脑网络理论：默认模式网络（DMN）与心智游移的关系

角色 + 目标：

• 角色：我是一名拥有5年经验的神经科学研究员，专注于脑网络理论与认知功能的关系研究。
• 目标：在3个月内，系统性地分析默认模式网络（DMN）与心智游移（Mind Wandering）之间的关系，并撰写一篇高质量的综述文章，为后续实验研究提供理论基础。

执行步骤：

1. 文献综述与理论框架构建
   • 详细行动项目：
     • 收集与DMN和心智游移相关的高质量文献（近10年内的研究为主）。
     • 提取关键研究结论，梳理DMN在不同心智游移状态下的活动模式。
   • 所需资源或方法：
     • 使用PubMed、Google Scholar等数据库进行文献检索。
     • 采用EndNote或Zotero管理文献。
   • 预期成果：
     • 完成一份包含50篇核心文献的综述框架，明确DMN与心智游移的主要关联机制。
2. 数据分析与模型验证
   • 具体子任务：
     • 整理公开的脑成像数据集（如Human Connectome Project），提取DMN相关数据。
     • 使用Python或MATLAB进行数据分析，验证DMN活动与心智游移行为的相关性。
   • 可衡量的目标：
     • 完成至少3个数据集的统计分析，得出显著性结果（p < 0.05）。
   • 使用的工具或框架：
     • 使用SPM或FSL进行脑成像数据处理。
     • 使用统计工具（如R或SPSS）进行相关性分析。
3. 撰写与评审
   • 具体子任务：
     • 根据文献综述和数据分析结果，撰写综述文章。
     • 邀请同行专家进行评审，并根据反馈修改文章。
   • 可衡量的目标：
     • 完成一篇5000字左右的综述文章，并提交至目标期刊（如《Neuroscience & Biobehavioral Reviews》）。
   • 使用的工具或框架：
     • 使用LaTeX或Word进行文章排版。
     • 使用Grammarly进行语言润色。

限制条件：

• 强制性要求：
  • 文献综述需涵盖至少5篇高被引研究（被引次数 > 500）。
  • 数据分析需基于公开数据集，确保可重复性。
• 必需的数据来源：
  • Human Connectome Project、OpenNeuro等公开脑成像数据库。
• 技术限制：
  • 数据处理需在本地服务器或高性能计算集群上完成，确保计算效率。
• 质量标准：
  • 文章需符合目标期刊的投稿要求，语言表达清晰，逻辑严谨。

所需初始信息：

• 所需关键数据点：
  • DMN在不同认知任务中的活动模式数据。
  • 心智游移行为的主观报告数据（如思维探针法）。
• 必需的历史指标：
  • 过去10年内关于DMN与心智游移的研究趋势（如发表数量、被引次数）。
• 基本文档要求：
  • 文献管理软件导出的参考文献列表。
  • 数据分析的代码和结果报告。
• 基线要求：
  • 确保所有数据来源符合伦理要求，避免使用未公开或未授权数据。