检查神经影像数据的可变性和认知能力

从历史上看,神经科学研究几乎完全集中在使用mean-based分析了解各种实验条件和组。集中趋势的意思是衡量被认为是代表一个人的表现在给定任务或捕获在一群大脑活动的模式。与集中趋势测量是分散的措施,它捕获数据的传播。虽然历史上分散措施通常不会检查,检查的措施可能分散(如标准差)可能会导致更好的认知和/或概念化的理解数据集。

事实上,分析色散是越来越受欢迎,最近已经有越来越多的神经科学研究关注的理解,而不是忽视可变性。这些研究已导致更好的理解如何变化性能和神经影像信号可以帮助我们理解健康和患病组之间的差异除了大脑功能。例如,变化之间的关系被发现和措施,包括年龄和认知能力。组静息状态的差异大胆变化也被检测到阿尔茨海默氏症患者和健康对照组之间使用一种方法具有潜在的临床应用。显然,有专业人士检查的变化。

相反,有许多在神经科学的结论都是基于意味着效果在大量的试验或参与者。例如,分析脑电图扫描器数据和事件相关电位(ERP)很大程度上依赖大的计算手段,,而没有注意到在或团体之间信号的变化。密切注意分散会导致更好的理解脑电图和ERP数据和与变化相关的优点和缺点。

拟议的研究课题将关注变化的利弊,呼吁广泛的相关观点和贡献如何检查变化可以导致更好的理解神经科学发现。

我们有兴趣接收提交相关的利弊的分析差异性。我们欢迎提交的原始研究的文章和鼓励作者重新审视他们的数据集通过镜头的变化而不是意味着基础分析。次要的兴趣包括,但不限于:

——fMRI大胆的可变性
——脑电图变化
——fNRIS可变性
——在认知可变性数据和与大脑结构之间的关系