[论文解读] State equation from the spectral structure of human brain activity

Trang-Anh E. Nghiem, Jean‐Marc Lina+5 more|arXiv (Cornell University)|Jun 19, 2018

Neural dynamics and brain function参考文献 1被引用 3

一句话总结

本研究提出了一种受热力学启发的状态方程，将人类脑活动中的光谱能量与熵联系起来，该方程基于脑磁图（MEG）数据推导得出。研究发现，在静息态与活动态下，能量与熵之间存在稳健的线性关系，静息态下能量更高而熵更低，表明神经信息处理存在一种由噪声和耦合强度决定的宏观守恒规律。

ABSTRACT

Neural electromagnetic (EM) signals recorded non-invasively from individual human subjects vary in complexity and magnitude. Nonetheless, variation in neural activity has been difficult to quantify and interpret, due to complex, broad-band features in the frequency domain. Studying signals recorded with magnetoencephalography (MEG) from healthy young adult subjects while in resting and active states, a systematic framework inspired by thermodynamics is applied to neural EM signals. Despite considerable inter-subject variation in terms of spectral entropy and energy across time epochs, data support the existence of a robust and linear relationship defining an effective state equation, with higher energy and lower entropy in the resting state compared to active, consistently across subjects. Mechanisms underlying the emergence of relationships between empirically measured effective state functions are further investigated using a model network of coupled oscillators, suggesting an interplay between noise and coupling strength can account for coherent variation of empirically observed quantities. Taken together, the results show macroscopic neural observables follow a robust, non-trivial conservation rule for energy modulation and information generation.

研究动机与目标

• 开发一种宏观的、受热力学启发的框架，利用神经电磁信号的光谱特征量化人类脑状态。
• 识别在静息态与活动态下，跨被试的脑活动能量与熵之间稳健的关联关系。
• 通过耦合振子模型探究所观测到的能量-熵关系的潜在机制。
• 通过统计物理启发的建模，弥合宏观神经可观测量与微观神经动力学之间的鸿沟。

提出的方法

• 对健康年轻成年人在静息态与活动态下的MEG信号进行光谱分析，以计算功率谱。
• 使用定义的方程（公式1与公式2）在时间段与被试间计算光谱能量与熵。
• 应用非参数统计检验（Mann-Whitney U检验、配对t检验）评估不同脑状态下能量与熵的差异。
• 使用相位滞后指数（PLI）量化不同频段与状态下功能连接性及耦合强度。
• 模拟耦合振子的Kuramoto模型，探讨噪声与耦合强度在生成观测到的能量-熵关系中的作用。
• 对能量-熵散点图拟合线性模型，量化不同脑状态下斜率与截距的变化。

实验结果

研究问题

• RQ1 在不同功能状态下，人类脑活动的光谱能量与熵之间是否存在一致的、跨被试的关系？
• RQ2 噪声涨落与耦合强度如何影响神经信号中观测到的能量-熵关系？
• RQ3 耦合振子模型能否再现人类脑态中经验观测到的能量-熵动力学？
• RQ4 静息态与活动态下，神经能量与熵的宏观热力学解释是什么？
• RQ5 功能连接性变化（通过PLI测量）与脑状态转换期间能量与熵的转移有何关联？

主要发现

• 在所有被试中均观察到稳健的线性能量-熵关系，静息态下的能量更高而熵更低，相较于活动态。
• 能量-熵关系在静息态与活动态之间表现出显著的斜率与截距偏移，表明其为非平凡且非同义的关联。
• 相位滞后指数（PLI）在静息态下显著更高，表明静息态下功能耦合更强。
• Kuramoto模型模拟表明，噪声与耦合强度可再现观测到的能量-熵动力学，支持其在塑造宏观神经状态中的作用。
• 结果表明能量被用于生成信息，其中‘气态’的活动态有利于信息生成，而‘液态’的静息态则有利于低熵、稳定状态。
• 研究结果支持一种能量调制与信息生成在宏观神经可观测量中类似守恒的规律，且独立于个体被试的差异。