对神经血管合与健康参与者的认知刺激进行统计复杂性分析

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 神经血管合 (NVC) 将大脑活动与血流变化联系在一起.
• 跨骨多普勒超声波 (TCD) 不侵入地测量大脑血液速度 (CBv) 进行NVC评估.
• 现有的NVC分析方法,如连贯平均值,都有局限性.

研究的目的:

• 引入和评估用于TCD测量的CBv信号的新型分析方法.
• 评估信息和统计复杂度指标在分析认知任务期间NVC的实用性.
• 使用这些新的措施,区分休息和认知活跃的大脑状态.

主要方法:

• 分析了40名健康个体的CBv变化,他们从阿登布鲁克认知检查III中执行了20项任务.
• 应用了换,萨利斯和雷尼,以及统计复杂度的测量.
• 利用在-复杂度平面上运行特征曲线的接收器来评估判别力.

主要成果:

• 与静止状态相比,大多数认知任务 (注意力,视觉空间,记忆) 的统计复杂性较低.
• 复杂性分析在区分休息状态和认知状态方面实现了曲线下的高面积 (0.91 ± 0.04,p = .001).
• 证明了和复杂度测量的潜力,以根据血液动力学信号来区分大脑状态.

结论:

• 和统计复杂性为分析TCD衍生NVC的传统方法提供了可行的替代方案.
• 这种方法有效地区分休息和认知努力状态,使用血液动力学信号.
• 需要进一步的研究,以直接比较这些新的方法与最佳NVC分析的现有技术.