基于通用赤池信息量准则改进维纳-格兰杰因果索引算法的颅内脑电效应连通性研究

本文的目标是处理并分析使用深度电极在难治性癫痫患者癫痫发作期间其大脑皮层中记录到的癫痫脑电信号间的大脑效应连通性。维纳-格兰杰因果索引算法是一种众所周知的检测脑电信号间大脑效应连通性的有效方法。它是一种基于线性自回归模型的方法,而模型参数估计问题在其用于脑电因果效应连通性研究中的计算准确性与鲁棒性方面起着至关重要的作用。本文针对这一问题,使用了我们提出的改进的赤池信息量准则来估计算法中自回归模型的模型阶数,以提高维纳-格兰杰因果索引算法检测大脑效应连通性的性能。实验仿真结果表明:不管是在线性随机系统中还是在能生成模拟癫痫信号的生理模型中,该改进的维纳-格兰杰因果索引算法在检测脑效应连通性上都表现出良好的鲁棒性。

经颅磁刺激同步脑电技术在认知研究中的应用

经颅磁刺激（TMS）是一种无创地用于干预大脑神经元活动的技术。因为这一特点，近年来将TMS与其他神经影像技术相结合的研究日益增多，在认知研究中更得到了广泛应用。其中脑电（EEG）技术因为其高的时问分辨率和低的实验成本在与TMS的结合研究中占据了独特的地位。从主要研究内容、同步记录、伪迹问题以及数据处理等角度对TMS-EEG技术的应用进行了综述，并总结了目前存在的问题和可能的解决方法。随着新的相关技术解决方案的不断提出，相信TMS-EEG技术在认知研究中必将带来更多更深入的研究成果。