Neural network characteristics of a healthy person’s resting state based on EEG graph analysis

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription or Fee Access

Abstract

To clarify the informative value of EEG markers in the study of neural network organization of human brain, a quantitative assessment and analysis of the spatial organization of coherence (CohEEG), as well as a number of local and global graph analysis (GA) metrics based on this characteristic, were performed in 20 healthy subjects at resting state. The topograms of CohEEG and local GA metrics were compared with cortical projections of the four most significant neural networks: default mode network, sensorimotor network, executive function network, and frontoparietal network. For frequency bands theta2 (5.9–7.4 Hz), alpha1 (7.8–9 Hz), and, especially, alpha2 (9.4–10.2 Hz), a neural network non-specificity of the topography of a number of characteristics was revealed, i.e., the spatial coincidence of maximum values with cortical projections of several neural networks. It was suggested that there are two neural network hubs: sensorimotor hub and frontal hub, which are active even in resting state. The preliminary data obtained clarify the understanding of neural network EEG markers, the cerebral organization of resting state in norm, and can serve as a reference for similar comparative studies in brain pathology.

About the authors

E. V. Sharova

Institute of Higher Nervous Activity and Neurophysiology of RAS

Author for correspondence.
Email: esharova@nsi.ru
Moscow, Russia

K. D. Vigasina

Institute of Higher Nervous Activity and Neurophysiology of RAS

Email: esharova@nsi.ru
Moscow, Russia

M. A. Kulikov

Institute of Higher Nervous Activity and Neurophysiology of RAS

Email: esharova@nsi.ru
Moscow, Russia

E. L. Masherov

Burdenko National Medical Research Center of Neurosurgery of Ministry of Health

Email: esharova@nsi.ru
Moscow, Russia

P. M. Gotovtsev

Institute for Information Transmission Problems of RAS (Kharkevich Institute); Moscow Institute of Physics and Technology (National Research University)

