如何提高M/EEG中周期性参数估计的可靠性:一种方法比较和最佳实践建议

科学领域:

• 神经科学是一个神经科学.
• 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:

• 大脑活动分析通常涉及研究1/f现象 (无周期性大脑活动).
• 对此活动进行准确的参数化需要将其与周期信号分开.
• 像fooof工具箱这样的现有方法在峰值检测可变性方面存在局限性.

研究的目的:

• 调查分析选择对非周期性参数估计可靠性的影响.
• 提出和验证一个更强大的方法来估计1/f参数.

主要方法:

• 使用fooof工具箱研究了变化检测到的峰数对非周期性参数可靠性的影响.
• 引入了"审查回归",一种修改后的方法,可以删除定期活动的固定频率范围.
• 在休息状态和基于任务的数据集中,将受审查回归的可靠性和准确性与标准fooof方法进行了比较.

主要成果:

• 在fooof中检测到的峰值数量的增加降低了无周期性拦截和斜率估计的可靠性.
• 拟议的审查回归方法在估计1/f参数方面表现出卓越的可靠性和准确性.
• 分析选择显著影响无周期性大脑活动参数化的稳定性.

结论:

• 提取的峰数显著影响1/f参数估计的可靠性.
• 审查回归为分析宽带无周期性大脑活动提供了更可靠,更准确的方法.
• 提供了估计1/f参数的最佳实践建议,以加强分析管道.