3、多神经结构分析：超越相关性分析的局限

多神经结构分析：超越相关性分析的局限

在神经科学研究中，评估正常和病理神经回路的功能时，监测神经元去极化产生的电信号至关重要。目前，相关方法在分析脑电图（EEG）、脑磁图、局部场电位以及同时记录的多个神经结构的单单元和多单元活动时应用广泛。然而，这些方法大多局限于一次分析两个结构的信号。

现有分析技术的局限性

当前，许多神经科学家主要依赖神经结构对活动之间的互相关来推断其功能。此外，还出现了一系列其他分析技术，包括基于信息理论评估互信息或信号对之间相互依赖关系的方法，以及频谱分析/相干分析的扩展方法。但这些方法都在计算上存在局限，通常一次仅使用两个结构的信号。

部分定向相干性（PDC）的引入

为了同时处理多个神经结构，我们引入了部分定向相干性（PDC）的概念。PDC是一种基于格兰杰因果关系的新型频域方法，用于同时进行多通道数据分析，它采用多元自回归（MAR）模型进行计算。

PDC的起源与发展

PDC概念源于一系列时间序列分析研究，其早期可追溯到Saito和Harashima（1981）提出的成对结构活动之间的定向相干性概念。后来，为了将定向相干性推广到同时处理多个结构的分析中，引入了定向传递函数（DTF）方法。但DTF在结构推断方面并不总是与格兰杰因果关系测试（GCT）的结果一致。

PDC的原理

PDC基于格兰杰因果关系，通过多元自回归模型来描述神经结构之间的相互连接。对于N个同时监测的结构，以N = 3为例的多元自回归模型如下：

Lxlnl  Iallr al2r a3r l
x2