Email: esharova@nsi.ru
Moscow, Russia; Moscow, Russia

References

  1. Анохин К.В. Когнитом: в поисках фундаментальной нейронаучной теории сознания. Журнал высшей нервной деятельности им. И.П. Павлова. 2021. 71 (1): 39–71. https://doi.org/10.31857/S0044467721010032
  2. Бизюк А.П. Компендиум методов нейропсихологического исследования. СПб.: Речь. 2005. 400 с.
  3. Болдырева Г.Н., Корниенко В.Н., Шарова Е.В., Пронин И.Н., Фадеева Л.М., Котенев А.В., Меотишвили А.А. Оценка реакций мозга человека на сенсорные воздействия (пилотные исследования здоровых испытуемых). Доклады Академии Наук. 2007. 416 (3): 426–429.
  4. Болдырева Г.Н., Шарова Е.В., Жаворонкова Л.А., Челяпина М.В., Дубровская Л.П., Симонова О.А. и др. ФМРТ и ЭЭГ реакции мозга здорового человека при активных и пассивных движениях ведущей рукой. Журнал высшей нервной деятельности им. И.П. Павлова. 2014. 64 (5): 388–399.
  5. Буккиева Т.А., Чегина Д.С., Ефимцев А.Ю., Левчук А.Г., Исхаков Д.К., Соколов А.В., Фокин В.А., Труфанов Г.Е. Функциональная МРТ покоя. Общие вопросы и клиническое применение. REJR 2019. 9 (2): 150–170. https://doi.org/10.21569/2222-7415- 2019-9-2-150-170
  6. Вигасина К.Д., Прошина Е.А., Готовцев П.М., Шарова Е.В., Бордюг В.А., Машеров Е.Л., Князев Г.Г. Подходы к применению графового анализа для исследования ЭЭГ человека в норме и при церебральной патологии Журнал высшей нервной деятельности им. И.П. Павлова. 2022. 72 (6): 741–767.
  7. Вигасина К.Д., Шарова Е.В., Бордюг В.А., Машеров Е.Л., Болдырева Г.Н., Смирнов А.С., Готовцев П.М. Функциональная коннективность ЭЭГ при движении: опыт применения графового анализа. Физиология человека. 2023. 49 (5): 5–16. https://doi.org/10.31857/S0131164622600719
  8. Гаврон А.А., Deza-Lougovski Y.I., Шарова Е.В., Смирнов А.С., Князев Г.Г., Челяпина М.В. и др. Групповой и индивидуальный фМРТ-анализ основных сетей покоя здоровых испытуемых Журнал высшей нервной деятельности им. И.П. Павлова. 2019. 69 (2): 150–163. https://doi.org/10.1134/S0044467719020072
  9. Гриндель О.М. Оптимальный уровень когерентности ЭЭГ и его значение в оценке функционального состояния мозга человека. Журнал высшей нервной деятельности им. И.П. Павлова. 1980. 30 (1): 62–70.
  10. Гриндель О.М., Романова Н.В., Зайцев О.С., Воронов В.Г., Скорятина И.Г. Математический анализ электроэнцефалограмм в процессе восстановления сознания после тяжелой черепно-мозговой травмы. Журнал неврологии и психиатрии им. С.С. Корсакова. 2006. 12: 47–51.
  11. Добрушина О.Р. Современные нейронаучные концепции и психотерапия: возможности интеграции. Журнал высшей нервной деятельности им. И.П. Павлова. 2024. 74 (1): 3–13. https://doi.org/10.31857/S0044467724010016
  12. Жаворонкова Л.А. Нейрофизиология: межполушарная асимметрия мозга человека (правши-левши). 3-е дополненное издание. М: Юрайт. 2018. 218 с.
  13. Зигмантович А.С., Окнина Л.Б., Копачка М.М., Машеров Е.Л., Александрова Е.В. Функциональные вейвлет-связи в состоянии покоя, отражающие восстановление сознания у пациентов с тяжелой черепно-мозговой травмой Физиология человека. 2021. 47 (2): 22–31.
  14. Зигмантович А.С., Шарова Е.В., Копачка М.М., Смирнов А.С., Александрова Е.В., Машеров Е.Л. и др. Коннективность ЭЭГ и сети ФМРТ в состоянии покоя у здоровых людей и пациентов с посттравматическим угнетением сознания (пилотное исследование). Физиология человека. 2024. 50 (1): 5–21. https://doi.org/10.31857/S0131164624010011
  15. Иванов Л.Б., Селезнева Ж.В., Ермолаева Т.П., Гегуева Е.Н. Прогностическое значение оценки межполушарных связей при длительных бес сознательных состояниях травматического и постгипоксического генеза у детей (по данным когерентного анализа ЭЭГ). Функциональная диагностика. 2009. 3: 29–42.
