通过复杂度-熵平面 characterize 人类脑内数据和全脑模型中的睡眠阶段
神经元与认知
2025-11-13 v1 生物物理
摘要
通过不同皮层状态下的脑动力学特征，能够揭示其在各种认知过程中的模式。特别是研究清醒与睡眠阶段之间的差异，有助于理解脑部过程，这些过程对于身体和心理健康至关重要，如记忆巩固、信息处理和疲劳恢复。这些模式的改变可能指示疾病和病理状态，如阻塞性睡眠呼吸暂停、嗜睡症以及阿尔茨海默和帕金森病。本文分析了来自106名患者的内视网膜记录的时间序列数据，涵盖四个睡眠阶段：清醒、N2、N3和REM。内视网膜脑电图(iEEG)，包括电皮层图(ECoG)和深部记录，代表了脑活动的前沿测量技术，为探讨神经动力学提供了难以置信的空间和时间分辨率。我们采用Bandt和Pompe的符号方法论来计算加权排列熵(WPE)和基于Jensen和Shannon不平衡的统计复杂度度量(SCM)。通过将数据映射到复杂度-熵平面上，我们观察到每个阶段占据其自 distinct 区域，揭示其自 dynamic 特征。我们表明，经验结果可由全脑计算模型复制，该模型中每个皮层区域由基于自适应指数积分-放电(AdEx)神经元网络的均值场表述，调整适应参数以模拟不同的睡眠阶段。最后，我们表明，使用支持向量机(SVM)的分类方法在区分皮层状态方面提供了高准确率。
引用
@article{arxiv.2511.09243,
title = {Characterizing sleep stages through the complexity-entropy plane in human intracranial data and in a whole-brain model},
author = {Helena Bordini de Lucas and Leonardo Dalla Porta and Alain Destexhe and Maria V. Sanchez-Vives and Osvaldo A. Rosso and Cláudio R. Mirasso and Fernanda Selingardi Matias},
journal= {arXiv preprint arXiv:2511.09243},
year = {2025}
}