신경 영상 연구는 일반적으로 반복 실험 실험을 통해 평균 활동으로 뇌의 반응을 고려하고 "노이즈"와 같은 시간에 신호 변화를 무시하십시오. 하지만, 그 잡음 신호가 분명 해지고있다. 이 문서에서는 시간 영역에서 뇌 신호 변화를 정량화를위한 멀티 스케일 엔트로피의 새로운 방법에 대해 설명합니다.
인간의 신경 영상 데이터를 고려할 때, 신호 변화에 대한 이해는 우리가 뇌의 신호에 대해 생각하는 방식을 근본적으로 혁신을 나타냅니다. 일반적으로, 연구자들은 반복 실험 실험을 통해 평균으로 뇌의 반응을 나타내며 "노이즈"로 시간이 지남에 따라 신호 변동을 무시하십시오. 그러나 뇌의 신호 변화가 신경 네트워크의 역학에 대한 의미 기능 정보를 전달 명확 해지고있다. 이 문서에서는 뇌의 신호 변동을 정량화를위한 멀티 스케일 엔트로피 (MSE)의 새로운 방법에 대해 설명합니다. 이 척도 의존하고 데이터의 선형 및 비선형 역학에 대한 민감도를 보여주기 때문에 MSE는 신경망 역학에 특히 유익 할 수 있습니다.
신경 영상 최근의 발전은 크게 뇌 기능의 이해를 증강했다. 그러나 신경 영상 데이터를 응용 프로그램의 많은 사람들이 실시간으로 전개로 인식 작업을 강조하는 것보다 정적 인 상태에서 오히려 뇌의보기를 강화하는 경향이있다. 따라서, 약간은 뇌 네트워크의 시공간 구조에 대한 방법과 여러 척도를 통해 시공간적 패턴의 변화의 순서가 특정인지 적 작업에 기여하는 것으로 알려져 있습니다. 본 기사는 멀티 스케일 엔트로피 (MSE) 5 여러 척도를 통해 뇌 기능 네트워크 통신의 방법에 다른 신경 발전기에 대한 정보를 제공하여 특정인지 작업의 기초가되는 시공간 패턴의 복잡성을 검사 데이터를 신경 영상에 대한 새로운 분석 도구를 설명합니다.
정보 이론에서 파생 된 수학 7,16의 적용 분기, MSE는 원래이었다심전도 4의 복잡성을 조사하기 위해 설계 LY. 이론적으로, MSE는 언제든지 시리즈의 복잡성을 분석하는 데 사용할 수있는, 기본 필수는 신호 시계열 연속 시간의 적어도 50 데이터 포인트가 포함되어 있습니다. 그러나 척도 의존과 데이터의 선형 및 비선형 역학에 대한 민감도는 신경 네트워크 역학, 특히 정보 MSE 만들 수 있습니다.
여기, 우리는 데이터 9,12를 신경 영상 뇌전도 (EEG)에 MSE의 응용에 초점을 맞 춥니 다. 뇌파는 두피에 배치되는 전극 신피질 1 뉴런의 인구의 시냅스 응답을 캡처 그것에 비 침습적 신경 영상 기술입니다. 높은 시간적 해상도, EEG 쉽게 일반적인 인수 프로토콜을 변경하지 않고 MSE의 필수 시계열의 길이를 충족합니다. EEG 데이터 MSE의 응용 프로그램의 유틸리티를 강조하기 위해, 우리는 더 전통적인 접근 방식 포함하여이 새로운 방법을 비교이벤트 관련 잠재력과 분광을 uding. 함께 사용할 경우, 분석이 보완 방법은 인식을 야기 할 신경망 운영에 더욱 통찰력으로 이어질 수있는 데이터에 대한 자세한 설명을 제공합니다.
본 문서의 목표는 뇌파 신경 영상 데이터에 적용되는 멀티 스케일 엔트로피의 개념 및 방법 론적 설명 (MSE)를 제공하는 것이 었습니다. EEG는 높은 시간적 해상도와 신경 네트워크 활동을 측정하는 강력한 비 침습적 신경 영상 기술입니다. EEG 신호는 공동 대응 다양한 흥분성과 억제 재 연결에 의해 수정 된 피질의 피라미드 세포의 인구의 시냅스 활동을 반영합니다. 따라서, EEG 데이터를 분석하고 각 메소드가 데이터의 고유 한 부분을 추출하기 위해 여러 가지 방법이 있습니다.
이벤트 관련 전위 (ERP) 분석 및 분광 분석 : 우리는 분석의 일반적인 두 가지 방법을 논의했다. ERP 분석은 이산 사건의 시작에 위상 잠금 상태 EEG 신호 동기의 연결 활동을 캡처합니다. ERPs는 사양을 검사이 통계 이상적 특정 지각, 운동, 또는인지 적 작업을 반영IFIC 처리 단계. 분광 분석은 뇌파 신호에 특정 주파수의 상대적 기여도를 정량화. 다양한 흥분성과 억제 피드백 루프를 끌고에 특정 주파수 1,3에서 신경 세포 집단의 활동을 상호 작용합니다. 서로 다른 뇌 영역 사이의 이러한 공시성 (synchrony)는 광범위한 신경 네트워크를 통한 정보의 결합을 촉진하는 것으로 생각됩니다. 특정 주파수 범위 내 힘과 기능 3의 특정 감정이나인지 적 상태 사이의 연결을 지원하는 풍부한 문헌이있다.
EEG 분석 할 때 그것은 신경 네트워크 비선형 역학 복잡한 시스템입니다 것을 명심하는 것이 중요하다. 이러한 복잡성은 의미가 배경 소음의 결과가 아닌 불규칙한 진동으로 EEG 신호에 반영됩니다. 동기 진동 활동과 같은 다양한 흥분성과 억제 재진입 루프 사이의 상호 작용은 일시적 독감의 원인시간 이상 6 뇌 신호 ctuations. 이러한 과도 전류는 기본 네트워크의 자유 나 복잡성의 정도를 추정하는 데 사용할 수있는 네트워크 microstates 사이의 전환이나 끝점과 융기를 반영하기 위해 생각됩니다 시간이 지남에 따라 신호의 진폭 패턴 큰 변화는보다 복잡한 시스템 5 나타내는 것입니다. MSE는 반면, 비판적, ERP 또는 분광 분석은 이러한 불규칙한 활동으로 구분하지 않습니다. 또한, 네트워크 복잡성의 인덱스는 단순히 뇌 영역 사이의 과도 및 동적 재발 상호 작용에 장님 같은 방법으로 활성화 뇌 영역의 수입니다 계산하여 얻을 수 없습니다.
분석을 신경 영상에 대한 보완 방법은 기본 신경 활동의 완전한 그림을 만드는 결합. 이러한 ERP 및 분광과 같은 신경 영상 데이터의 전통적인 응용 프로그램에서 결과의 해석은 MS와 같은 복잡성의 측정에 의해 보강된다E, MSE는 특정인지 적 작업에 기여하는 여러 척도를 통해 뇌 활동의 시공간적 패턴의 변화의 순서를 캡처하는 방법을 제공합니다. 신규 및 기존 데이터 세트에 MSE를 적용하면 인식 신경망 역학에서 나온다 방법에 대한 자세한 통찰력을 제공 할 수 있습니다.
The authors have nothing to disclose.
Name of Reagent/Material | Company | Catalogue Number | Comments |
EEG | BioSemi |