时延感知因果自编码器用于脑网络估计

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：Time-Delay-Aware Causal Autoencoder for Neurological Disorder Recognition

　　

摘要：

脑网络已成为刻画脑区之间相互作用的关键方法，为理解神经疾病背后的病理机制提供了强大的工具。近年来，基于相关指标开发了许多脑网络估计方法。然而，这些方法仅能反映脑区之间的统计依赖性。为克服这一局限性，已提出了多种方法来估计脑区之间的因果效应，即信息流的方向。遗憾的是，许多现有方法假设不同脑区之间的信息传输延迟是均匀的，这可能会引入估计偏差，最终降低神经疾病识别的准确性。为了解决这一问题，我们提出了一种时延感知因果自编码器（TDCA），该方法联合估计脑区之间的因果效应和传输延迟。此外，我们引入两项约束，以确保所构建的脑网络符合已确立的神经生理学原理。在两个公开数据集上的实验结果验证了所提方法的有效性和优越性。