核心要点
- 问题/背景
- 这篇 Nature Communications 论文重新组织了脑振荡的基本分类：传统上只按频段看 alpha/beta/gamma 等 oscillations，但作者加入 rhythmicity 维度，区分 sustained rhythm 和 burst-dominated transient dynamics。
- 方法/机制
- 方法上，作者用 rhythmicity measure 对 859 名参与者、跨物种、跨记录技术、18–88 岁、不同脑区、认知状态、健康与疾病数据中的 neurophysiological spectra 做分割。
- 结果/证据
- 结果给出 rhythmicity-resolved spectral architecture：高 rhythmicity 频带对应持续振荡，适合维持 ongoing activity；低 rhythmicity 频带由短暂 bursts 主导，更像对变化的 transient signaling。
- 收录价值
- 收录价值在于它提供了一个更可计算的神经动态组织原则，可影响 EEG/MEG/iEEG 表征学习、神经解码、brain-inspired state management，以及 AI 系统中 sustained state 与 transient update 的区分。
收录解读
这篇 Nature Communications 论文重新组织了脑振荡的基本分类：传统上只按频段看 alpha/beta/gamma 等 oscillations，但作者加入 rhythmicity 维度，区分 sustained rhythm 和 burst-dominated transient dynamics。
方法上，作者用 rhythmicity measure 对 859 名参与者、跨物种、跨记录技术、18–88 岁、不同脑区、认知状态、健康与疾病数据中的 neurophysiological spectra 做分割。
结果给出 rhythmicity-resolved spectral architecture：高 rhythmicity 频带对应持续振荡，适合维持 ongoing activity；低 rhythmicity 频带由短暂 bursts 主导，更像对变化的 transient signaling。
收录价值在于它提供了一个更可计算的神经动态组织原则，可影响 EEG/MEG/iEEG 表征学习、神经解码、brain-inspired state management，以及 AI 系统中 sustained state 与 transient update 的区分。
论文摘要
The paper introduces a rhythmicity-resolved spectral architecture for brain activity. Across 859 participants and multiple datasets, species, recording techniques, ages, brain regions, cognitive states, health and disease, it distinguishes high-rhythmicity sustained oscillation bands from low-rhythmicity burst-dominated bands, suggesting two modes of neural dynamics: maintenance of ongoing activity and transient responses to change.