在信号处理中,通过网络表示探索复杂的系统已成为越来越兴趣的领域。这项研究介绍了模块化图,这是一种新的基于图的功能,以突出图形群落之间的关系。将应用程序显示为称为随机块模型的随机图类别后,我们考虑了根据实际脑电图估算的大脑功能连接网络。模块化图提供了一个定量框架,用于检查大脑网络中神经元簇之间的相互作用。模块化图与多尺度社区检测算法一起起作用,从而可以在各种规模上识别社区结构。引入模块化图后,我们将其应用于大脑功能连接网络,该网络是根据运动成像实验的公开脑电图记录估算的。跨多个量表的统计分析表明,与各种运动成像任务相关的不同大脑连接状态的模块化图不同。这项工作强调信号在图形处理技术上的应用以了解特定认知任务期间的大脑行为,从而利用新型模块化图来识别不同认知条件下脑连接的模式。这种方法为在图形分析上的进一步信号设定了阶段,以设计大脑网络模块,并洞悉运动成像机制。
主要关键词
![arxiv:2406.15155v1 [q-bio.nc] 2024年6月21日PDF文件第1页](/bimg/f/f2767f561a387a3eb70be7854768a2f838b30764.webp)
![arxiv:2406.15155v1 [q-bio.nc] 2024年6月21日PDF文件第2页](/bimg/5/5054c47411bd3eea572c765ccd6bbc85347d1e3e.webp)
![arxiv:2406.15155v1 [q-bio.nc] 2024年6月21日PDF文件第3页](/bimg/5/54f3163d7874000c1205e65d525252133099eaf7.webp)
![arxiv:2406.15155v1 [q-bio.nc] 2024年6月21日PDF文件第4页](/bimg/9/9c27b573a54976c0e8a88207704df7b486bbe089.webp)
![arxiv:2406.15155v1 [q-bio.nc] 2024年6月21日PDF文件第5页](/bimg/b/b15f9f9d97d88a725c314910bdfe8fad74b8583a.webp)
