[论文解读] The dual frequency RV-coupling coefficient: a novel measure for quantifying cross-frequency information transactions in the brain

Roberto D. Pascual‐Marqui, Pascal L. Faber+6 more|arXiv (Cornell University)|Mar 17, 2016

Neural dynamics and brain function参考文献 29被引用 4

一句话总结

本文引入了双频段RV耦合系数，这是一种新颖的多变量统计度量方法，通过评估多变量时间序列中两个频段内复数傅里叶系数之间的协变性，量化脑活动中的交叉频率耦合。该方法能够检测瞬时和时滞的相位-振幅相互作用，通过分离实部与虚部协方差分量，提高了在EEG/MEG源定位中低空间分辨率下的鲁棒性。

ABSTRACT

Identifying dynamic transactions between brain regions has become increasingly important. Measurements within and across brain structures, demonstrating the occurrence of bursts of beta/gamma oscillations only during one specific phase of each theta/alpha cycle, have motivated the need to advance beyond linear and stationary time series models. Here we offer a novel measure, namely, the "dual frequency RV-coupling coefficient", for assessing different types of frequency-frequency interactions that subserve information flow in the brain. This is a measure of coherence between two complex-valued vectors, consisting of the set of Fourier coefficients for two different frequency bands, within or across two brain regions. RV-coupling is expressed in terms of instantaneous and lagged components. Furthermore, by using normalized Fourier coefficients (unit modulus), phase-type couplings can also be measured. The dual frequency RV-coupling coefficient is based on previous work: the second order bispectrum, i.e. the dual-frequency coherence (Thomson 1982; Haykin & Thomson 1998); the RV-coefficient (Escoufier 1973); Gorrostieta et al (2012); and Pascual-Marqui et al (2011). This paper presents the new measure, and outlines relevant statistical tests. The novel aspects of the "dual frequency RV-coupling coefficient" are: (1) it can be applied to two multivariate time series; (2) the method is not limited to single discrete frequencies, and in addition, the frequency bands are treated by means of appropriate multivariate statistical methodology; (3) the method makes use of a novel generalization of the RV-coefficient for complex-valued multivariate data; (4) real and imaginary covariance contributions to the RV-coherence are obtained, allowing the definition of a "lagged-coupling" measure that is minimally affected by the low spatial resolution of estimated cortical electric neuronal activity.

研究动机与目标

• 开发一种稳健的多变量度量方法，用于量化超越线性与平稳模型的脑振荡中的交叉频率耦合。
• 解决现有方法依赖单个离散频率或未能考虑神经信号中多变量空间结构的局限性。
• 实现对不同频段之间瞬时与时滞相互作用（尤其是相位-振幅耦合）的检测。
• 提供一种统计框架，通过分离实部与虚部协方差贡献，降低对EEG/MEG数据源定位中空间模糊的敏感性。
• 将RV系数推广至复数多变量数据，以应用于神经科学时间序列。

提出的方法

• 该方法使用复数数据的广义RV系数，计算来自两个不同频段的两个复数傅里叶系数向量之间的协变性。
• 将RV协变性分解为实部与虚部，从而定义一种对空间模糊影响最小的时滞耦合度量。
• 采用归一化傅里叶系数（单位模长），可直接测量相位类型耦合（如相位-振幅耦合）。
• 适用于来自多个脑区的多变量时间序列，支持跨区域与区域内频率相互作用分析。
• 通过置换检验评估统计显著性，以检验无耦合的零假设。
• 该方法推广了二阶双谱，并整合了多变量统计与谱分析的原理。

实验结果

研究问题

• RQ1 如何在超越单频模型的多变量与非平稳框架中量化脑振荡中的交叉频率耦合？
• RQ2 双频段RV耦合系数在多大程度上能够检测不同频段神经振荡之间的瞬时与时滞相互作用？
• RQ3 实部与虚部协方差分量的分离是否能提高在低分辨率EEG/MEG源成像中交叉频率耦合估计的可靠性？
• RQ4 与传统方法相比，复数数据的广义RV系数在检测相位-振幅耦合方面有何增强作用？
• RQ5 在符合真实神经生理学假设的前提下，哪些统计检验适用于评估双频段RV耦合系数的显著性？

主要发现

• 双频段RV耦合系数成功捕捉了多变量神经时间序列中交叉频率耦合的瞬时与时滞分量。
• 通过虚部协方差分离时滞分量，该方法在源定位EEG/MEG数据中表现出对空间模糊的较低敏感性。
• 通过使用归一化傅里叶系数，该度量可直接量化相位类型耦合（如theta相位调制gamma振幅）。
• 复数多变量数据的广义RV系数为多变量环境中频段间协变性的评估提供了统计上合理的框架。
• 基于置换检验的统计方法使在高维神经数据中对观测耦合显著性的可靠推断成为可能。
• 该方法扩展了关于二阶双谱与RV系数的前期工作，为分析神经信息传递提供了更全面且稳健的工具。