• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Computational Neuroscience >Transfer entropy-a model-free measure of effective connectivity for the neurosciences
【24h】

Transfer entropy-a model-free measure of effective connectivity for the neurosciences

机译：传递熵-神经科学的有效连通性的无模型度量

获取原文
获取原文并翻译 | 示例
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Understanding causal relationships, or effective connectivity, between parts of the brain is of utmost importance because a large part of the brain's activity is thought to be internally generated and, hence, quantifying stimulus response relationships alone does not fully describe brain dynamics. Past efforts to determine effective connectivity mostly relied on model based approaches such as Granger causality or dynamic causal modeling. Transfer entropy (TE) is an alternative measure of effective connectivity based on information theory. TE does not require a model of the interaction and is inherently non-linear. We investigated the applicability of TE as a metric in a test for effective connectivity to electrophysiological data based on simulations and magnetoencephalography (MEG) recordings in a simple motor task. In particular, we demonstrate that TE improved the detectability of effective connectivity for non-linear interactions, and for sensor level MEG signals where linear methods are hampered by signal-cross-talk due to volume conduction.
机译：了解大脑各部分之间的因果关系或有效连接至关重要，因为人们认为大脑活动的很大一部分是内部产生的，因此仅量化刺激反应关系并不能完全描述大脑动力学。过去确定有效连通性的努力主要依靠基于模型的方法，例如Granger因果关系或动态因果建模。传输熵（TE）是基于信息论的有效连通性的一种替代度量。 TE不需要交互模型，并且本质上是非线性的。我们在一个简单的运动任务中，基于模拟和磁脑电图（MEG）记录，研究了TE作为度量有效测试电生理数据的测试方法的适用性。特别是，我们证明TE改善了非线性相互作用以及传感器级MEG信号有效连通性的可检测性，其中线性方法因体积传导而受到信号串扰的阻碍。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号