  16. Изнак А.Ф., Изнак Е.В., Мельникова Т.С. Параметры когерентности ЭЭГ как отражение нейропластичности мозга при психической патологии (обзор литературы). Психиатрия. 2018. 7 8(2): 127–137. https://doi.org/10.30629/2618-6667-2018-78-127-137
  17. Ливанов М.Н. Пространственная организация процессов головного мозга. М: Наука. 1972. 181 c.
  18. Мартынова О.В., Сушинская-Тетерева А.О., Балаев В.В., Иваницкий А.М. Корреляция функциональной связанности областей мозга, активных в состоянии покоя, с поведенческими и психологическими показателями. Журнал высшей нервной деятельности им. И.П. Павлова. 2016. 66 (5): 541–555. https://doi.org/10.7868/S0044467716050063
  19. Лисачев П.Д., Мельников М.Е., Штарк М.Б. Генетические аспекты фМРТ-исследований головного мозга. Успехи физиологических наук. 2020. 51 (1): 58–71.
  20. Мачинская Р.И., Талалай И.В., Курганский А.В. Функциональная организация коры головного мозга при направленном и имплицитном модально-специфическом предвосхищающем внимании. Анализ когерентности альфа-ритма в пространстве источников. Журнал высшей нервной деятельности им. И.П. Павлова. 2015. 65 (6): 661–675.
  21. Мачинская Р.И., Курганский А.В., Ломакин Д.И. Возрастные изменения функциональной организации корковых звеньев регуляторных систем мозга у подростков. Анализ нейронных сетей покоя в пространстве источников ЭЭГ. Физиология человека. 2019. 45 (5): 5–19.
  22. Медведев С.В., Машарипов Р.С., Коротков А.Д., Киреев М.В. Характеристики вовлечения скрытых звеньев в системную активность мозга по данным фМРТ. Физиология человека. 2023. 49 (1): 3–16.
  23. Русинов В.С. (ред.), Гриндель О.М., Болдырева Г.Н., Вакар Е.М. Биопотенциалы мозга человека. М: Медицина. 1987. 254 с.
  24. Свидерская Н.Е. Пространственная организация электроэнцефалограммы. М.: Издательство ВГМА. 2008. 573 с.
  25. Селиверстова Е.В., Селиверстов Ю.А., Коновалов Р.Н., Кротенкова М.В, Иллариошкин С.Н. Реорганизация сети пассивного режима работы головного мозга у пациентов с болезнью Паркинсона: анализ индивидуальных компонент по данным фМРТ покоя. Анналы клинической и экспериментальной неврологии. 2015. 9 (2): 4–9.
  26. Смирнов А.С., Шараев М.Г., Мельникова-Пицхелаури Т.В., Жуков В.Ю., Быканов А.Е., Шарова Е.В. и др. Функциональная МРТ покоя головного мозга в предоперационном планировании. Мед. визуал. 2018. 5: 6–13. https://doi.org/10.24835/1607-0763-2018-5-6-13
  27. Смирнов А.C., Мельникова-Пицхелаури Т.В., Шараев М.Г., Жуков В.Ю., Погосбекян Э.Л., Афандиев Р.М. и др. Функциональная магнитно-резонансная томография в состоянии покоя в предоперационном неинвазивном картировании у пациентов с глиомами левого полушария головного мозга. Вопросы нейрохирургии им. Н.Н. Бурденко. 2020. 84 (4): 17–25.
  28. Урбах В.Ю. Биометрические методы. Статистическая обработка опытных данных в биологии, сельском хозяйстве и медицине. М.: Наука, 1964. 418 c.
  29. Храмов А.Е., Фролов Н.С., Максименко В.А., Куркин С.А., Казанцев В.Б. Функциональные сети головного мозга: от восстановления связей до динамической интеграции. Успехи физических наук. 2021. 191 (6): 614–650. https://doi.org/10.3367/UFNr.2020.06.038807
  30. Чернышев Б. В., Павлова А.А., Рытикова А.М., Буторина А.В., Строганова Т.А. Продление мозговой активации в ответ на стимул как вероятный механизм ассоциативной пластичности при семантическом научении Журнал высшей нервной деятельности им. И.П. Павлова. 2023. 73 (6): 764–784.
  31. Шарова Е.В., Болдырева Г.Н., Куликов М.А., Волынский П.Е., Котенев А.В., Окнина Л.Б. ЭЭГ – корреляты состояний зрительного и слухового внимания у здоровых испытуемых Физиология человека. 2009. 35 (1): 5–14.
