从宽带活动中分离神经振荡的减法与除法方法给出不同甚至相冲突的功率估计
Subtractive and Divisive Methods for Isolating Neural Oscillations From Broadband Activity Yield Different, Even Conflicting, Power Estimates
预印本 · 尚未经过同行评审
窄带神经振荡的功率估计受非周期宽带活动干扰,近年出现多种分离方法,但它们很少说明假设两种成分是相加还是相乘。研究先用模拟功率谱展示乘性模型(如 specparam 工具包)会系统性错估振荡活动,再在两个脑电数据集中验证,一个比较年龄相关的 alpha 功率差异,一个考察检测任务中刺激前 alpha 功率变化,切换方法会改变效应量与结论。
用模拟功率谱和两个脑电数据集对比加性与乘性分离方法,发现 specparam 等乘性模型会系统性错估振荡功率,甚至反转效应方向。
理解振荡性脑活动在认知中的作用是认知神经科学的一个关键目标。然而,由于信号中存在非振荡的宽带活动,对窄带神经振荡的功率进行量化颇具挑战。近来,旨在将振荡信号与非振荡(非周期)信号分离的方法大量涌现。为完成这一分离,这些方法必须对振荡成分与非周期成分之间的关系进行建模。然而至关重要的是,此类方法很少明确说明它们假设这一关系是加性的还是乘性的,而这一问题又因普遍使用对数变换数据而更加复杂(即,对数空间中的相减等价于线性空间中的相除)。在此,我们展示了论证采用何种成分关系假设的重要性。使用包含加性振荡成分与非周期成分的模拟功率谱,我们说明:假设乘性模型的方法(例如流行的 specparam(原 fooof)工具箱)会以系统性的方式错误估计振荡活动,从而可能掩盖条件之间真实的振荡差异,甚至逆转其符号,制造出虚假效应。随后,我们在两个互补的实证数据集中展示了这些效应:(a) 一项关于 alpha 功率年龄相关差异的横断面、被试间分析,展示分离方法如何影响效应量与可检测性;(b) 一项检测任务中刺激前 alpha 功率变化的被试内分析,展示在方法之间切换如何能大幅削弱某一效应的证据,从而导致不同的结论。这些结果凸显出,研究者必须明确报告并论证关于非周期信号与振荡信号组合方式的假设,因为这些假设不仅影响对振荡活动的分析及由此得出的结论,还影响跨研究报告的结果整合(这些报告可能隐含地采用了不同的假设),并最终影响关于电生理特征及其与认知的推定关系的理论构建。
中文由 AI 翻译,仅供参考,以原文为准。
来源:bioRxiv · Neuroscience · biorxiv.org