一种符号信息方法应用于人类颅内数据以区分不同认知过程

大脑在不同认知任务中如何处理信息是当代神经科学的一个基本问题。理解脑信号的统计特性是解决此问题的一种途径。在此，我们分析了五位人类受试者在两种不同认知任务期间植入的皮层脑电图 (ECoG) 的公开可用数据。我们采用符号信息方法来确定与不同皮层区域时间序列相关的概率分布函数。然后，我们利用这些概率计算相关的香农熵，并基于实际时间序列与均匀分布时间序列之间的非均衡性计算统计复杂度度量。我们证明了复杂度-熵平面中的欧几里得距离和复杂度不对称指数可用于比较两种条件。我们展示了该方法能够区分不同电极和患者中的视觉搜索任务与空白屏幕间隔。通过使用多尺度方法和时间延迟嵌入，我们找到了相关信息处理的关键时间尺度。最后，我们确定了在 2 秒试验中，两种认知任务之间差异最显著的皮层区域和时间间隔。我们证明了该方法能够基于大脑活动在逐次试验的基础上区分认知过程。