  32. Шарова Е.В., Огурцова А.А., Лаптева К.Н. ЭЭГ у нейрохирургических больных в раннем послеоперационном периоде. Нейрофизиологические исследования в клинике (издание второе, переработанное и дополненное). М.: ФГАУ “Национальный медицинский исследовательский центр нейрохирургии им. акад. Н.Н. Бурденко” . 2019. 150–166.
  33. Шеповальников А.Н., Цицерошин М.Н., Погосян А.А. О роли различных зон коры и их связей в формировании пространственной упорядоченности поля биопотенциалов мозга в постнатальном онтогенезе. Физиология человека. 1997. 23 (2): 12–24.
  34. Achard S., Salvador R., Whitcher B., Suckling J., Bullmore E. A resilient, low-frequency, small-world human brain functional network with highly connected association cortical hubs. J Neurosci. 2006. 26 (1): 63–72. https://doi.org/10.1523/JNEUROSCI.3874-05.2006
  35. Adamovich T., Zakharov I., Tabueva A., Malykh S. The thresholding problem and variability in the EEG graph network parameters. Sci Rep. 2022. 12: 18659. https://doi.org/10.1038/s41598-022-22079-2
  36. Allen E.A., Erhardt E.B., Damaraju E., Gruner W., Segall J.M., Silva R.F. et al. A baseline for the multivariate comparison of resting-state networks. Frontiers in Systems Neuroscience. 2011. (5): 1–19.
  37. Aoki Y., Ishii R., Pascual-Marqui R.D., Canuet L., Ikeda S., Hata M. et al. Detection of EEG-resting state independent networks by eLORETA-ICA method. Front Hum Neurosci. 2015. 9: 1–12. https://doi.org/10.3389/fnhum.2015.00031
  38. Babiloni C., Infarinato F., Triggiani A.I., Lizio R., Percio C., Del Marzano N. et al. Resting state EEG rhythms as network disease markers for drug discovery in Alzheimer’s disease. Drug Discov Today: Ther Strategies. 2013. 10 (2): 1–6. https://doi.org/10.1016/j.ddstr.2014.02.003
  39. Babiloni C., Blinowska K., Bonanni L., Cichocki A., De Haan W., Claudio del Percio Dubois B. et al. What Electrophysiology Tells Us About Alzheimer’s Disease: A Window into the Synchronization and Connectivity of Brain Neurons. Neurobiology of Aging. 2020. 85: 58–73. https://doi.org/10.1016/j.neurobiolaging.2019.09.008
  40. Bagnato S., Boccagni C., Sant’Angelo A., Prestandrea C., Mazzilli R., Galardi G. EEG predictors of outcome in patients with disorders of consciousness admitted for intensive rehabilitation. Clinical Neurophysiology. 2015. 126: 959–966.
  41. Beltrachini L., De Marco M., Taylor Z.A., Lotjonen J., Frangi A.F., Venneri A. Integration of Cognitive Tests and Resting State fMRI for the Individual Identification of Mild Cognitive Impairment. Curr Alzheimer Res. 2015.12 (6): 592–603.
  42. Biswal B., Yetkin F.Z., Haughton V.M., Hyde J.S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magn Reson Med. 1995. 34: 537–541.
  43. Boldyreva G.N., Zhavoronkova L.A., Sharova E.V., Dobronravova I.S. Electroencephalografic intercentral interaction as a reflection of normal and pathological human brain activity The Spanish Journal of Psychology. 2007. 10 (1): 169–179.
  44. Bullmore E., Sporns O. The economy of brain network organization. Nat. Rev. Neurosci. 2012. 13: 336–349.
  45. Chen J-L., Ros T., Gruzelier J.H. Dynamic Changes of ICA-Derived EEG Functional Connectivity in the Resting State. Human Brain Mapping. 2013. 34 (4): 852–868. https://doi.org/10.1002/hbm.21475
  46. Chennu S., Finoia P., Kamau E., Allanson J., Williams G.B., Monti M.M. et al. Spectral Signatures of Reorganised Brain Networks in Disorders of Consciousness. PLoS Comput Biol. 2014. 10 (10): 1–16. https://doi.org/10.1371/journal.pcbi.1003887
