建立有效大脑网络的基于成本-参考粒子波器的方法:在光学送磁力仪磁脑摄影中应用
Yuyu Ma1,2, Xiaoyu Liang1,2, Huanqi Wu1,2
1Key Laboratory of Ultra-Weak Magnetic Field Measurement Technology, Ministry of Education, School of Instrumentation and Optoelectronic Engineering, Beihang University, 37 Xueyuan Rd., Haidian District, Beijing 100083, China.
Bioengineering (Basel, Switzerland)
|January 8, 2025
概括
一种使用成本参考粒子过器 (CRPF) 的新格兰杰因果关系方法,可以从光磁力计磁脑学 (OPM-MEG) 数据中准确地绘制大脑网络,即使有未知的噪声. 与传统方法相比,这种方法可以显著减少估计误差.
科学领域:
- 神经成像是一种神经成像.
- 计算神经科学是一种神经科学.
- 信号处理 信号处理
背景情况:
- 光学磁仪磁脑电图 (OPM-MEG) 提供了新的脑信号记录.
- 有效的大脑网络映射因果关系和信息流.
- 传统的格兰杰因果关系方法假设高斯噪声,这在实验环境中往往不是真的.
研究的目的:
- 提出格兰杰因果关系方法,适应未知的噪声条件,用于构建有效的大脑网络.
- 评估拟议方法与现有过器的性能.
主要方法:
- 开发了一种基于成本参考粒子波器 (CRPF) 的格兰杰因果关系方法.
- 评估了使用高斯式,α稳定和粉红色噪声模拟的方法.
- 通过体感刺激,手指运动和听觉奇怪范式的实验OPM-MEG数据验证了该方法.
主要成果:
- 与卡尔曼波器 (KF) 和最大电流波器 (MCF) 相比,CRPF在各种噪音条件下显著降低了MVAR模型系数估计误差.
- 与MCF和KF相比,CRPF表现出高达88.1%的错误减少.
- 实验结果显示,CRPF准确地恢复了已知的有效连接模式.
结论:
- 拟议的CRPF方法是有效的构建大脑网络从OPM-MEG数据在未知噪声下.
- 与传统方法相比,CRPF为有效的大脑网络分析提供了更高的准确性和稳定性.
- 这项工作验证了OPM-MEG作为测量复杂大脑连接的工具.
