用于测试头部模型对脑磁图（MEG）功能连接性特征影响的有效零模型

《Brain Topography》：Appropriate Null Models for Testing the Effect of the Head Model on MEG Functional Connectivity Fingerprinting

　　

摘要

基于功能连接性（FC）的神经指纹识别方法旨在通过分析时间序列之间的统计依赖关系来识别和/或区分样本群体中的个体。这些时间序列主要通过非侵入性手段（如脑电图（EEG）、脑磁图（MEG）或功能性磁共振成像（fMRI）进行记录。这种方法的核心观点是：大脑活动是区分个体的关键因素，也是形成“神经指纹”的独特性来源。在基于EEG和MEG的功能连接性分析中，传感器记录到的脑活动数据通常会通过一个反模型反推至大脑皮层活动源的位置；该模型会考虑头部和大脑的形状、传感器的位置以及组织的导电性等因素。随后，这些数据会被进一步降维处理，得到代表特定脑区活动的时序数据，用于计算功能连接性（FC）。我们认为，目前对头部模型在神经指纹识别中的作用的研究主要依赖于次优或不完整的零模型（即假设头部模型对识别结果没有影响的模型）。在本文中，我们设计了一系列实验，旨在将每个受试者的传感器数据与头部模型分开处理，以此更准确地检验“头部模型对神经指纹识别没有影响”的零假设。当所有受试者使用相同的源级数据（仅头部模型存在差异）时，识别效果在所有频段上都是完美的（错误识别率为0）。而当所有受试者使用相同的头部模型（仅神经数据存在差异）时，可识别性和区分度都会显著下降。综合这些结果表明，“头部模型对神经指纹识别没有影响”的零假设无法成立。我们不对神经因素与解剖学因素的相对贡献大小进行评论，也不探讨头部模型具体是如何影响神经指纹识别指标的。