面向自然刺激神经反应群体分析的刺激信息引导广义典型相关分析

各种新型脑机接口技术或神经科学应用需要从例如脑电图（EEG）信号中解码对自然刺激（如语音和视频）的刺激跟随神经反应。在此背景下，广义典型相关分析（GCCA）常被用作一种群体分析技术，它允许从多个关注同一刺激的受试者的神经活动中提取相关信号成分。GCCA 可用于提高刺激跟随神经反应相对于所有其他无关（非）神经活动的信噪比，或通过群体相干性度量来量化多个受试者之间的相关神经活动。然而，传统的 GCCA 技术是刺激无感知的：在估计来自多个受试者神经数据的相关成分时，未使用任何关于刺激的信息。因此，在信息量有限的实际情况下，例如由于训练数据量或群体规模有限，GCCA 技术可能无法提取出相关的信号成分。这促使我们提出一种新的刺激引导的 GCCA（SI-GCCA）框架，该框架允许在提取相关成分时考虑刺激信息。我们证明，在听觉和视觉刺激的各种实际设置中，SI-GCCA 的性能均优于 GCCA。此外，我们展示了如何利用 SI-GCCA 将成分估计引导至刺激方向。因此，SI-GCCA 在从预处理到量化注意力的各种目的上，都显著改进了 GCCA。