增强信号和网络完整性:评估BCG人工物移除技术在同步EEG-fMRI数据中的使用

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
• 数据科学数据科学数据科学

背景情况:

• 同时的脑电图 (EEG) 和功能磁共振成像 (fMRI) 对于研究大脑动态至关重要.
• 脑电图数据中的胆心电图 (BCG) 文物降低了信号质量,阻碍了准确的脑连接评估.
• 现有的文物清除方法需要在整体框架内进行全面评估.

研究的目的:

• 评估不同EEG人工物去除技术 (AAS,OBS,ICA和混合方法) 在同步EEG-fMRI的背景下的有效性.
• 评估这些方法对信号质量和脑连接的图形理论测量的影响.
• 研究移除文物对静态和动态大脑网络结构的频率特异效应.

主要方法:

• 平均文物减去 (AAS),最佳基准集 (OBS),独立组件分析 (ICA) 和混合方法 (AAS + ICA,OBS + ICA) 的比较.
• 使用信号质量指标和图形理论网络分析 (静态和动态) 的组合进行评估.
• 对EEG-fMRI连接中的拓性质和频率特定模式的分析.

主要成果:

• AAS产生了最好的信号质量,而OBS保留了结构上的相似性.
• 在动态连接中,ICA对频率特定模式表现出敏感性.
• OBS + ICA混合方法显示了显著的改进,特别是在各种频段对的动态图分析中.
• 移除人工物方法大大改变了网络拓,动态分析显示出更明显的频率特异效应.

结论:

• 选择的物件去除方法极大地影响了EEG-fMRI连接的结果.
• 混合方法,特别是OBS + ICA,为动态大脑网络分析提供了优势.
• 多模式和频率敏感的评估策略对于强大的EEG-fMRI研究至关重要.
• 这些发现为EEG-fMRI研究中的预处理决策提供了指导,影响了对大脑连接的解释.