脑电图的信息容量：可恢复神经信息的理论与计算极限
信息论
2025-10-22 v1 math.IT
神经元与认知
摘要
脑电图（EEG）广泛用于研究人类脑动态，但其定量信息容量尚不明确。本文将信息论与合成正向建模相结合，用于估计潜在皮层源与 EEG 记录之间的互信息。通过高斯信道理论和经验仿真，我们发现头皮 EEG 仅能在每样本中传递关于低维神经活动的几十比特的信息。随着约 64-128 个电极，信息容量趋于饱和，并随信噪比（SNR）的 logarithm 级增长。线性解码器捕获了几乎所有线性可恢复的方差，但其恢复的互信息仍远低于分析信道容量，这表明测量物理——而非算法复杂度——是主要的限制因素。这些结果勾勒了从 EEG 中推断大量脑状态或思维内容结构的内在上限。
引用
@article{arxiv.2510.17841,
title = {Information Capacity of EEG: Theoretical and Computational Limits of Recoverable Neural Information},
author = {Ishir Rao},
journal= {arXiv preprint arXiv:2510.17841},
year = {2025}
}
备注
3 pages, 5 figures