黄 亮 吴超华 高小榕

(清华大学医学院生物医学工程系，北京 100084)

基于自回归模型和相位斜率指数的动态脑连接分析

黄 亮 吴超华 高小榕#*

(清华大学医学院生物医学工程系，北京 100084)

随着脑网络理论的发展，人们越来越关注不同脑区域之间的功能性和效应性连接。在常见的脑活动无创检测方法中，脑电图(EEG)具有较高的时间分辨率，适于进行效应性连接分析。提出一种估计不同通道的EEG信号间的效应性连接的方法，即自回归相位斜率指数(AR-PSI)。该方法结合多元自回归(MVAR)模型对短时数据进行谱估计频率分辨率高的特点和相位斜率指数(PSI)对源信号混叠不敏感的特点。与传统的格兰杰因果模型相比，它可以有效地摒除由于容积导体效应造成的信号混叠所带来的干扰；与传统的PSI相比，它在短时数据上能够更准确地估计不同通道间EEG信号的效应性连接。首先，分别生成具有强效应性连接和相互独立的混叠噪声这两组信号进行模拟实验，结果表明AR-PSI方法确实能够更有效地检测出信号中存在的效应连接，排除信号线性混叠可能引起的误检。然后，应用此方法并结合滑动窗技术，对Stroop实验记录到的EEG数据进行网络连接的动态分析，发现250～500 ms和550～800 ms时间段内脑网络连接密度在两种条件下存在显著性差异。分析结果，显示语义和颜色不一致条件的刺激能够引起脑网络连接密度更迅速地增加，且连接跨度更大。

效应性连接；MVAR模型；相位斜率指数(PSI)；动态分析