基于贝叶斯估计的神经信息流

【摘要】 判断神经网络之间的相互影响是一个重要的神经科学问题.目前已提出了多种成熟的方法计算神经网络之间的耦合强度,但是对于神经网络之间耦合方向(信息流)的研究还属于起步阶段.一般的香农熵计算方法仅仅利用了样本重复概率的统计信息,而贝叶斯估计则充分利用了整体先验知识和样本重复概率.基于最小平方误差的贝叶斯估计提出了一种新的基于信息论的相位耦合方向指数计算方法.经过集总参数神经网络模型所产生的仿真信号检验表明,提出的方法能够准确地判断两个系统间的耦合方向,并且减少了对数据长度的依赖性,使分析短时高噪的复杂生物信号成为可能.应用该新方法分析了癫痫病人临床信号,结果表明该方法能判断出癫痫发作时各区域之间的影响方向,并揭示了癫痫传播机制.更多还原