66、脑网络功能连接与运动捕捉数据异常检测研究

脑网络功能连接与运动捕捉数据异常检测研究

1 脑网络功能连接分析

1.1 数据处理与网络构建

在脑网络研究中，针对脑电图（EEG）各频段以及功能近红外光谱（fNIRS）的氧合血红蛋白（HbO）和脱氧血红蛋白（HbR），使用皮尔逊相关系数计算42个感兴趣区域（ROIs）的功能连接矩阵。每个受试者会生成7个42×42的连接矩阵，其中EEG每个频段对应5个，fNIRS的血流动力学活动对应2个。网络构建完成后，通过图/网络分析计算其拓扑特征，具体选择了小世界指数（SWI）、全局效率（GE）、聚类系数（CC）和特征路径长度（PL）作为关注的网络特征。
具体操作步骤如下：
1. 收集EEG和fNIRS数据。
2. 针对每个受试者，分别计算EEG各频段和fNIRS（HbO、HbR）的42×42功能连接矩阵。
3. 利用图/网络分析计算SWI、GE、CC和PL等拓扑特征。

1.2 特征计算与比较

• 小世界指数（SWI） ：SWI用于描述网络的效率和成本效益。当SWI > 1时，网络被认为是小世界网络。计算公式为SWI = CC / PL。小世界网络具有局部密集聚类和适量远距离连接的特点，能更高效地处理信息且成本较低。
• 全局效率（GE） ：作为功能整合的度量，GE定义为并行系统中信息交换的效率，所有节点可通过最短路径同时交换信息。
• 特征路径长度（PL） ：所有节点对之间的平均最短路径长度。
• 聚类系数（CC） </