用于功能性脑-心交互评估的方法学分类体系：构建一个全面的分类框架

《IEEE Signal Processing Letters》：Methodological Taxonomy for Functional Brain–Heart Interplay Assessment: Creating a comprehensive taxonomy

脑心互作（BHI）研究突破传统分系统分析框架，通过EEG与ECG信号融合揭示神经-机械-生化多通路交互机制，系统梳理生理特异性建模、时变方向性分析等方法学体系，提出基于生理启发的时频高分辨率建模方案，推动神经科学、心血管医学与计算物理学的跨学科协作。

　　

摘要：

传统上，大脑和心脏被视为两个独立的系统，针对它们在皮层、皮下和周围层面的特定动态特性，人们开发了专门的信号处理方法。然而，越来越多的证据表明大脑-心脏相互作用（BHI）起着至关重要的作用，这种相互作用能够产生单一系统无法独立产生的动态现象。通过这种相互作用，一个系统的损伤可以通过复杂的神经、机械和生化途径对另一个系统产生深远影响。因此，科学界越来越关注对BHI进行定量分析，以更好地理解其功能动态及其潜在的临床意义。本研究聚焦于通过脑电图（EEG）和心电图（ECG）信号监测的神经大脑-心脏轴，旨在系统地对现有的用于功能性BHI评估的信号处理方法进行分类，从而从方法论的角度提供一个全面的分类体系。我们展示了如何利用多种分析框架对BHI进行量化，这些框架利用了生理特异性、数学建模以及捕捉方向性和时变相互作用的能力。此外，我们还介绍了一种基于生理学原理的建模方法，该方法能够在保持方向信息的同时实现高时间分辨率的BHI估计。本研究促进了BHI量化综合方法的发展，呼吁信号处理开发者、神经科学家、心脏病专家和计算生理学家之间的合作。

传统上，大脑和心脏被视为两个独立的系统，针对它们在皮层、皮下和周围层面的特定动态特性，人们开发了专门的信号处理方法。然而，越来越多的证据表明大脑-心脏相互作用（BHI）起着至关重要的作用，这种相互作用能够产生单一系统无法独立产生的动态现象。通过这种相互作用，一个系统的损伤可以通过复杂的神经、机械和生化途径对另一个系统产生深远影响。因此，科学界越来越关注对BHI进行定量分析，以更好地理解其功能动态及其潜在的临床意义。本研究聚焦于通过脑电图（EEG）和心电图（ECG）信号监测的神经大脑-心脏轴，旨在系统地对现有的用于功能性BHI评估的信号处理方法进行分类，从而从方法论的角度提供一个全面的分类体系。我们展示了如何利用多种分析框架对BHI进行量化，这些框架利用了生理特异性、数学建模以及捕捉方向性和时变相互作用的能力。此外，我们还介绍了一种基于生理学原理的建模方法，该方法能够在保持方向信息的同时实现高时间分辨率的BHI估计。本研究促进了BHI量化综合方法的发展，呼吁信号处理开发者、神经科学家、心脏病专家和计算生理学家之间的合作。