通过谱转移熵度量脑网络节点间的信息传递
统计方法学
2024-10-30 v3
摘要
脑连接性刻画了脑网络不同区域在静息态或执行认知任务时的相互作用。在研究脑电信号（EEG）等脑信号时，一种正式的连通性研究方法是通过称为转移熵（TE）的信息论因果度量。为增强 TE 在脑信号分析中的功能，我们提出一种在频域捕获跨通道信息传递的新方法。具体而言，我们引入新度量谱转移熵（STE），以量化从一个通道的特定频带振荡到另一通道特定频带振荡的信息流的幅度和方向。我们提出的方法的主要优势在于它以一种新颖的方式表述 TE，以对特定频带振荡进行推断，同时保持对滤波相关固有问题的鲁棒性。此外，STE 的一个优势是它允许对多重比较进行调整以控制假阳性率。另一新颖贡献是基于藤 copula 理论估计 STE 的简单而高效的方法。该方法可在不需要偏差调整的情况下产生 STE 的精确零估计（即参数空间的边界点）。借助藤 copula 表示，定义了呈现零 STE 的零 copula 模型，从而通过标准重采样实现直接显著性检验。最后，我们通过数值实验证明了所提 STE 度量的优势，并在一项视觉记忆实验的 EEG 数据分析中给出了有趣且新颖的发现。
引用
@article{arxiv.2303.06384,
title = {Measuring Information Transfer Between Nodes in a Brain Network through Spectral Transfer Entropy},
author = {Paolo Victor Redondo and Raphael Huser and Hernando Ombao},
journal= {arXiv preprint arXiv:2303.06384},
year = {2024}
}