确定从EEG检测区域间线性功能连接的良好实践
Franziska Pellegrini1, Arnaud Delorme2, Vadim Nikulin3
1Charité-Universitätsmedizin Berlin, Charitéplatz 1, Berlin, 10117, Germany; Bernstein Center for Computational Neuroscience, Philippstraße 13, Berlin, 10117, Germany.
NeuroImage
|June 12, 2023
概括
本研究比较了使用模拟数据分析大脑功能连接 (FC) 的方法. 估计阶段到阶段FC的最佳管道包括LCMV光束成形,PCA以及MIM或TRGC等特定连接指标.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 信号处理 信号处理
背景情况:
- 描述大脑区域之间的功能连接 (FC) 对于理解大脑功能至关重要.
- 将voxel级统计依赖性聚合到区域间的FC中涉及各种方法,其优势不清楚.
研究的目的:
- 为了比较不同管道的性能,以估计定向和非定向的线性相对相 FC.
- 确定将voxel级数据汇总成区域间FC指标的最佳方法.
- 调查影响阶段性FC检测的因素.
主要方法:
- 为了模拟伪EEG,生成基准真实数据.
- 逆向建模算法,时间序列聚合策略和连接度量的比较.
- 管道的评估涉及线性约束最小方差 (LCMV) 束形变量器,主要组件分析 (PCA),多变量相互作用测量 (MIM) 和时间逆转的格兰杰因果关系 (TRGC).
主要成果:
- 使用连贯性绝对值的管道表现不佳.
- 将连贯源 (DICS) 束形状的动态成像与多频定向FC指标相结合,产生了不满意的结果.
- 涉及LCMV光束成型,PCA和MIM/TRGC的管道显示出有希望的性能.
结论:
- 提供了建议,以提高未来实验连接性研究的有效性.
- 引入了EEGLAB的免费ROIconnect插件,其中包含推方法.
- 在运动成像期间的EEG数据上,表现最好的管道被证明.