  47. Chou Y.H., Panych L.P., Dickey C.C., Petrella J.R., Chen N.K. Investigation of long-term reproducibility of intrinsic connectivity network mapping: a resting-state fMRI study American Journal of Neuroradiology. 2012. 33 (5): 833–838.
  48. Cordes D., Haughton V.M., Arfanakis K., Wendt G.J., Turski P.A., Moritz C.H. et al. Mapping Functionally Related Regions of Brain with Functional Connectivity MR Imaging. Am. J. Neuroradiol. 2000. 21: 1636–1644.
  49. Crossley N.A., Mechelli A., Scott J., Carletti F., Fox P.T., McGuire P., Bullmore E.T. The hubs of the human connectome are generally implicated in the anatomy of brain disorders. Brain. 2014. 137 (8): 2382–2395. https://doi.org/10.1093/brain/awu13217
  50. Dassios G., Fokas A.S. Electroencephalography and Magnetoencephalography: An Analytical-Numerical Approach. Berlin: de Gruyter, 2020., Jatoi M.A. Kamel N. Brain Source Localization Using EEG Signal Analysis. Boca Raton: CTC Press, 2018.
  51. Demertzi A., Antonopoulos G., Heine L., Voss H.U., Crone J.S., de Los Angeles C. et al. Intrinsic functional connectivity differentiates minimally conscious from unresponsive patients Brain. 2015. 138: 2619–2631. https://doi.org/10.1093/brain/awv169
  52. Fries Р. Rhythms for Cognition: Communication Through Coherence Neuron. 2015. 88 (1): 220–235. https://doi.org/10.1016/j.neuron.2015.09.034
  53. Gelfand I.M., Yaglom A.M. Calculation of amount of information about a random function contained in another such function. Am. Math. Soc. Transl. 1959. 2 (12): 199–246.
  54. Gilbert N., Bernier R.A., Calhoun V.D., Brenner E. et al. Diminished neural network dynamics after moderate and severe traumatic brain injury PloS one. 2018. 13 (6): 1–25.
  55. Grandjean J., D’Ostilio K., Phillips C., Balteau E., Degueldre C., Luxen А. et al. Modulation of Brain Activity during a Stroop Inhibitory Task by the Kind of Cognitive Control Required. PLoS ONE. 2012. 7 (7): 1–13. https://doi.org/10.1371/journal.pone.0041513
  56. Greicius M.D., Krasnow B., Reiss A.L., Menon V. Functional connectivity in the resting brain: A network analysis of the default mode hypothesis. PNAS. 2003. 100 (1): 253–258.
  57. Hatlestad-Hall C., Bruña R., Syvertsen M.R., Erichsen A., Andersson V., Vecchio F. et al. Source-level EEG and graph theory reveal widespread functional network alterations in focal epilepsy. Clinical Neurophysiology. 2021. 132 (7): 1663–1676.
  58. Hatlestad-Hall C., Bruña R., Erichsen A., Andersson V., Andersson V., Syvertsen M.R. et al. The organization of functional neurocognitive networks in focal epilepsy correlates with domain- specific cognitive performance. J Neurosci Res. 2021. 99: 2669–2687. https://doi.org/10.1002/jnr.24896
  59. Heine L., Soddu A., Gómez F., Vanhaudenhuyse A., Tshibanda L., Thonnard M. et al. Resting state networks and consciousness. Alterations of multiple resting state network connectivity in physiological, pharmacological, and pathological consciousness states Front. Psychol. 2012. 3: 1–12. https://doi.org/10.3389/fpsyg.2012.00295
  60. Humphries M.D., Gurney K. Network ‘small-world-ness’: a quantitative method for determining canonical network equivalence. PloS one. 2008. 3 (4): 1–10. https://doi.org/10.1371/journal.pone.0002051
  61. Jann K., Kottlow M., Dierks T., Boesch C., Koenig T. Topographic Electrophysiological Signatures of fMRI Resting State Networks. PLoS ONE. 2010. 5 (9): e12945. https://doi.org/10.1371/journal.pone.0012945
