Analyzing Neural Time Series Data

第三章讀書筆記 僅做學習記錄

3 Interpreting and Asking Questions about Time-Frequency Results

3.1 EEG Time-Frequency: The Basics

EEG數據包含有節律性活動，在未處理的原始數據中也能看出這一特點（圖3.1），這種節律反映的是神經元群的興奮的波動。這些振蕩有的快（幾十到幾百毫秒），有的慢（幾秒到幾分鐘），有些與任務事件相關，有些無關

一般由三個信息描述振蕩：

• 頻率（frequency）：振蕩的速度，每秒的周期數
• 功率（power）：一個頻帶內的功率總量，是振蕩振幅的平方
• 相位（phase）：任意給定時間點正弦波的位置，用弧度或角度來測量。

??EEG測量的的是神經元樹突電活動的波動，成千上萬的神經元同步活動，將單個神經元生成的微弱電場相互疊加，產生出一個足以穿透大腦組織，頭骨，頭皮甚至被放在頭皮上的電極能夠檢測到的活動，所以EEG測量的是測量介觀（介乎于微觀和宏觀之間的尺度）到宏觀水平的皮質電活動。但是小神經元群的同步活動，非同步活動、皮層下大腦結構的活動，以及腦溝，幾何方向相反的神經元群活動EEG比較難檢測到
??大腦節律性活動同時包含多個頻率，這些頻率可以通過信號處理技術進行分離。這可以類比無線電廣播來理解，電臺可以同時廣播多個信號，但是可以通過不同頻帶進行隔離
大腦節律頻率分類：

• $\delta$ (2 – 4 Hz)
• $\theta$ (4 – 8 Hz)
• $\alpha$ (8 – 12 Hz)
• $\beta$ (15 – 30 Hz
• lower $\gamma$ (30 – 80 Hz)
• upper $\gamma$ (80 – 150 Hz)

這種分組是大腦振蕩的神經生物學機制，包括突觸衰變和信號傳遞動力學的結果，但是并沒有準確得邊界，此外此，峰值頻率的個體差異與許多個體特征有關，包括大腦結構、年齡、工作記憶容量和腦化學

??魚與熊掌不可兼得，在頻率和時間上同時定位振蕩活動比較困難，所以通常分析參數只在一個方面（時間或者頻率）選擇更好的精度。這不是EEG分析的問題，而是信號檢測的問題？（沒明白，原因挖坑，）
??背景活動和任務相關活動的區別。背景活動是指存在于數據中但不受任務事件調整的活動，沒有明確可識別的行為或者是比較復雜的神經計算，反正就是用目前神經認知過程解釋不了的活動，基線標準化可以消除或強烈衰減存在于數據中但與任務無關的活動模式。在與任務相關的活動中，可以區分鎖相活動和非鎖相活動。當活動的相位在每次試驗中相同或非常相似時，活動為鎖相，而當活動的相位在每次試驗中不同時，則為非鎖相，即使活動仍與試驗事件保持時間鎖定。每個電極測量來自多個神經元群的活動，電極對電極正下方的大腦組織活動最敏感，，對于EEG來說記錄的信號取決于物理距離和活動強度以及神經源的幾何方向 、頭骨的厚度和形狀。同樣，許多電極記錄了來自同一腦源的活動，這就引入了空間自相關(相鄰電極的活動是強相關的，并且相關的強度隨著距離的增加而減小)，這就限制了空間精度，并可能導致某些連接分析的虛假或夸大結果。

3.2 Ways to View Time-Frequency Results

將時頻結果想象成一個三維，其維度為時間、頻率和空間(空間由電極測量)。實際上，這個超立方體中有更多維度，對應于任務條件、分析類型、主題等，但是三維立方體更容易在視覺上概念化。因為在紙上或電腦顯示器上以二維表示的方式觀看立體三維立方體是困難的(觀看5-D超立方體就更困難了)，實際上，這個立方體的二維切片會在紙張和演示中顯示出來。可以將各個維度兩兩組合作為X軸和Y軸進行數據觀察

