Analyzing Neural Time Series Data 读书笔记3

Analyzing Neural Time Series Data

第三章读书笔记仅做学习记录

3 Interpreting and Asking Questions about Time-Frequency Results

3.1 EEG Time-Frequency: The Basics

EEG数据包含有节律性活动，在未处理的原始数据中也能看出这一特点（图3.1），这种节律反映的是神经元群的兴奋的波动。这些振荡有的快（几十到几百毫秒），有的慢（几秒到几分钟），有些与任务事件相关，有些无关

一般由三个信息描述振荡：

频率（frequency）：振荡的速度，每秒的周期数
功率（power）：一个频带内的功率总量，是振荡振幅的平方
相位（phase）：任意给定时间点正弦波的位置，用弧度或角度来测量。

EEG测量的的是神经元树突电活动的波动，成千上万的神经元同步活动，将单个神经元生成的微弱电场相互叠加，产生出一个足以穿透大脑组织，头骨，头皮甚至被放在头皮上的电极能够检测到的活动，所以EEG测量的是测量介观（介乎于微观和宏观之间的尺度）到宏观水平的皮质电活动。但是小神经元群的同步活动，非同步活动、皮层下大脑结构的活动，以及脑沟，几何方向相反的神经元群活动EEG比较难检测到
大脑节律性活动同时包含多个频率，这些频率可以通过信号处理技术进行分离。这可以类比无线电广播来理解，电台可以同时广播多个信号，但是可以通过不同频带进行隔离
大脑节律频率分类：

δ \delta δ (2 – 4 Hz)
θ \theta θ (4 – 8 Hz)
α \alpha α (8 – 12 Hz)
β \beta β (15 – 30 Hz
lower γ \gamma γ (30 – 80 Hz)
upper γ \gamma γ (80 – 150 Hz)

这种分组是大脑振荡的神经生物学机制，包括突触衰变和信号传递动力学的结果，但是并没有准确得边界，此外此，峰值频率的个体差异与许多个体特征有关，包括大脑结构、年龄、工作记忆容量和脑化学

鱼与熊掌不可兼得，在频率和时间上同时定位振荡活动比较困难，所以通常分析参数只在一个方面（时间或者频率）选择更好的精度。这不是EEG分析的问题，而是信号检测的问题？（没明白，原因挖坑，）
背景活动和任务相关活动的区别。背景活动是指存在于数据中但不受任务事件调整的活动，没有明确可识别的行为或者是比较复杂的神经计算，反正就是用目前神经认知过程解释不了的活动，基线标准化可以消除或强烈衰减存在于数据中但与任务无关的活动模式。在与任务相关的活动中，可以区分锁相活动和非锁相活动。当活动的相位在每次试验中相同或非常相似时，活动为锁相，而当活动的相位在每次试验中不同时，则为非锁相，即使活动仍与试验事件保持时间锁定。每个电极测量来自多个神经元群的活动，电极对电极正下方的大脑组织活动最敏感，，对于EEG来说记录的信号取决于物理距离和活动强度以及神经源的几何方向、头骨的厚度和形状。同样，许多电极记录了来自同一脑源的活动，这就引入了空间自相关(相邻电极的活动是强相关的，并且相关的强度随着距离的增加而减小)，这就限制了空间精度，并可能导致某些连接分析的虚假或夸大结果。

3.2 Ways to View Time-Frequency Results

将时频结果想象成一个三维，其维度为时间、频率和空间(空间由电极测量)。实际上，这个超立方体中有更多维度，对应于任务条件、分析类型、主题等，但是三维立方体更容易在视觉上概念化。因为在纸上或电脑显示器上以二维表示的方式观看立体三维立方体是困难的(观看5-D超立方体就更困难了)，实际上，这个立方体的二维切片会在纸张和演示中显示出来。可以将各个维度两两组合作为X轴和Y轴进行数据观察

3.4 How to View and Interpret Time-Frequency Results

五步走

确定图上显示的是什么。数据特征都认识，能够理解图上画的是啥，有问题就赶紧问；
检查图的范围和界限什么?是时间和频率范围（分别为x和y轴）,颜色限制，是否对称，是否为0
检查结果是否存在多个频率和时间窗口上的活动，还是所有活动都集中在一个时间-频率块中?活动持续时间是短还是长，是频带受限还是跨越多个频带?在刺激前期(通常用于基线正常化)是否有活动?是否结果是通过多个电极或地形图显示的，是否有地形特异性;也就是说，是否有选择地出现在头皮的某些部位?如果没有空间信息，从哪个(s)电极显示结果，为什么?
将结果与实验联系起来(或与患者群体、基因或药物治疗，或其他自变量联系起来)time = 0是指什么?实验中是否有多个事件(例如，第一个刺激，第二个刺激，反应)，这些不同的事件在时间-频率结果中是如何表示的?这些结果在实验设计的前提下有意义吗?它们是否与之前使用类似设计的研究一致?研究结果中是否有作者/演讲者没有提到的显著特征(这可能是由于一个关于特定时频窗口的先验假设)?关于正在调查的认知过程及其潜在的神经执行，结果表明了什么?最后，这些结果是否提供了任何关于大脑功能的新信息，或者是否可以简单地用一个参数，比如反应时间来代替所显示的结果，从而得到相同的结论?
了解用于支持解释的统计程序，是否使用了统计阈值?如果没有，结果应该定性而不是定量地解释。分析是假设驱动的，还是探索性和数据驱动的?这影响了对结果的解释以及适当的统计方法。探索性数据驱动的方法通常需要保守的统计阈值，并对随时间、频率和电极(或体素，如果数据是在大脑空间而不是电极空间进行分析)进行多次比较的校正。另一方面，假设驱动的分析增加了敏感性和理论相关性，不那么严格的阈值(如p < 0.05)也可以接受。探索性分析可能缺乏检测结果细微特征的敏感性，而假设驱动的分析可能会错过理论没有预测到的结果的重要特征。如果分析是假设驱动的，如何选择时频空间窗口进行统计分析?

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

一下结果应该引起你的怀疑：

时频图中的水平或垂直条纹（A）可能反映了滤波器结构不良造成的波纹。如果滤波器宽度过窄或滤波器用于过少的数据，就会发生这种情况，从而导致边缘伪影。
在高频率下的短暂和大功率效应(B)可能是由脑电图伪影(EEG)驱动的，如放大器饱和或来自不良电极的噪声尖峰。即使一百次试验中只有一次出现了非常大的伪影，也会导致这种短暂而大的功率高频效应
颜色随着时间或频率的快速变化(D)可能是分析中的错误(在这种情况下，分析信号的实部被绘制出来，而不是功率)。低频率的快速变化比高频率的快速变化更令人怀疑，因为在低频率增加了时间平滑。在图D所示的情况下，不存在伪影，但是信号实部的时频图信息较少，因此一般不显示。
奇怪的地形分布(E)包含许多峰可能是由于噪声或不良电极或电极标签和物理位置之间不正确的映射

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

这个不好说，有人会很快说“是”，而“怀疑论者”会很快说“不”。真正的答案是“这很难确定。”“一方面，脑电图测量是对强烈振荡的神经元群的场电位求和。因此，产生振荡的中观和宏观神经过程将占主导脑电图测量。另一方面，傅里叶定理规定任何信号都可以用正弦波表示，因此，即使是非振荡信号也可以用时频图表示。