探索静息状态 EEG 网络中连接权重的分布
人机交互
2025-01-22 v2
摘要
静息状态脑网络（RSNs）反映了脑模块之间功能连接模式，为解码大脑内固有神经信息提供了重要基础。它是使用各种神经影像技术（如脑电图（EEG）和脑磁图（MEG））描述大脑空间动态的主要工具之一。然而，功能连接权重的分布规则或潜在模式仍不清晰。在此背景下，我们首先通过仿真，使用正向求解模型生成四种信道密度（19、32、64、128）的头皮 EEG。随后，我们使用五种耦合度量构建头皮脑网络，以探讨不同信道密度或耦合度量是否影响功能连接权重的分布模式。接着，通过计算功能连接网络权重的偏度、峰度和香农熵来量化分布模式。最后，用仿真结果验证了正规数据库中的发现。我们观察到：1）功能连接权重呈右偏分布，且不受信道密度或耦合度量的影响；2）功能连接权重呈较均匀分布，体导致可能影响分布均匀性；3）受体导致影响的耦合度量构建的网络，其平均连接权重与偏度、峰度和香农熵之间的显著相关性。该研究深化了对 RSNs 的理解，为神经科学领域的研究提供了宝贵见解，并有望与脑认知和疾病诊断相关联。
引用
@article{arxiv.2501.07394,
title = {Exploring the distribution of connectivity weights in resting-state EEG networks},
author = {Shiang Hu and Xiao Gong and Xiaolong Huang and Jie Ruan and Pedro Antonio Valdes-Sosa},
journal= {arXiv preprint arXiv:2501.07394},
year = {2025}
}