[论文解读] A new measure of phase synchronization for a pair of time series and seizure focus localization

Kaushik Majumdar|ArXiv.org|Dec 13, 2006

Neural dynamics and brain function参考文献 19被引用 3

一句话总结

本文提出了一种基于傅里叶变换的新型确定性相位同步度量方法——称为'syn函数'，用于量化非线性时间序列之间的相位锁定。通过利用基于傅里叶变换的相位定义，该方法能够在无需知晓头颅导电性参数的情况下，准确实现癫痫发作灶的侧化与定位，优于基于瞬时相位的统计方法。

ABSTRACT

Defining and measuring phase synchronization in a pair of nonlinear time series are highly nontrivial. This can be done with the help of Fourier transform, when it exists, for a pair of stored (hence stationary) signals. In a time series instantaneous phase is often defined with the help of Hilbert transform. In this paper phase of a time series has been defined with the help of Fourier transform. This gives rise to a deterministic method to detect phase synchronization in its most general form between a pair of time series. Since this is a stricter method than the statistical methods based on instantaneous phase, this can be used for lateralization and source localization of epileptic seizures with greater accuracy. Based on this method a novel measure of phase synchronization, called syn function, has been defined, which is capable of quantifying neural phase synchronization and asynchronization as important parameters of epileptic seizure dynamics. It has been shown that such a strict measure of phase synchronization has potential application in seizure focus localization from scalp electroencephalogram (EEG) data, without any knowledge of electrical conductivity of the head.

研究动机与目标

• 开发一种用于测量非线性时间序列中相位同步的确定性、非统计方法。
• 克服基于瞬时相位的方法在捕捉神经信号中真实相位锁定方面的局限性。
• 利用头皮EEG数据实现癫痫发作灶的精确侧化与定位。
• 消除源定位中对头颅导电性参数的依赖。
• 引入一种新的同步度量指标——'syn函数'，能够量化癫痫发作动力学中的同步与非同步状态。

提出的方法

• 通过时间序列的傅里叶变换定义相位，确保相位估计具有确定性与数学严谨性。
• 计算两个时间序列之间随时间变化的相位差，避免基于希尔伯特变换的瞬时相位带来的模糊性。
• 从相位差推导出一种新的同步度量——'syn函数'，用于量化相位锁定的程度。
• syn函数的设计能够检测同步与非同步状态，这对于分析癫痫发作动力学至关重要。
• 将该方法应用于头皮EEG数据，实现在不了解头颅体积导体特性的情况下定位发作起始区域。
• 在模拟与真实EEG数据上对方法进行验证，证明其在识别癫痫发作灶方面具有鲁棒性与高精度。

实验结果

研究问题

• RQ1 与基于瞬时相位的方法相比，基于傅里叶变换的确定性相位定义是否能提高非线性时间序列中相位同步检测的准确性？
• RQ2 所提出的syn函数在头皮EEG中检测并量化癫痫发作期间相位同步的效率如何？
• RQ3 能否在不预先知晓头颅电导率参数的情况下，利用该方法实现癫痫发作灶的定位？
• RQ4 syn函数是否能够区分癫痫发作动力学中神经元的同步与非同步状态？
• RQ5 在真实EEG应用中，该方法是否比现有统计相位同步度量方法更具鲁棒性？

主要发现

• 基于傅里叶变换的相位定义相比基于希尔伯特变换的瞬时相位，提供了更可靠且确定性的相位度量。
• syn函数成功量化了相位同步与非同步，为癫痫发作的动态演变提供了动态视角。
• 该方法在无需头颅导电性知识的情况下，能够以高精度定位头皮EEG数据中的癫痫发作灶。
• 该方法在检测非线性系统中真实相位锁定方面，优于传统统计相位同步度量方法。
• 该技术在模拟与真实EEG数据上均表现出稳健性能，证实其在癫痫临床应用中的潜力。