Современные нейровизуализационные технологии сталкиваются с фундаментальной проблемой: как интегрировать данные различной природы для получения целостной картины работы мозга. Среди наиболее перспективных подходов — одновременная регистрация электроэнцефалографии (ЭЭГ) и функциональной магнитно-резонансной томографии (фМРТ), которая позволяет изучать динамику мозга с высоким временным и пространственным разрешением. Однако создание единой целостномозговой модели, объединяющей эти две модальности, остаётся серьёзным методологическим вызовом.
В представленном исследовании разработан инновационный фреймворк фьюжн-моделирования для анализа данных одновременной ЭЭГ-фМРТ в состоянии покоя. Ключевыми принципами подхода стали тщательное мультимодальное выравнивание данных, конструирование стабильного общего признакового пространства и кросс-валидационный отбор моделей на основе воспроизводимости результатов.
Для валидации метода использовался открытый набор данных, включающий 15 сеансов записи с открытыми глазами у 12 здоровых взрослых испытуемых. После строгой предобработки был сформирован фьюжн-набор данных без временного лага, содержащий минимум 15 временных репетиций (TR), что в итоге составило 3550 сохранённых TR и 124,25 минут пригодных для анализа данных.
Ключевым инструментом анализа послужило скрытое марковское моделирование (hidden Markov model, HMM) — статистический метод, позволяющий выявлять дискретные латентные состояния в непрерывных временных рядах. Применение процедуры кросс-валидации с исключением по одному испытуемому (leave-one-subject-out cross-validation) поддержало выбор экономной трёхсостоятельной фьюжн-модели как оптимальной.
В финальном решении, полученном на полном объёме данных, одно из состояний выделилось как доминирующее «базовое» (backbone state). Это состояние характеризовалось наибольшей долей времени пребывания (occupancy), наиболее выраженной персистентностью (устойчивостью во времени) и наиболее чёткой канонической организацией BOLD-сетей — сетей медленных колебаний сигнала кровообращения, отражающих функциональную связность мозга.
Два других состояния функционировали как транзиторные альтернативы с существенно меньшей долей пребывания. Первое альтернативное состояние представляло собой широко аттенуированную версию базового состояния — то есть сохраняло общую топологию сетей, но со значительно ослабленной амплитудой активации. Второе альтернативное состояние демонстрировало более избирательную перестройку весов сетей, что указывает на качественно иной паттерн функциональной организации мозга.
Особый интерес представляет межмодальная структура выявленных состояний. Анализ показал, что состояния различались не только в пространстве фМРТ-признаков, но и в характере связи между BOLD- и ЭЭГ-паттернами. Это свидетельствует о том, что электрофизиологическое и гемодинамическое проявление сетевой активности может по-разному соотноситься в зависимости от латентного состояния мозга — фундаментальное наблюдение для понимания нейроваскулярной связи.
Представленные результаты имеют двойное значение. С методологической стороны, исследование предлагает практический рабочий процесс для целостномозговой интеграции ЭЭГ-фМРТ, преодолевающий ключевые проблемы мультимодального анализа. С биологической стороны, полученные данные дают интерпретируемое описание низкопорядковой динамики мозга в состоянии покоя, выявляя иерархическую организацию с доминирующим устойчивым состоянием и подчинёнными флуктуирующими альтернативами.
Эти находки открывают перспективы для дальнейшего изучения нарушений мозговой динамики при неврологических и психиатрических расстройствах, где перестройка баланса между устойчивыми и транзиторными состояниями может играть ключевую патофизиологическую роль.