基于相干性的时间序列聚类用于脑连接可视化
应用统计
2017-11-21 v1
摘要
我们为脑信号开发了层次簇相干（HCC）方法，这是一种通过聚类表现出由“簇相干性”度量的高度协调的节点或通道组来刻画网络中连接性的过程。虽然度量簇间依赖最常见的方法是通过成对单时间序列，我们的方法提出簇相干性，度量整个簇之间的依赖而非单个元素之间。因此它同时考虑了簇间依赖和簇内通道依赖。使用我们的方法，所识别的簇包含谱域中表现出高交叉依赖的时间序列。即，这些簇对应于具有同步振荡活动的相连脑区。在仿真研究中，我们展示了所提HCC优于常用聚类算法，如基于平均相干性和最小相干性的方法。为研究癫痫发作期间多通道脑电图（EEG）网络中的聚类，我们应用HCC方法并在记录的不同阶段：癫痫发作前、发作早期和中期，识别了alpha（8-12）赫兹和beta（16-30）赫兹频带的连接性。为增加本工作在神经科学中的潜在影响，我们还开发了HCC-Vis，一个R-Shiny应用（RStudio），可从 https://carolinaeuan.shinyapps.io/hcc-vis/ 下载。
引用
@article{arxiv.1711.07007,
title = {Coherence-based Time Series Clustering for Brain Connectivity Visualization},
author = {Carolina Euan and Ying Sun and Hernando Ombao},
journal= {arXiv preprint arXiv:1711.07007},
year = {2017}
}
备注
27 pages, 21 Figures