神经影像学研究人员通常认为大脑的反应平均活动跨越反复试验和无视“噪音”信号的变化随着时间的推移。然而,这是越来越明显,有信号,噪声。本文介绍了新方法的多尺度熵量化大脑信号在时域的变化。
当考虑人类神经影像数据信号的可变性,升值是一个根本性的创新,我们的思维方式有关的大脑信号。通常情况下,研究人员表示大脑的反应平均跨越反复试验和,无视信号波动,随着时间的推移,“噪音”。然而,这是越来越明显,大脑信号变异神经网络的动态信息传达有意义的功能。本文介绍了一种新方法进行量化脑信号变化的多尺度熵(MSE)。 MSE可能是特别的信息,因为它显示时间刻度的依赖性和灵敏度数据中的线性和非线性动态神经网络动力学。
神经影像学的最新进展已经大大充实了我们的大脑功能的理解。然而,许多神经影像数据的应用往往比强调认知操作,因为他们实时地在加强静态的状态,而大脑的看法。因此,仅很少知道关于脑网络结构和空间 – 时间序列的变化,在多个时间尺度上的时空模式纳入到一个特定的认知操作。本文章介绍了多尺度熵(MSE)5,神经影像学检查数据的时空格局的复杂性,相关的特定的认知操作提供的信息如何在大脑功能性网络通信在多个时间尺度不同的神经发电机的一个新的分析工具。
来自信息理论,应用数学分支7,16,MSE是原LY旨在探讨复杂的心电图4。从理论上讲,MSE可以用于分析任何时间序列的复杂性,初级所需的信号的时间序列,包含至少50个数据点的持续时间。然而,在数据的线性和非线性动力学的时间尺度依赖性和敏感性可能使MSE特别神经网络的动态信息。
在这里,我们重点MSE应用脑电图(EEG)神经影像数据9,12。 EEG是一种非侵入性神经影像技术,通过该技术被放置在头皮上的电极捕捉1新皮层神经元种群的突触后反应。具有高时间分辨率,脑电图没有改变典型的收购协议,轻松满足必要的MSE时间序列长度。要强调的效用MSE脑电图数据的应用中,我们比较这种新方法与传统的方法,包括UDING事件相关电位和功率谱。当一起使用时,这些互补性的分析方法的数据,可能会导致进一步洞察产生认知的神经网络运营提供更完整的说明。
本文章的目的是提供一个概念和方法的描述,因为它适用于脑电图的神经影像数据的多尺度熵(MSE)。脑电图是一种强大的非侵入性神经影像学技术,具有高时间分辨率测量神经网络活动。 EEG信号反映人口锥体细胞突触后活动在皮层,其集体应对各种兴奋和抑制折返连接修改。因此,有多种方法来分析脑电图数据,每个方法的数据中提取独特的一面。
我们讨论了两种常见的分析方法:事件相关电位(ERP)分析和功率谱分析。 ERP分析捕获同步的EEG信号的相位锁定的离散事件发病的神经元活性。 ERP的反映具体的感性,电机,或认知操作,使得这个检查规范统计的理想IFIC处理阶段。功率谱分析量化的相对贡献特定频率的脑电信号。各种兴奋性和抑制性反馈回路相互作用夹带在某一特定频率1,3的神经元群体的活性。不同脑区之间的这种同步被认为是推动跨越广泛的神经网络信息的结合。有丰富的文献支持特定频率范围内的功率和特定情绪或认知功能状态3之间的联系。
脑电图分析时,同样重要的是要记住,神经网络是复杂的系统与非线性动力学。这种复杂性是反映在EEG信号为不规则的振荡是不无意义的背景噪声的后果。像同步振荡活动,各种兴奋和抑制折返环路之间的相互作用引起短暂的流感ctuations大脑中的信号随着时间的推移6。这样的瞬变被视为可反映网络微观状态之间的过渡或分岔,可以用来判断的程度的自由或底层网络的复杂性中的信号随时间的振幅模式的更大的可变性是表示更复杂的系统5。重要的是,ERP或功率谱分析是不敏感,这种不规则的活动,而MSE。此外,网络的复杂性指数不能获得通过简单的计数活跃的大脑区域的数量,因为这样的方法是盲目的瞬态和动态递归大脑区域之间的相互作用。
互补性神经影像学分析方法结合起来,建立一个完整的画面相关的神经活动。更多的传统应用神经影像数据,如ERP和功率谱,结果的解释是增强措施的复杂性,如MSE,MSE提供了一种方法来捕捉一个特定的认知操作,有助于在多个时间尺度的大脑活动模式的时空序列变化。应用MSE新的和现有的数据集可能会提供进一步洞察认知如何从神经网络的动态。
The authors have nothing to disclose.
Name of Reagent/Material | Company | Catalogue Number | Comments |
EEG | BioSemi |