3.4 How to View and Interpret Time-Frequency Results

五步走

• 確定圖上顯示的是什么。數據特征都認識，能夠理解圖上畫的是啥，有問題就趕緊問；
• 檢查圖的范圍和界限什么?是時間和頻率范圍（分別為x和y軸）,顏色限制，是否對稱，是否為0
• 檢查結果是否存在多個頻率和時間窗口上的活動，還是所有活動都集中在一個時間-頻率塊中?活動持續時間是短還是長，是頻帶受限還是跨越多個頻帶?在刺激前期(通常用于基線正常化)是否有活動?是否結果是通過多個電極或地形圖顯示的，是否有地形特異性;也就是說，是否有選擇地出現在頭皮的某些部位?如果沒有空間信息，從哪個(s)電極顯示結果，為什么?
• 將結果與實驗聯系起來(或與患者群體、基因或藥物治療，或其他自變量聯系起來)time = 0是指什么?實驗中是否有多個事件(例如，第一個刺激，第二個刺激，反應)，這些不同的事件在時間-頻率結果中是如何表示的?這些結果在實驗設計的前提下有意義嗎?它們是否與之前使用類似設計的研究一致?研究結果中是否有作者/演講者沒有提到的顯著特征(這可能是由于一個關于特定時頻窗口的先驗假設)?關于正在調查的認知過程及其潛在的神經執行，結果表明了什么?最后，這些結果是否提供了任何關于大腦功能的新信息，或者是否可以簡單地用一個參數，比如反應時間來代替所顯示的結果，從而得到相同的結論?
• 了解用于支持解釋的統計程序，是否使用了統計閾值?如果沒有，結果應該定性而不是定量地解釋。分析是假設驅動的，還是探索性和數據驅動的?這影響了對結果的解釋以及適當的統計方法。探索性數據驅動的方法通常需要保守的統計閾值，并對隨時間、頻率和電極(或體素，如果數據是在大腦空間而不是電極空間進行分析)進行多次比較的校正。另一方面，假設驅動的分析增加了敏感性和理論相關性，不那么嚴格的閾值(如p < 0.05)也可以接受。探索性分析可能缺乏檢測結果細微特征的敏感性，而假設驅動的分析可能會錯過理論沒有預測到的結果的重要特征。如果分析是假設驅動的，如何選擇時頻空間窗口進行統計分析?

3.5 Things to Be Suspicious of When Viewing Time-Frequency Results

一下結果應該引起你的懷疑：

• 時頻圖中的水平或垂直條紋（A）可能反映了濾波器結構不良造成的波紋。如果濾波器寬度過窄或濾波器用于過少的數據，就會發生這種情況，從而導致邊緣偽影。
• 在高頻率下的短暫和大功率效應(B)可能是由腦電圖偽影(EEG)驅動的，如放大器飽和或來自不良電極的噪聲尖峰。即使一百次試驗中只有一次出現了非常大的偽影，也會導致這種短暫而大的功率高頻效應
• 寬帶效應?跨越許多“經典”頻率范圍可能是由于機械噪音或顎或頸部過度的肌肉活動
• 顏色隨著時間或頻率的快速變化(D)可能是分析中的錯誤(在這種情況下，分析信號的實部被繪制出來，而不是功率)。低頻率的快速變化比高頻率的快速變化更令人懷疑，因為在低頻率增加了時間平滑。在圖D所示的情況下，不存在偽影，但是信號實部的時頻圖信息較少，因此一般不顯示。
• 奇怪的地形分布(E)包含許多峰可能是由于噪聲或不良電極或電極標簽和物理位置之間不正確的映射
  

3.6 Do Results in Time-Frequency Plots Mean That There Were Neural Oscillations?

這個不好說，有人會很快說“是”，而“懷疑論者”會很快說“不”。真正的答案是“這很難確定。”“一方面，腦電圖測量是對強烈振蕩的神經元群的場電位求和。因此，產生振蕩的中觀和宏觀神經過程將占主導腦電圖測量。另一方面，傅里葉定理規定任何信號都可以用正弦波表示，因此，即使是非振蕩信號也可以用時頻圖表示。

總結

以上是生活随笔為你收集整理的Analyzing Neural Time Series Data 读书笔记3的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。