دانلود مقاله ISI انگلیسی شماره 157760
ترجمه فارسی عنوان مقاله

فراتر از مدولار بودن: مکانیسم مقیاس دقیق و قوانین برای تنظیم مجدد شبکه مغز

عنوان انگلیسی
Beyond modularity: Fine-scale mechanisms and rules for brain network reconfiguration
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
157760 2018 20 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 15293 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 23 روز بعد از پرداخت 183,516 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 12 روز بعد از پرداخت 367,032 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : NeuroImage, Volume 166, 1 February 2018, Pages 385-399

ترجمه کلمات کلیدی
علوم اعصاب شبکه، تقسیم ماتریس غیر منفی، تشخیص جامعه، زیرگرافی، کنترل شناختی، اتصال به عملکرد
کلمات کلیدی انگلیسی
Network neuroscience; Non-negative matrix factorization; Community detection; Subgraph; Cognitive control; Functional connectivity;
پیش نمایش مقاله
پیش نمایش مقاله فراتر از مدولار بودن: مکانیسم مقیاس دقیق و قوانین برای تنظیم مجدد شبکه مغز

چکیده انگلیسی

The human brain is in constant flux, as distinct areas engage in transient communication to support basic behaviors as well as complex cognition. The collection of interactions between cortical and subcortical areas forms a functional brain network whose topology evolves with time. Despite the nontrivial dynamics that are germane to this networked system, experimental evidence demonstrates that functional interactions organize into putative brain systems that facilitate different facets of cognitive computation. We hypothesize that such dynamic functional networks are organized around a set of rules that constrain their spatial architecture – which brain regions may functionally interact – and their temporal architecture – how these interactions fluctuate over time. To objectively uncover these organizing principles, we apply an unsupervised machine learning approach called non-negative matrix factorization to time-evolving, resting state functional networks in 20 healthy subjects. This machine learning approach automatically groups temporally co-varying functional interactions into subgraphs that represent putative topological modes of dynamic functional architecture. We find that subgraphs are stratified based on both the underlying modular organization and the topographical distance of their strongest interactions: while many subgraphs are largely contained within modules, others span between modules and are expressed differently over time. The relationship between dynamic subgraphs and modular architecture is further highlighted by the ability of time-varying subgraph expression to explain inter-individual differences in module reorganization. Collectively, these results point to the critical role that subgraphs play in constraining the topography and topology of functional brain networks. More broadly, this machine learning approach opens a new door for understanding the architecture of dynamic functional networks during both task and rest states, and for probing alterations of that architecture in disease.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 15293 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 23 روز بعد از پرداخت 183,516 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 12 روز بعد از پرداخت 367,032 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.