量化复杂动力学的多频和对EEG数据的应用
Yan Niu1, Jie Xiang1, Kai Gao1
1College of Computer Science and Technology (College of Data Science), Taiyuan University of Technology, Taiyuan 030024, China.
Entropy (Basel, Switzerland)
|September 27, 2024
概括
一种新的多频 (mFreEn) 算法分析了脑电脑图 (EEG) 信号中不同频率的脑动态. mFreEn显示了对大脑疾病和与任务相关的脑电图活动的感觉和诊断能力的提高.
科学领域:
- 神经科学是一个神经科学.
- 信号处理 信号处理
- 复杂性科学 复杂性科学
背景情况:
- 多变量算法用于脑电图 (EEG) 信号复杂性分析.
- 尽管已知大脑节律之间的相互作用,但在多个频率上量化大脑动态仍然未被探索.
- 现有的方法缺乏研究不同大脑频段之间的相互作用的能力.
研究的目的:
- 介绍一种新的算法,多频 (mFreEn),用于分析不同频段的大脑节律之间的相互作用.
- 提高多变量算法的能力,以研究复杂的大脑动态.
- 评估mFreEn在分析模拟和真实EEG数据方面的表现.
主要方法:
- 开发了多频 (mFreEn) 算法.
- 使用模拟数据评估mFreEn,评估对噪声的敏感性,频率,幅度和参数依赖性 (嵌入维度,数据长度).
- 将mFreEn应用于脑疾病患者的静止状态EEG数据和来自不同任务刺激的EEG数据.
主要成果:
- 与传统的多变量算法相比,mFreEn显示了增强的灵敏度和降低的参数依赖性.
- 该算法在分析来自各种大脑疾病的静止状态EEG数据时表现出良好的诊断性能.
- mFreEn通过各种任务刺激诱导的EEG活动获得了良好的分类性能.
结论:
- mFreEn提供了一种新的方法,通过考虑多频相互作用来量化复杂的大脑动态.
- 该算法为分析脑电图信号在脑部疾病和认知任务的背景下提供了有价值的工具.
- mFreEn通过整合不同频段的信息来增强对大脑复杂性的研究.
