通过信息理论启发的方法在EEG中探测内在的神经时间尺度:变时间延迟估计 (PE-TD)
Andrea Buccellato1,2, Yasir Çatal3, Patrizia Bisiacchi1,2
1Padova Neuroscience Center, University of Padova, Via Orus 2/B, 35129 Padova, Italy.
Entropy (Basel, Switzerland)
|July 29, 2023
概括
变 (PE) 提供了一种可靠的方法来估计神经数据的时间延迟,其性能优于传统的自相关窗口方法. 这种新方法, permutation entropy-time delay estimation (PE-TD),准确地测量了内在的神经时间尺度,并显示了对表征意识状态的希望.
科学领域:
- 神经科学是一个神经科学.
- 复杂的系统复杂的系统.
- 信息理论 信息理论
背景情况:
- 时间延迟在包括大脑在内的物理系统中至关重要,它影响动力学和在意识中发挥作用.
- 从神经时间序列中估计这些时间延迟是必不可少的,但往往具有挑战性.
- 目前的方法,如自相关窗口 (ACW) 有局限性,特别是与非静止数据.
研究的目的:
- 引入和验证 permutation entropy (PE) 作为一种用于估计神经时间序列中的时间延迟的新方法.
- 为了比较基于PE的时间延迟估计 (PE-TD) 与传统ACW方法的有效性.
- 探索PE-TD在测量内在神经时间尺度 (INTs) 和其在表征意识障碍 (DoCs) 中的潜力的应用.
主要方法:
- 利用变 (PE) 来估计来自合成和人类hd-EEG神经数据的时间延迟.
- 在合成数据上验证了PE-TD方法,评估其针对非静止性的稳定性.
- 在健康个体和有意识障碍 (DoCs) 的患者中使用PE-TD测量了内在神经时间表 (INTs).
主要成果:
- 证明了PE-TD的有效性和稳定性,用于估计神经时间序列中的时间延迟,即使在非静止条件下.
- 从使用PE-TD的人类hd-EEG数据中成功测量了内在神经时间尺度 (INTs).
- 在意识障碍中观察到ACW和PE-TD之间的相关性依赖状态的减少,这表明有意识与无意识状态的神经动态不同.
结论:
- PE-TD是一个有效和强大的工具,可以从神经数据中提取相关的时间表.
- 在DoC科目中,ACW和PE-TD之间的差异突显了PE-TD在描述意识状态方面的潜力.
- 这种方法为分析神经动态和理解意识提供了一个有希望的替代方案.