  62. Jann K., Federspiel A., Giezendanner S., Andreotti J, Kottlow M., Dierks T., Koenig T. Linking Brain Connectivity Across Different Time Scales with Electroencephalogram, Functional Magnetic Resonance Imaging, and Diffusion Tensor Imaging Brain Connectivity. 2012. 2 (1): 11–20. https://doi.org/10.1089/brain.2011.0063
  63. Jatoi M.A. Kamel N. Brain Source Localization Using EEG Signal Analysis. Boca Raton: CTC Press, 2018.
  64. Knyazev G.G., Bazovkina D.V., Savostyanov A.N., Naumenko V.S., Kuznetsova V.B., Proshina E.A. Suppression mediates the effect of 5-HTTLPR by stress interaction on depression. Scandinavian journal of psychology. 2017. 58 (5): 373–378.
  65. Liang Z., Wang Y., Sun X., Li D., Voss L.J., Sleigh J.W., Hagihira S., Li X. EEG entropy measures in anesthesia. Front. Comput. Neurosci. 2015. 9: 1–17. https://doi.org/10.3389/fncom.2015.00016
  66. Lopez C., Halje P., Blanke O. Body ownership and embodiment: Vestibular and multisensory mechanisms Clin. Neurophysiology. 2008. 38 (3): 149–161.
  67. Mantini D., Perrucci M.G., Del Gratta C., Romani G.L., Corbetta M. Electrophysiological signatures of resting state networks in the human brain. PNAS. 2007. 104 (32): 13170–13175.
  68. Min Li, Yunjie Fang, Yu Zhang, Yiling Zhang, Junwei Chen, Bingxin Zhu et al. Epileptic EEG information entropy based on different entropy estimation methods. J. Phys.: Conf. Ser. 2020. 1592 012039. https://doi.org/10.1088/1742-6596/1592/1/012039
  69. Mitiureva D., Sysoeva O., Proshina E., Portnova G., Khayrullina G., Martynova O. Comparative analysis of resting-state EEG functional connectivity in depression and obsessive-compulsive disorder. Psychiatry Research: Neuroimaging. 2024. 342: 111828. https://doi.org/10.1016/j.pscychresns.2024.111828
  70. Nabizadeh F., Aarabi M.H. Functional and structural lesion network mapping in neurological and psychiatric disorders: a systematic review. Front. Neurol. 2023. 14: 1–25. https://doi.org/10.3389/fneur.2023.1100067
  71. Onnela J.P., Saramäki J., Kertész J., Kaski K. Intensity and coherence of motifs in weighted complex networks. Physical Review E. 2005. 71 (6): 1–5.
  72. Phadikar S., Pusuluri K., Iraji A., Calhoun V.D. Integrating fMRI spatial network dynamics and EEG spectral power: insights into resting state connectivity. Front. Neurosci. 2025. 19: 1–13. https://doi.org/10.3389/fnins.2025.1484954
  73. Raichle M.E. Two views of brain function. Trends in Cognitive Sciences. 2010. 14 (4): 180–190.
  74. Rojas G.M., Alvarez C., Montoya C.E., de la Iglesia-Vayá M., Cisternas J.E., Gálvez M. Study of Resting-State Functional Connectivity Networks Using EEG Electrodes Position As Seed. Front. Neurosci. 2018. 12: 1–12.
  75. Sanz-Arigita E.J., Schoonheim M.M., Damoiseaux J.S., Rombouts S.A.R.B., Maris E., Barkhof F. et al. Loss of ‘Small-World’ Networks in Alzheimer’s Disease: Graph Analysis of fMRI Resting-State Functional Connectivity. PLOS ONE. 2010. 5 (11): 1–14. https://doi.org/0.1371/journal.pone.0013788
  76. Schorr B., Schlee W., Arndt M., Bender A. Coherence in resting-state EEG as a predictor for the recovery from unresponsive wakefulness syndrome. J. Neurol. 2016. 263 (5): 937.
  77. Sen B., Chu S., Parhi K.K. Ranking Regions, Edges and Classifying Tasks in Functional Brain Graphs by Sub-Graph Entropy Scientific Reports. 2019. 9 (1): 1–20. https://doi.org/10.1038/s41598-019-44103-8
  78. Sharova E.V., Chelyapina M.V., Korobkova E.V., Kulikov M.A., Zaitsev O.S. EEG Correlates of Consciousness Recovery after Traumatic Brain Injury. N.N. Burdenko Journal of Neurosurgery. 2014. 1: 13–23.
  79. Sharp D.J., Scott G., Leech R. Network dysfunction after traumatic brain injury Nature Reviews Neurol. 2014. 10 (3): 156–166.
