摘要自组织临界性指的是处于非稳态的系统在没有外界刺激下自发向稳态转变的性质。雪崩作为自组织临界性的重要特征之一,指的是临界态下的系统在外界微小的干扰下发生的符合无标度统计的整体性连锁改变或重新组合。研究发现许多脑组织系统都具有类似的性质。默认模式网络(Default mode network,DMN)作为一类特殊脑区的组合,同样具有这种自发转变的特性,但至今DMN与自组织临界态之间联系依然不明。在本学位论文中,我们基于大鼠电生理实验,通过记录觉醒(Wakeful,WK)、快速眼动睡眠(Rapid eyemovement sleep,REM)和慢波睡眠(Slow wave sleep,SWS)三种警觉状态下的DMN脑电数据,利用神经雪崩关联性分析,挖掘不同警觉状态下DMN与自组织临界性的关系,探索DMN与神经雪崩类型的内在联系,取得以下结果:<br> 1、通过对不同警觉状态时空特性的分析,我们发现在WK和REM状态下的DMN 脑区的雪崩数据均满足幂律分布,并在时间和空间上具有较强尺度不变性。而SWS状态下雪崩数据服从指数分布,在时间和空间上的尺度不变性较弱,该状态下的DMN脑区处于次临界状态。据此,我们推测不同警觉状态下大脑的自组织临界性的存在与意识活动水平相关联;<br> 2、通过对显著性雪崩类型的分析,我们首先发现大鼠在不同警觉状态下记录到的雪崩模式是以高度定型的方式反复出现。相比于自然条件,REM状态下显著性雪崩类型产生显著增多,而SWS状态下相反;其次在对具有依赖性雪崩类型的研究中,我们发现REM和SWS状态下有大量雪崩类型都具有状态依赖性,并且这种依赖性源于不同警觉状态下对应的核心脑区节点的迁移,而非脑区编码。<br> 3、我们在对无状态依赖性雪崩类型的段落研究中,发现在WK和SWS中的神经雪崩是以长周期循环的模式出现,在 REM 中则是以短周期循环的模式产生,并且在REM中的雪崩段落编码与SWS中的完全不同。<br> 我们的研究表明:不同警觉状态下大鼠DMN相关脑区与自组织临界态均有着紧密联系;DMN在不同警觉状态下通过激活不同的核心脑区来参与意识维持;而无依赖性的雪崩类型在不同状态下则是通过不同的工作方式维持大脑的正常运作。我们的研究不仅从神经动力学的角度更加深入的探究了DMN的功能特性,也为理解DMN信息整合功能及意识维持的生理机制拓展了新的思路。
更多相关知识
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文