最近的证据揭示了跨频耦合,尤其是相位振幅耦合(PAC)是大脑完成各种高级认知和感官功能的重要策略。但是,解码PAC仍然具有挑战性。此贡献提出了REPAC,这是一种可靠且可靠的算法,用于建模和检测EEG信号中的PAC事件。首先,我们解释了类似PAC的脑电图信号的合成,并特别注意了表征PAC的最批评参数,即SNR,调制指数,耦合持续时间。第二,详细介绍了REPAC。我们使用计算机模拟生成一组随机的PAC状EEG信号,并在基线方法方面测试REPAC的性能。depac被证明即使具有snr的现实值,例如-10 dB。它们都达到了99%的精度水平,但是REPAC从20位导致了剂量现场的显着改善。11%至65。21%,具有可比的特定山脉(约99%)。DEPAC也适用于真正的脑电图信号,显示了初步令人鼓舞的结果。索引项 - 相位振幅耦合,脑网作品,depac,调制,脑电图
主要关键词