转移熵作为脑连接性的测量：利用神经群模型的批判性分析

目标 - 从脑电生理信号评估脑连接性在神经科学中具有重要意义，但结果仍有争议，并且严重依赖于连接性的定义及所使用的数学工具。本工作的目的是评估双变量转移熵 (TE) 评估连接性的能力，使用从简单的神经群模型生成的由连接的兴趣区域 (ROI) 产生的数据。方法 - 假设两个、三个或四个通过兴奋性或突触抑制链接连接的ROI，生成模拟均场电位的信号。我们调查了是否可以检测到统计显著的连接，以及连接强度是否可以量化。主要结果 - 结果表明，如果神经群体在其线性区域内工作，并且时期长度超过10秒，TE可以可靠地估计连接强度。在多变量网络的情况下，一些虚假连接可能会出现（即，即使在没有真实连接的情况下，TE也具有统计显著性）；然而，TE与突触强度之间仍然保持相当好的相关性。此外，与近端区域（较小的延迟）相比，TE在远端区域（较长的延迟）更为稳健：对延迟的近似先验知识可以改善该过程。最后，非线性现象影响连接性的评估，因为它们可能显著降低TE估计：即使存在强因果连接，两个ROI之间的信息传输也可能因非线性现象而较弱。意义 - 在不同任务或脑状态下功能连接性的变化，可能并不总是反映连接网络的真正变化，而是信息传输的变化。该工作的一个局限性是使用了双变量TE。从前景看，使用多变量TE可以改善估计并减少当前研究中遇到的一些问题。