脑科学核磁共振——功能连接的常用度量方法

如图1所示，介绍一种功能连接常用度量的分类法，并简要描述每种方法的主要目的。

图1. 功能连接测量的常用方法分类

计算时是否规定了功能连接的方向

第一个分类方法是基于计算时是否规定了功能连接的方向。

• 非定向功能连接性指标试图捕捉信号之间某种形式的相互依赖关系，而不考虑影响的方向。
• 定向功能连接性指标试图从数据中建立一种统计因果关系，这种因果关系建立在因果关系之前的最大值的基础上，在格兰杰因果关系和转移熵的情况下，因果关系是以某种方式预测其影响。这些统计因果关系的定义最初是由Wiener提出的，后来由Granger使用自回归模型实现。

在定向和非定向的计算方法基础上，还可以进一步划分为无模型方法和基于模型的方法（如图1所示）。

Pearson相关系数和互信息

• 基于模型的方法假设两个信号之间可能发生的功能连接为线性关系。对于基于非定向模型的功能连接，最简单的测量指标是Pearson相关系数，它测量两个随机变量之间的线性关系。在一般线性模型中，平方相关系数（R2）表示一个变量（或信号）方差的分数，可以由另一个变量解释，反之亦然。非线性关系中更广义的方法是互信息（mutual information），它使用信息论中的概念测量两个或多个变量（或时间序列）之间的广义（线性和非线性）相互依赖关系。
• 皮尔逊相关系数（和互信息）是相互作用的非定向测量