，使用这种方法，研究人员可以识别与特定运动表现方面相关的已知功能认知网络相关的参与者特定神经特征，以识别与默认模式网络预激活相关的运动表现不佳的原因。使用神经反馈等技术，与不良运动表现相关的网络（例如默认模式网络）的活动可以在运动练习之前下调。

参考文献：

Penalver-Andres, J.A., Buetler, K.A., Koenig, T. et al. Resting-State Functional Networks Correlate with Motor Performance in a Complex Visuomotor Task: An EEG Microstate Pilot Study on Healthy Individuals. Brain Topogr (2022). https://doi.org/10.1007/s10548-022-00934-9

以上内容参考以上文献，更多内容请参考原文献，本内容仅供参考，如有疑问及侵权，请后台联系我们！