大型全连接网络的在线功能连接性分析
信号处理
2023-03-07 v1 医学物理
神经元与认知
摘要
EEG/MEG功能连接性分析已成为神经研究中的重要工具。尤其是EEG/MEG的高时间分辨率能够对人脑功能提供重要洞察。迄今为止，功能连接性通常在离线状态下估计，即在实验结束后进行。然而，功能连接性的在线计算有潜力实现独特的实验范式。例如，可实时追踪由学习过程引起的功能连接性变化，并基于这些观察调整实验。此外，连接性估计可用于神经反馈应用或测量结果的即时检查。在本研究中，我们在开源软件MNE Scan中提出了在线传感器与源空间功能连接性估计的实现与评估。我们在MNE-CPP的Connectivity库中建立了多种功能连接性度量的在线可用实现，并作为插件在MNE Scan中提供。通过强制所有计算的多线程与高效率实现了在线能力，从而尽可能避免重复计算，这在重叠区间的情况下可实现大幅加速。我们给出了这些实现的综合性能评估，证明了计算大型全连接功能连接性网络的在线能力。作为原理验证，我们展示了在体感诱发脑活动评估中在线功能连接性估计的可行性。
引用
@article{arxiv.2303.03279,
title = {Online functional connectivity analysis of large all-to-all networks},
author = {Lorenz Esch and Jinlong Dong and Matti Hämäläinen and Daniel Baumgarten and Jens Haueisen and Johannes Vorwerk},
journal= {arXiv preprint arXiv:2303.03279},
year = {2023}
}