functional-whole-brain-models-fwbm

name	functional-whole-brain-models-fwbm
description	Functional Whole-Brain Models (fWBMs) — unified framework integrating structural/dynamical realism with functional competence
last_updated	2026-06-11T00:00:00.000Z
paper_id	arXiv:2605.18118
paper_date	2026-05-18T00:00:00.000Z
authors	Mario Senden, Leonardo Dalla Porta, Jan Fousek, Jorge F. Mejias, Gorka Zamora-López
category	neuroscience
tags	["neuroscience","brain-modeling","whole-brain-models","neuroconnectionism","cognitive-function"]

Functional Whole-Brain Models (fWBMs)

Overview

功能全脑模型（fWBMs）是一种统一建模范式，整合了结构真实性和动力学真实性，同时具备执行认知任务的能力。

Problem Context

当代计算神经科学有两个主要建模传统：

1. 自下而上的全脑建模（WBM）：构建生物物理详细的脑结构和动力学模拟

   • ✅ 结构和动力学真实性高
   • ❌ 缺乏功能能力

2. 自上而下的神经连接主义：优化深度神经网络的功能性能

   • ✅ 功能能力强
   • ❌ 生物基础有限

Solution: fWBMs Framework

Four Minimal Criteria

fWBMs 由四个最小标准定义：

1. 结构基础：基于经验连接组和区域生物学

   • 使用 DTI、fMRI 等影像数据构建连接组
   • 整合区域特异性（细胞类型、密度、受体分布）

2. 连续时间动力学真实性：

   • 遵循神经动力学基本原理
   • 维持兴奋-抑制平衡
   • 支持多种时间尺度（快速振荡、慢速适应）

3. 功能能力：跨认知域的任务执行

   • 感知、决策、记忆、运动控制
   • 可训练和可优化
   • 支持任务切换和持续学习

4. 可映射观察数据：

   • 神经影像（fMRI、PET）
   • 电生理（EEG、MEG、iEEG）
   • 行为数据（反应时间、准确率）

Three-Pillar Roadmap

短期目标（1-3年）：

• 基础设施：数据集成、工具开发
• 建立基准测试和评估标准
• 开发开源框架和 API

中期目标（3-5年）：

• 跨尺度模型整合（分子→网络→系统）
• 临床应用：疾病诊断、治疗预测
• 教育培训：标准化课程和认证

长期目标（5-10年）：

• 完整认知功能模拟
• 实时脑状态预测和干预
• 个人化脑模型（数字孪生）

Scientific Opportunities

Research Applications

• 认知神经科学：理解认知功能的神经基础
• 临床神经科学：神经疾病机制和治疗预测
• 计算神经科学：统一建模语言和跨尺度假设
• 人工智能：生物启发的认知架构

Key Insights

Integration Challenge

• WBM 和神经连接主义的互补性
• 结构真实性与功能能力的平衡
• 多尺度动力学的一致性

Practical Considerations

• 数据可用性和质量限制
• 计算资源需求
• 模型复杂度与可解释性权衡

Activation Triggers

Use this skill when:

• 需要整合结构和功能脑建模
• 研究跨尺度神经动力学
• 开发认知功能模拟系统
• 设计临床应用脑模型

Keywords: fWBMs, whole-brain modeling, neuroconnectionism, cognitive function, connectome, structural grounding

References

• Senden et al. (2026). arXiv:2605.18118