基于认知功能连接的信息流增益计算方法及应用.pdfVIP

第 36卷第 11期 电 子 与 信 息 学 报 Vol_36No．11 2014年 l1月 JournalofElectronics InformationTechnology NOV．2014 基于认知功能连接的信息流增益计算方法及应用 闰 铮 高小榕 应 俊② f华侨大学信息科学与fi-程学院 厦门 361021) (清华大学生物医学fi-程系 北京 100084) 摘 要：将网络信息的概念引入到神经科学当中对于研究脑功能机制有着积极的作用。然而人脑网络的复杂性对于 理解有一定的困难。该文基于有向传递函数(DirectedTransferFunctionDTF)的方法估计得到功能连接模式，进 一 步提出了信息流增益的计算方法，用以评价特定脑区在全脑信息传输过程中的作用。该方法将流入信息和流出信 息结合，具有浓缩两者信息的优点，简化了脑复杂网络的辨识度，并且提高了结果的显示标度。仿真运算和 自发、 诱发脑 电数据的结果都显示出通过计算分析信息流增益可以比较理想地得到各个脑区对全脑信息流的贡献。结果证 明信息流增益方法为进一步理解大脑认知机制提供了可能。 关键词：脑神经网络；认知功能连接；有向传递函数；信息流增益 中图分类号：TP301 文献标识码：A 文章编号：1009．5896(2014)1i-2756．06 DOI：10．3724／SP．J．1146．2013．02019 TheFlow GainM ethodsandApplicationsBasedon CognitionFunctionalConnectivity YanZheng~ GaoXiao—rong~ YingJun (DepartmentofInformationScienceEngineering，HuaqiaoUniversity，Xiamen361021，China) (Department BiomedicalEngineering，TsinghuaUniversity，Beijing100084，China) Abstract：Ithasa positiveeffectOilthe research ofbrain function to introduce theconceptofnetwork into neuroscience．However，intherealapplication thebrain network with complex characteristicsmakesithardto understand．In thispaper，based on thefunctionalconnectivitypatternsestimated by theDirected Transfer Function (DTF)methods，flowgainisproposedtoassesstheroleofthespecificbrainregioninvolvedinthe informationtransmissionprocess．Integratinginputandoutputinformationsimultaneously，flow gainsimplifiesthe identificationofcomplex networks，a．swellasimprovesthedisplayscaleofthe results．Boththesimulationand spontaneous，evokedElectroEncephaloGram (EEG)dataindicatethatflowgaincandescribetheoutputintensity ofspecificreg