Temporal and spatial patterns differences of basal and cognitive brain states

Abstract

Dynamic brain states, temporal functional unions of diverse brain areas, are the driving force in our everyday cognition. They help us to flexibly integrate and segregate the assorted information that the environment is providing us with. The previous research focused primarily on resting state because it serves as a baseline. In our work, we included six cognitively demanding tasks and rest condition to identify and explore spatiotemporal patterns of functional connectivity that are characterized in a probabilistic metastable substate space. With the use of dimensionality reduction artificial neural network an autoencoder we developed a new data analysis pipeline to explore metastable substates. We found that the brain tends to occupy states with more connectivity in tasks and states with less connectivity in rest. We also identified integrated and segregated states, were integration means data compression with lower entropy and segregation means specialization with high entropy.

Los estados cerebrales dinámicos, unidades funcionales temporales de diversas áreas del cerebro, son el motor de nuestra cognición diaria. Nos ayudan tanto a integrar de manera flexible como a segregar la información presente en el ambiente. Investigaciones previas se han enfocado primariamente en estados cerebrales en reposo, ya que sirven como referencia de base. En nuestro trabajo, incluimos seis tareas cognitivamente demandantes y condiciones en reposo para identificar y explorar patrones espacio-temporales de conectividad funcional en un subespacio probabilístico de estados metaestables. Con el uso de una red neuronal para reducir dimensiones y un autoencoder, desarrollamos una nueva estrategia para el análisis de datos que permite la exploración de subestados metaestables. Hallamos que el cerebro tiende a ocupar estados con mayor conectividad en tareas demandantes y estados con menor conectividad en reposo. También identificamos estados integrados y segregados, donde 'integración' se refiere a la compresión de datos con menor entropía, mientras que 'segregación' significa especialización con entropía alta.