Es bien conocido en la literatura de neuroimagen que las redes cerebrales funcionales reflejan rasgos personales. Estas características individuales, podrían interferir al caracterizar la cognición entendida como la manera en que se coordinan las redes para realizar una tarea, como mantener la atención, recordar, o procesar información visual. Por este motivo, una pregunta clave en investigación sobre conectividad cerebral es saber cómo estos aspectos individuales coexisten con mecanismos más generales. Este trabajo estudia la relación entre marcadores de conectividad específicos tanto de sujetos, como de tareas. Se centra en dos escalas temporales distintas: la variabilidad entre sesiones, y las fluctuaciones rápidas producidas durante una sesión de adquisición. Utilizamos técnicas de machine learning para separar cuantitativamente las contribuciones a la conectividad, tanto de la información del sujeto como del estado cognitivo. La metodología presentada nos permite extraer aquellas redes que son representativas de ambas dimensiones, así como profundizar en su evolución, sugiriendo las escalas temporales relevantes en la cognición.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados