双谱成对交互源分析用于从脑电或脑磁图信号识别跨频交互脑源系统
摘要
大脑认知功能通过多个脑区的协调活动产生，这些脑区实际构成在多个频率上运行的复杂动力系统。这些系统常由交互子系统组成，其表征对于完整理解脑交互过程十分重要。为解决此问题，我们提出一种技术，即双谱成对交互源分析（bispectral Pairwise Interacting Source Analysis, biPISA），用于在可获得多通道脑电（EEG）或脑磁图（MEG）数据时分析跨频交互脑源系统。具体而言，biPISA 基于交互为成对发生的假设，通过分解 EEG 或 MEG 信号间互双谱的反对称分量，来识别一个或多个跨频交互源子系统。得益于互双谱反对称分量的性质，biPISA 对由混合伪影（即容积传导或场扩散，其始终影响 EEG 或 MEG 功能连接估计）引起的虚假交互也具有鲁棒性。该方法是将最初用于研究同频交互的成对交互源分析（PISA）扩展至跨频交互研究。该方法的的有效性在多达三对交互源对的仿真以及自发脑活动的真实 MEG 记录中得到证明。仿真表明，biPISA 在估计交互源间相位差时的性能受噪声水平增加的影响，而非受交互子系统数量的影响。对真实 MEG 数据的分析揭示了中央 mu 节律与 beta 节律两对源之间的交互，定位于左右中央沟附近。
引用
@article{arxiv.1812.01291,
title = {Bispectral pairwise interacting source analysis for identifying systems of cross-frequency interacting brain sources from electroencephalographic or magnetoencephalographic signals},
author = {Federico Chella and Vittorio Pizzella and Filippo Zappasodi and Guido Nolte and Laura Marzetti},
journal= {arXiv preprint arXiv:1812.01291},
year = {2019}
}
备注
Added funding acknowledgements to Metadata. Acknowledgements: "This project has received funding from the European Commission Horizon 2020 research and innovation program under Grant Agreement No. 686865 (BREAKBEN - H2020-FETOPEN-2014-2015/H2020-FETOPEN-2014-2015-RIA). The content reflects only the author's view and the European Commission is not responsible for the content."