EEG连接的可靠性和国家依赖性,复杂性和网络特征
L S Dominicus1, D Y Lodema2, B Oranje3
1Department of Psychiatry, University Medical Center Utrecht, Utrecht, The Netherlands. l.s.dominicus-2@umcutrecht.nl.
Scientific reports
|November 4, 2025
概括
休息电脑图 (EEG) 度量,如变 (PE) 和阶段滞后指数 (PLI) 在和α波段,对生物标志物发展具有很高的可靠性. 其他指标,如最小跨度树 (MST) 和振幅包相关性 (AECc),由于不稳定性,需要谨慎使用.
科学领域:
- 神经科学是一个神经科学.
- 生物标志物开发 生物标志物开发
- 信号处理 信号处理
背景情况:
- 静止电脑图 (EEG) 度量对任务指令和认知状态敏感,这限制了它们作为稳定的生物标志物的实用性.
- 了解不同EEG指标在时间和认知状态上的可靠性对于开发强大的神经生理学标记至关重要.
研究的目的:
- 评估三类静态EEG指标的时间和状态依赖性稳定性:功能连接 (FC),信号复杂性和网络拓.
- 确定适合健康成年人生物标志物发展的可靠EEG指标.
主要方法:
- 从健康的成年人中收集了64个频道的EEG数据,这些数据是在两个单独的休息状态时段和任务中的半休息状态时段中收集的.
- 使用功能连接 (广度-信封相关性,AECc;相位滞后指数,PLI),信号复杂性 (变,PE) 和最小跨度树 (MST) 度量标准的类内相关系数 (ICC) 来量化可靠性.
- 在传感器和源级别进行了分析,重点关注三角形,三角形,α和β频段.
主要成果:
- 变 (PE) 在各种会话和状态中始终表现出良好的至优秀的可靠性 (ICC > 0.75-0.90).
- 功能连接 (FC) 和最小跨度树 (MST) 度量表现出可变可靠性,从差到好.
- 对于大多数指标,theta和alpha频段的可靠性通常高于delta和beta频段. 阿尔法和乙太PE和阿尔法PLI被确定为最强大的措施.
结论:
- 和α排列 (PE) 和α相滞后指数 (PLI) 是稳健的,适合静止状态EEG生物标志物开发.
- 最小跨度树 (MST) 和振幅外相关性 (AECc) 度量应谨慎使用,因为它们在时间和认知状态上的稳定性有限,特别是在theta和alpha波段之外.
