一种二连贯方法来分析EEG/MEG数据中的多维交叉频率合
Alessio Basti1, Guido Nolte2, Roberto Guidotti3
1Department of Neuroscience, Imaging and Clinical Sciences, "G. d'Annunzio" University of Chieti-Pescara, 66100, Chieti, Italy. alessiobasti@hotmail.it.
Scientific reports
|April 11, 2024
概括
我们开发了多维反对称交叉双相一致性 (MACB) 来检测矢量时间序列中的二次相相互作用. MACB的性能优于原来的ACB方法,特别是在更短的数据或更高的维度的情况下.
科学领域:
- 神经科学是一个神经科学.
- 信号处理 信号处理
- 统计分析 统计分析
背景情况:
- 功能神经成像数据,如电磁脑图 (EEG/MEG) 信号,表现出复杂的相互作用.
- 在矢量时间序列中检测二次滞后相相互作用对于理解大脑活动至关重要.
- 像反对称交叉生物相干 (ACB) 这样的现有方法在多维应用中存在局限性.
研究的目的:
- 介绍ACB的区块式概括,称为多维ACB (MACB).
- 开发一种方法来检测频域中矢量时间序列之间的二次滞后相相互作用.
- 增强神经成像数据中复杂合的分析.
主要方法:
- 对抗对称交叉双相一致 (ACB) 统计方法的区块式概括.
- 对矢量时间序列应用双光谱分析.
- 开发和验证多维ACB (MACB) 方法.
主要成果:
- 在直角数据转换下,MACB证明了不变性,确保了坐标系的独立性.
- 广泛的合成实验表明,MACB显著优于ACB.
- 随着数据长度的缩短和数据尺寸的增加,MACB的性能优势会增加.
结论:
- MACB是一个强大的工具,用于识别多维时间序列中的二次相联.
- 该方法比ACB提供了更好的性能,特别是在具有挑战性的数据场景中.
- MACB增强了功能神经成像数据的分析,有助于理解大脑动态.
