A Generalized Framework of Antisymmetric Polyspectral Indices for Identifying High-Order Neural Interactions

技术摘要：用于识别高阶神经相互作用的反对称多谱指数通用框架

问题陈述
跨频率耦合（CFC）是大脑中整合不同时间尺度信息的基本机制。然而，准确识别真实的高阶神经相互作用受到两个主要挑战的阻碍：复杂的多频率非线性，以及由 EEG/MEG 记录中的容积传导和场扩散引起的虚假零延迟伪影。传统的连接性指标（例如 PLV、ImCoh、wPLI）通常假设同频率相互作用，无法表征其中感兴趣频率 $f_N$ 由 $N-1$ 个分量组合而成（$f_N = \sum_{i=1}^{N-1} f_i$）的依赖关系。此外，现有的跨频率度量往往缺乏对线性瞬时混合的内在鲁棒性，不能自然地推广到两个以上区域之间的相互作用，并且以可能降低信噪比的方式将相位和幅度分离。这些局限性对于新兴的多靶点经颅磁刺激（mTMS）方案尤为关键，因为该方案会在重叠的皮层区域诱导复合频率的涌现驱动；在此类场景中，仅监测同频率连接可能会遗漏介导刺激效应的实际动态特征。

方法论
作者引入了一类通用的反对称交叉多谱指数，旨在量化谐波依赖关系（特别是 $1:n$ 相互作用），同时对瞬时线性混合保持鲁棒性。

1. 理论公式：

   • 该框架始于定义两个时间序列 $x(t)$ 和 $y(t)$ 的三谱，重点关注立方依赖关系（$1:3$ 耦合，其中 $f_1=f_2=f_3=f$ 且 $f_4=3f$）。
   • 在线性混合模型（$x = \sum a_i s_i$, $y = \sum b_i s_i$）下，标准三谱包含来自真实源和线性混合伪影的贡献。
   • 为了分离真实耦合，作者通过减去估计量的排列版本来定义反对称交叉三谱：$T[x|xx|y] = T_{xxxy} - T_{yxxx}$。
   • 理论推导表明，在传感器处线性混合的独立源的零假设下，对称混合贡献完全抵消，仅保留来自同一源的真实非线性耦合项。
   • 该构造使用四阶幅度范数进行归一化，得到反对称交叉三相干性（ACT），其值域限定在 $[0, 1]$ 之间。
   • 该框架被推广到任意阶数 $m$（反对称交叉多谱），定义了反对称交叉多相干性（ACP）。
   • 作者表明，当 $m=2$ 时，该公式简化为相干性的虚部（ImCoh）；当 $m=3$ 时，它对应于反对称交叉双谱相干性。

2. 验证实验：

   • 合成数据： 使用生成模型模拟包含真实立方耦合和人工瞬时线性混合的时间序列，由参数 $\gamma$ 控制。将 ACT 的性能与非反对称化三谱度量（CT1 和 CT2）进行比较。
   • 真实 EEG 数据： 将这些指数应用于单受试者静息态 EEG 数据集（61 个通道）。使用基于替代数据（随机置换时间片段）的参数检验来评估统计显著性，以生成 p 值。

主要结果

• 合成数据：
  • 在真实立方耦合占主导的机制中（$\gamma \approx 0$），ACT 和标准三谱度量均显示出升高值，证实了对真实非线性依赖的敏感性。
  • 在瞬时线性混合占主导的机制中（$\gamma \approx 1$），标准度量（CT1, CT2）由于零延迟相关性而被系统性地高估。相比之下，ACT 值保持在基线附近，表现出对虚假混合伪影的鲁棒免疫性。
  • 在中间机制中，标准度量显示出复杂且混淆的行为（例如，对 $\gamma$ 的 U 形依赖），而 ACT 保持了对真实耦合的特异性。
• 真实 EEG 数据：
  • 标准三谱图（CT1, CT2）显示出以种子传感器为中心的明显、空间受限的高值斑块，这种拓扑结构与容积传导而非长程相互作用一致。
  • ACT 图未表现出这些短程“爆发”。相反，它们揭示了适度的、空间分布的增加（针对枕叶种子指向额叶通道）以及清晰的长程半球间模式（针对顶叶种子）。
  • 统计检验证实，虽然标准度量中的一些局部峰值通过了阈值（可能是伪影），但 ACT 识别的长程模式在替代数据阈值处理后具有统计稳健性。
  • 与 ImCoh（线性连接）的直接比较显示极低的皮尔逊相关系数（$\rho \approx 0.04-0.06$），表明 ACT 捕捉到了线性相位同步无法解释的、 largely 独立的神经连接特征。

意义与主张
本文声称提供了第一个稳健框架，用于识别多个时间序列之间真实的高阶跨频率相互作用，该框架对线性混合伪影具有内在抵抗力。作者认为，这些指数对于**多靶点 TMS（mTMS）**的分析尤为及时，因为刺激方案会诱导复合频谱驱动（$f_{overlap} = \sum f_i$），仅靠同频率连接无法监测这些驱动。

本研究作为一个概念验证，证明了：

1. 反对称化有效地抵消了高阶谱分析中的容积传导伪影。
2. 在单受试者 EEG 数据的传感器层面可以检测到真实的高阶依赖关系。
3. 这些指标为引导个性化、多站点、多频率的刺激策略提供了原则性基础。

作者承认，虽然该方法具有鲁棒性，但未来工作需要在更大的受试者队列中验证这些指数，以确定观察到的耦合模式是皮层组织的一般原则还是个体特征。他们还指出，有必要进行严格的统计表征，以优化数据长度和信噪比要求，从而适应自适应神经调控中潜在的实时应用。