  80. Shemyakina N.V., Nagornova Z.V., Soroko S.I. A Longitudinal Study of Electroencephalogram Spatial Connectivity Maturation in Children and Adolescents-Northerners (From 8 to 16/17 Years Old). ЖВНД им. И.П. Павлова. 2021. 71 (4): 515–528.
  81. Shirer W.R., Ryali S., Rykhlevskaia E., Menon V., Greicius M.D. Decoding subject-driven cognitive states with whole-brain connectivity patterns. Cerebral cortex. 2012. 22 (1): 158–165.
  82. Singer W. Distributed processing and temporal codes in neuronal networks. Cogn. Neurodyn. 2009. 3 (3): 189–196.
  83. Smith S.M., Fox P.T., Miller K.L., Glahn D.C., Fox P.M., Mackay C.E. et al. Correspondence of the brain’s functional architecture during activation and rest. Proc. Natl. Acad. Sci. U.S.A. 2009. 106: 13040–13045.
  84. Snyder D.B., Schmit B.D., Hyngstrom A.S., Beardsley S.A. Electroencephalography resting-state networks in people with Stroke. Brain Behav. 2021. 11 (5): 1–32. https://doi.org/10.1002/brb3.2097
  85. Sporns O., Honey C.J., Kötter R. Identification and classification of hubs in brain networks. PloS one. 2007. 2 (10): 10–49.
  86. Tamburro G., di Fronso S., Robazza C., Bertollo M., Comani S. Modulation of Brain Functional Connectivity and Efficiency During an Endurance Cycling Task: A Source-Level EEG and Graph Theory Approach. Front. Hum. Neurosci. 2020. 14: 1–10. https://doi.org/10.3389/fnhum.2020.00243
  87. Triggiani A.I., Bevilacqua V., Brunetti A., Lizio R., Tattoli G., Cassano F. et al. Classification of Healthy Subjects and Alzheimer’s Disease Patients with Dementia from Cortical Sources of Resting State EEG Rhythms: A Study Using Artificial Neural Networks. Front. Neurosci. 2017. 10: 1–13. https://doi.org/10.3389/fnins.2016.00604
  88. Van Diessen E., Zweiphenning W.J., Jansen F.E., Stam C.J., Braun K.P., Otte W.M. Brain Network Organization in Focal Epilepsy: A Systematic Review and Meta-Analysis. PLoS One. 2014. 9 (12): 1–21. https://doi.org/10.1371/journal.pone.0114606
  89. Vecchio F., Miraglia F., Judica E., Cotelli M., Alù F., Rossini P.M. Human brain networks: a graph theoretical analysis of cortical connectivity normative database from EEG data in healthy elderly subjects. Geroscience. 2020. 42 (2): 575–584. https://doi.org/10.1007/s11357-020-00176-2
  90. Velichkovsky B.M., Krotkova O.A., Kotov A.A., Orlov V.A., Verkhlyutov V.M., Ushakov V.L., Sharaev M.G. Consciousness in a multilevel architecture: Evidence from the right side of the brain Consc. and cognition. 2018. 64: 227–239.
  91. Wantzen P., Clochon P., Doidy F., Wallois F., Mahmoudzadeh M., Desaunay P. et al. Correction: EEG resting-state functional connectivity: evidence for an imbalance of external/internal information integration in autism. J Neurodev Disord. 2022. 14 (1): 55. https://doi.org/10.1186/s11689-022-09464-8
  92. Watts D.J., Strogatz S.H. Collective dynamics of ‘small-world’ networks. Nature. 1998. 393 (6684): 440–442.
  93. Wendelken C., Ferrer E., Ghetti S., Bailey S.K., Cutting L., Bunge S.A. Frontoparietal structural connectivity in childhood predicts development of functional connectivity and reasoning ability: A large-scale longitudinal investigation. J. Neurosci. 2017. 37 (35): 8549–8558.
  94. Westmoreland B.E.F. In: Ebersole J.S., Pedley T.A., eds. Current Practice of Clinical Electroencephalography. 3rd ed. Lippincott Williams & Wilkins, Philadelphia. 2003. 974 p.
  95. Xia M., Wang J., He Y. BrainNet Viewer: A Network Visualization Tool for Human Brain Connectomics. PLoS ONE. 2013. 8: 1–15. https://doi.org/10.1371/journal.pone.0068910

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2025 Russian Academy of Sciences