通过使用真实和模拟数据,研究调整参数对EEG静态源重建和功能连接的影响

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:

• 精确的脑电图 (EEG) 源定位对于理解大脑活动至关重要,特别是休息状态网络动态和功能连接.
• 在EEG源分析中最低规范估计 (MNE) 面临挑战,特别是选择合适的规范化参数.
• 源定位的最佳规范化可能与连接性分析所需的规范化不同,存在关键的权衡.

研究的目的:

• 确定EEG源估计的最佳规范化系数,以最大限度地提高不同信号噪声比的重建精度.
• 评估不同规范化参数对源本地化和功能连接性估计的影响.
• 为特定的EEG分析目标提供选择规范化参数的指导.

主要方法:

• 来自三个静止状态网络 (运动,视觉,背部注意) 的模拟合成EEG信号,信号与噪声的比率各不相同.
• 使用一系列规范化参数的应用最低规范估计.
• 使用区域本地化错误,源扩展和源碎片化指标评估性能.
• 经验证的结果与实际的功能连接数据.

主要成果:

• 为了准确的功能连接估计,最优的规范化系数被发现为10-2 .
• 对于仅专注于源本地化分析的分析,偏好10-1的规范化系数.
• 性能指标表明,基于规范化选择的源本地化准确性和连接性估计之间存在明显的权衡.

结论:

• 调节参数的选择对EEG源分析结果产生重大影响,影响本地化和连接性估计.
• 使用EEG进行最佳功能连接分析时,建议规范化值为10−2.
• 对于优先考虑源本地化准确性的研究,10-1的规范化值更合适.