唤起和诱导事件相关的光谱扰乱的多层次多变量功能主要组件分析

科学领域:

• 神经科学是一个神经科学.
• 生物统计学 生物统计学
• 信号处理 信号处理

背景情况:

• 与事件相关的光谱扰动 (ERSP) 分析电脑电图 (EEG) 功率动态跨频率和时间.
• 为了改善信号噪声比率,ERSP通常在试验中进行平均化,从而掩盖试验级别的变化.
• 区分刺激锁定的唤起活动和非刺激锁定的诱导活动对于理解认知过程至关重要.

研究的目的:

• 开发一个统计框架,用于共同建模多层次和多变量ERSP数据.
• 为高维的功能结果提出一个多层次的多变量功能主要组件分析 (FPCA).
• 将这种新的方法应用于视觉唤起潜能 (VEP) 数据,以发现自闭症特异的神经活动模式.

主要方法:

• 开发了一种多级多变量FPCA方法来分析时间和频率依赖的EEG功率.
• 使用的快速协差估计和结合的对结果的依赖性在每个数据级别上各不相同.
• 该方法有效地处理高维的功能结果和多个变体.

主要成果:

• 拟议的多级多变量FPCA方法通过广泛的模拟证明了有效性.
• 对VEP数据的应用揭示了自闭症和神经类型组之间神经活动的显著差异.
• 与神经类型个体相比,自闭症个体表现出较低的唤起和更高的诱导马功率.

结论:

• 神经类型发育的个体水平变化主要是由刺激锁定的唤起信号驱动的.
• 在自闭症中,主体水平的变化主要受到诱导功率的影响.
• 这些发现突出了与自闭症谱系障碍相关的神经处理特征.