高维振荡神经时间序列中的跨群体振幅耦合
统计方法学
2025-12-30 v4 神经元与认知
应用统计
摘要
神经振荡长期被视为脑区之间交互的重要标记，但从高维多电极记录中识别协调的振荡活动仍具挑战。我们试图基于各区域 96 个电极记录的局部场电位，量化记忆任务中两脑区之间振荡振幅的时变协变。我们通过潜时间序列的互相关将典型相关分析（CCA）扩展至多个时间序列。然而，这引入了两区域间大量可能的超前-滞后互相关。为处理该高维性，我们发展了旨在找出少量主导超前-滞后效应的严谨统计流程。该方法在基于仿真的真实设定中正确识别了基础真值结构。当我们将其用于分析前额叶皮层与视觉区 V4 记录的局部场电位时，获得了高度可信的结果。这一新统计方法亦可应用于其他缓慢变化的高维时间序列。
引用
@article{arxiv.2105.03508,
title = {Cross-Population Amplitude Coupling in High-Dimensional Oscillatory Neural Time Series},
author = {Heejong Bong and Valérie Ventura and Eric A. Yttri and Matthew A. Smith and Robert E. Kass},
journal= {arXiv preprint arXiv:2105.03508},
year = {2025}
}