结合脑电源连接与网络相似性：应用于人脑物体分类
神经元与认知
2016-06-06 v1
摘要
认知神经科学的一个主要挑战是评估人脑基于共同特征对视觉刺激进行分类或分组的能力。这一分类过程非常迅速，发生在数百毫秒的时间尺度内。然而，对大规模脑网络的时空动态进行精确追踪仍是一个未解决的问题。在此，我们展示了将最近发展的称为密集脑电源连接的方法（用于识别具有出色时间和空间分辨率的功能性脑网络）与一种称为 SimNet 的算法（用于计算脑网络相似性）相结合。本研究分析了两类视觉刺激：静止的和移动的。在每类内部（条件内）和两类之间（条件间）评估了网络相似性。结果显示，每类内部具有高相似性，而两类之间相似性较低。在 120-190 毫秒时段（据信与视觉识别和记忆访问相关）观察到条件内与条件间计算的相似性存在显著差异。我们推测，这些观察结果将非常有助于从网络视角理解人脑中的物体分类。
引用
@article{arxiv.1606.01017,
title = {Combining EEG source connectivity and network similarity: Application to object categorization in the human brain},
author = {Ahmad Mheich and Mahmoud Hassan and Olivier Dufor and Mohamad Khalil and Fabrice Wendling},
journal= {arXiv preprint arXiv:1606.01017},
year = {2016}
}
备注
5 pages, 2 figures. Accepted for 2016 IEEE Workshop on Statistical Signal Processing