基于认知功能连接的信息流增益计算方法及应用
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(Directed Transfer Function, DTF)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。
脑神经网络、认知功能连接、有向传递函数、信息流增益
TP301(计算技术、计算机技术)
国家自然科学基金61203369资助课题
2014-12-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
2756-2761