频域连接性测度对有限数据长度鲁棒性的比较研究
定量方法
2017-11-10 v1 数值分析
神经元与认知
摘要
本工作中，我们使用数值模拟研究数据的时间长度如何影响从 EEG 时间序列中得到的脑连接性估计的可靠性。我们假设神经源遵循稳定的多变量自回归模型，并考虑三种连接性度量：相干性的虚部（IC）、广义偏定向相干（gPDC）和频域 Granger 因果（fGC）。为了评估估计值的统计显著性，我们使用替代数据检验，通过生成相位随机化和自回归替代数据来实现。我们首先考虑精确知道源时间过程的理想情形。此处我们表明，正如预期，即便精确知道源时间过程，当样本数变小时也不足以提供可靠的连接性估计；然而，虽然 gPDC 和 fGC 倾向于给出更多的假阳性，IC 对连接性存在的敏感度却降低。接着我们进行更真实的模拟，其中源时间过程使用 eLORETA 估计，且 EEG 信号受到强度递增的生物噪声影响。以理想情形为参照，我们表明生物噪声对 IC 估计的影响在性质上不同于其对 gPDC 和 fGC 的影响。
引用
@article{arxiv.1711.03332,
title = {A comparative study of the robustness of frequency--domain connectivity measures to finite data length},
author = {Sara Sommariva and Alberto Sorrentino and Michele Piana and Vittorio Pizzella and Laura Marzetti},
journal= {arXiv preprint arXiv:1711.03332},
year = {2017}
}
备注
32 pages, 13 figures