Autonomic modultation of EEG-fMRI correlations during resting-state

Resting-state brain activity is increasingly recognized as the result of continuous interactions between neural, hemodynamic, and autonomic processes. However, the mechanisms linking these components and their contribution to large-scale resting-state networks (RSNs) remain incompletely understood. The aim of this thesis was to investigate brain-body interactions during resting-state conditions using a multimodal EEG-fMRI framework combined with autonomic physiological measures. A total of 30 healthy participants from two independent resting-state datasets were included. The study was structured into two complementary analytical approaches. First, unimodal analyses were performed to characterize the relationships between autonomic measures, including spontaneous eye blinks, heart rate (HR), and heart rate variability (HRV), and both EEG-derived and fMRI-derived signals. Subsequently, a multimodal framework was employed to investigate the dynamic coupling between electrophysiological activity and fMRI-derived resting-state network (RSN) signals. EEG-fMRI correlations were estimated across multiple frequencies and hemodynamic delays, and a sliding-window approach combined with clustering techniques was used to identify recurrent EEG-fMRI coupling states. The relationship between these states and autonomic fluctuations was then assessed. Subsequently, a multimodal framework was employed to investigate the dynamic coupling between electrophysiological activity and fMRI-derived resting-state network (RSN) signals. EEG-fMRI correlations were estimated across multiple frequencies and hemodynamic delays, and a sliding-window approach combined with clustering techniques was used to identify recurrent EEG-fMRI coupling states. The relationship between these states and autonomic fluctuations was then assessed. The unimodal analyses revealed systematic associations between autonomic measures and resting-state brain activity. Blink-related fluctuations were associated with activity changes in visual, attentional, and subcortical systems, while HR fluctuations primarily correlated with large-scale hemodynamic dynamics. Among all investigated measures, HRV exhibited the most coherent multimodal pattern, being associated with reduced EEG vigilance, increased slow-wave activity, and widespread decreases in BOLD activity. The multimodal analyses further demonstrated that EEG-fMRI coupling is intrinsically dynamic and organized into recurrent states. Importantly, several state configurations showed significant associations with HRV, whereas weaker and less consistent relationships were observed for blink activity and HR. Overall, the results support the view that resting-state activity emerges from coordinated interactions between neural and autonomic processes rather than from purely intrinsic neural dynamics. In particular, HRV emerged as a robust marker of brain-body interactions, suggesting a central role of autonomic regulation in shaping the temporal organization of resting-state brain activity.

L’attività cerebrale a riposo è sempre più riconosciuta come il risultato di interazioni continue tra processi neurali, emodinamici e autonomici. Tuttavia, i meccanismi che collegano queste componenti e il loro contributo all’organizzazione delle reti cerebrali a riposo (Resting-State Networks, RSNs) non sono ancora completamente compresi. L’obiettivo di questa tesi è stato quello di investigare le interazioni cervello-corpo durante condizioni di resting-state mediante un approccio multimodale EEG-fMRI integrato con misure fisiologiche autonomiche. Lo studio ha incluso un totale di 30 partecipanti sani provenienti da due dataset indipendenti acquisiti in condizioni di resting-state. L’analisi è stata articolata in due approcci complementari. In primo luogo, sono state condotte analisi unimodali per caratterizzare le relazioni tra misure autonomiche, tra cui ammiccamenti spontanei, frequenza cardiaca (Heart Rate, HR) e variabilità della frequenza cardiaca (Heart Rate Variability, HRV), e i segnali derivati da EEG e fMRI. Successivamente, è stato adottato un framework multimodale per investigare l’accoppiamento dinamico tra l’attività elettrofisiologica e i segnali delle reti cerebrali a riposo (RSNs) derivati dalla fMRI. Le correlazioni EEG-fMRI sono state stimate considerando differenti frequenze EEG e diversi ritardi emodinamici, mentre un approccio basato su finestre temporali scorrevoli e tecniche di clustering è stato utilizzato per identificare stati ricorrenti di accoppiamento EEG-fMRI. È stata infine valutata la relazione tra tali stati e le fluttuazioni autonomiche. Le analisi unimodali hanno evidenziato associazioni sistematiche tra le misure autonomiche e l’attività cerebrale a riposo. Le fluttuazioni legate agli ammiccamenti sono risultate associate a variazioni di attività nei sistemi visivi, attentivi e sottocorticali, mentre le fluttuazioni della frequenza cardiaca hanno mostrato principalmente correlazioni con dinamiche emodinamiche su larga scala. Tra tutte le misure investigate, l’HRV ha evidenziato il pattern multimodale più coerente, risultando associata a una riduzione della vigilanza EEG, a un incremento dell’attività a basse frequenze e a diffuse diminuzioni dell’attività BOLD. Le analisi multimodali hanno inoltre dimostrato che l’accoppiamento EEG-fMRI è intrinsecamente dinamico e organizzato in stati ricorrenti. In particolare, diverse configurazioni di stato hanno mostrato associazioni significative con l’HRV, mentre relazioni più deboli e meno consistenti sono state osservate per gli ammiccamenti e per l’HR. Nel complesso, i risultati supportano l’ipotesi che l’attività cerebrale a riposo emerga da interazioni coordinate tra processi neurali e autonomici piuttosto che da dinamiche esclusivamente neurali. In particolare, l’HRV è emersa come un robusto indicatore delle interazioni cervello-corpo, suggerendo un ruolo centrale della regolazione autonomica nell’organizzazione temporale dell’attività cerebrale a riposo.