EEGSync:面向自然情境与静息态脑电的酉时间对齐方法
EEGSync: Unitary Temporal Alignment Method for Naturalistic and Resting-State EEG
预印本 · 尚未经过同行评审
自然情境与静息态脑电缺少重复刺激起点,难以在试次与被试间建立共同时间基准。作者把每名被试表示为复数振荡轨迹矩阵,求解酉 Procrustes 问题将其映射到参考或组模板的时间坐标系,并用经济型奇异值分解降低计算量。方法在睁眼与闭眼状态区分中最高分类准确率为 89.45%,AUROC 为 0.9600;闭眼记录下阿尔茨海默病与健康对照分类的最高 AUROC 为 0.9272。作者指出该变换对齐的是潜在时间结构而非物理时钟偏移,相位锁定值等非线性瞬时指标不保证不变。该预印本尚未经同行评审。
脑电图(EEG)研究越来越多地采用缺乏离散事件时间信息的自然范式和静息态范式。这些记录包含有结构的振荡活动,但往往缺乏重复的刺激起始点,因而无法在试次或参与者之间定义一个共享的时间时钟。我们提出 EEGSync,一种针对带限解析 EEG 信号的复值酉 Procrustes 时间对齐方法。EEGSync 将每个被试表示为一个复振荡轨迹矩阵,并求解一个酉 Procrustes 问题,将目标被试映射到参考或组模板的时间坐标系中。该方法通过 economy-SVD 分解实现计算上的可行性,从而避免构造完整的时间算子。这种对齐严格保持 EEG 通道间原有的两两关系和功率。该酉变换对齐的是潜在的时间结构,而非估计物理时钟偏移。因此,相位锁定值、振幅包络相关和相位-振幅耦合等非线性瞬时指标并不保证具有不变性。这一框架使 EEGSync 非常适合自然共享刺激数据,并可能作为保持协方差的潜在流形对齐方法用于静息态数据。通过跨生理和临床环境的被试独立交叉验证评估,基于 EEGSync 的特征在睁眼与闭眼状态判别中达到 0.9600 的 AUROC 和 89.45% 的最高分类准确率。在阿尔茨海默病与健康对照的分类中,闭眼记录的最高 AUROC 达到 0.9272,在睁眼光刺激下具有进一步的判别能力。这些发现表明,时间对齐捕获了补充传统频谱和统计 EEG 特征的判别信息。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Signal Processing · arxiv.org