基于模拟 EEG 信号的连接度量实验比较

基于摘要分析。研究关注不同理论背景的连接度量能否区分直接因果连接与非因果关系，以及信噪比（SNR）和降采样如何影响其表现。作者使用基于真实静息闭眼 EEG 源信号构建的八节点仿真数据，对六种常规及有向连接度量进行比较。 比较方法包括 cross-correlation、coherence、phase slope index（PSI）、directed transfer function（DTF）、partial-directed coherence（PDC）和 transfer entropy（TE），涉及信息论、参数化建模和相位相关等理论路线。研究的主要价值在于利用仿真连接真值评估连接识别能力，并考察信号质量与采样处理对结果的影响，而非提出新的连接估计算法。 在上述静息闭眼 EEG 驱动的八节点仿真条件下，作者报告所有度量均能区分直接因果交互与非因果关系；PDC 检出的非因果连接少于其他方法；DTF 和 PDC 对低 SNR 的耐受性更好。作者同时报告，降采样对 TE、DTF 和 PDC 的结果影响最大，并据此认为参数化建模方法 DTF、PDC 在该仿真设置中具有较高的连接敏感性与噪声耐受性，但使用时需谨慎考虑降采样。 摘要未提供具体性能数值、SNR 范围、降采样倍率、仿真连接生成规则及判定阈值，实验协议、消融及统计信息尚未验证。复现时需核对这些条件，以及参数化模型的拟合设置和各度量的估计流程。该结论限定于所述仿真环境；真实 EEG 中的连接解释及其对 BCI 任务的实际价值尚未验证。