高维多通道脑信号的建模

我们的目标是对多通道脑生理信号（例如脑电图、局部场电位）中的功能性与有效性（方向性）连接进行建模与度量。分析这些数据的困难主要来自两方面：首先，对高维多通道脑信号进行建模与分析存在重大的统计与计算挑战；其次，表征连接性尚无一套普遍认同的度量。为对多通道脑信号建模，我们的方法是拟合一个可能具有高滞后阶的向量自回归(VAR)模型，从而能够捕捉通道间复杂的先导-滞后时间动态。VAR模型的估计将通过我们提出的混合LASSLE(LASSO+LSE)方法获得，该方法结合了正则化（控制稀疏性）与最小二乘估计（改善偏差与均方误差）。随后我们采用若干连接性度量，但着重于偏定向相干(PDC)，其能捕捉通道间的方向性连接。PDC是一种频率特异性度量，解释了发送通道中当前的振荡活动影响网络中相对于所有可能接收通道的特定接收通道未来振荡活动的程度。所提出的建模方法为复杂记忆任务执行期间同时记录位点间的潜在功能关系提供了关键见解。具体而言，该新颖方法成功量化了跨电极位置的有效性连接模式，并捕捉了这些模式如何随试验时段与试验类型变化。