×
马修斯·格雷罗。;拉斐尔·胡塞尔;埃尔南多·奥姆巴奥

Conex连接：从多通道脑电图数据中学习极端大脑连接的模式。 （英语） Zbl 07656972号

附录申请。斯达。 17，编号1，178-198（2023）.
摘要：癫痫是一种慢性神经系统疾病；它影响到全球5000多万人。癫痫发作就像是对神经系统的暂时性电击，扰乱了大脑的正常电活动。癫痫经常通过脑电图（EEG）进行诊断。目前的方法只研究时变谱和相干，但没有直接模拟极端行为的变化，忽略了神经元振荡呈现非高斯重尾概率分布的事实。为了克服这一局限性，我们提出了一种基于脑电图的关节尾（即极端）行为来表征大脑连通性的新方法。我们提出的方法，大脑连通性的条件极值依赖（Conex-Connect），是一种开创性的方法，它将参考通道中较高振荡的极值与其他大脑网络通道之间的关联联系起来。使用Conex-Connect方法，我们发现由癫痫发作灶的活动驱动的极端依赖性变化。我们基于模型的方法表明，在预先设定的情况下，当调节局灶性发作区域的极值时，对所有通道的依赖性都是显著稳定的。相比之下，在癫痫发作期间，通道之间的依赖性较弱，依赖模式更“混乱”。使用Conex连接方法，我们确定高频振荡为最相关的特征，解释了大脑连接的条件极值依赖性。

MSC公司：

62件 统计学的应用

关键词：

条件极值;癫痫;极值理论;非平稳时间序列;惩罚可能性

软件：

FreSpeD（法语速度）;第3帧;引导库
PDF格式BibTeX公司 XML格式引用
\文本{M.B.Guerrero}等人，Ann.Appl。Stat.17，No.1，178--198（2023；Zbl 07656972）
全文： 内政部 arXiv公司

参考文献：

[1] ACHARYA，U.R.、VINITHA SREE，S.、SWAPNA，G.、MARTIS，R.J.和SURI，J.S.（2013）。癫痫的自动脑电图分析：综述。知识-基于系统。45 147-165.
[2] BOWYER，S.M.（2016）。一致性是大脑网络的衡量标准：过去和现在。神经精神病学。电生理学。2 1.
[3] COHEN，M.X.（2014）。分析神经时间序列数据.美国麻省理工学院出版社。
[4] COLES，S.G.、HEFFERNAN，J和TAWN，J.A.（1999）。极值分析的相关性度量。极端2 339-365. ·Zbl 0972.62030号
[5] DAS，B.和RESNICK，S.I.（2011年）。极端组件的调节：模型与锥体上规则变化的一致性。伯努利17 226-252. ·兹比尔1284.60103 ·doi:10.3150/10-BEJ271
[6] DAVIS，R.A.和MIKOSCH，T.（2009年）。极值图：极端事件的相关图。伯努利15 977-1009. ·Zbl 1200.62104号 ·doi:10.3150/09-BEJ213
[7] DAVIS，R.A.、MIKOSCH，T.和CRIBBEN，I.（2012）。通过引导极值图估计极值序列相关性。J.计量经济学170 142-152. ·Zbl 1443.62251号 ·doi:10.1016/j.jeconom.2012.04.003
[8] DAVISON，A.C.（2003）。统计模型.剑桥统计与概率数学系列11.剑桥大学出版社，剑桥·Zbl 1044.62001年 ·doi:10.1017/CBO9780511815850
[9] Davison，A.C.和Hinkley，D.V.（1997年）。Bootstrap方法及其应用.剑桥统计与概率数学系列1.剑桥大学出版社，剑桥·兹比尔0886.62001 ·文件编号：10.1017/CBO9780511802843
[10] Davison，A.C.和Huser，R.（2015）。极端统计。每年。修订状态申请。2 203-235. ·doi:10.1146/annurev-statistics-010814-020133
[11] EWANS，K.和JONATHAN，P.（2014）。使用条件极值模型评估海上工业的环境联合极值。J.Mar.系统。130 124-130.
[12] FIECAS，M.和OMBAO，H.（2016）。在联想学习实验中模拟大脑动态过程的演变。J.Amer。统计师。协会。111 1440-1453. ·doi:10.1080/01621459.2016.1165683
[13] GAO，X.、SHEN，W.、SHAHBABA，B.、FORTIN，N.J.和OMBAO，H.（2020）。演化状态空间模型及其在局部场电位时频分析中的应用。统计师。西尼卡30 1561-1582年·Zbl 1453.62724号 ·doi:10.5705/ss.202017.0420
[14] GUERRERO，M.B.、HUSER，R.和OMBAO，H.（2023a）。补充“Conex-Connect:从多通道EEG数据中学习极值大脑连接模式”https://doi.org/10.1214/22-AOAAS1621SUPPA网站
[15] GUERRERO，M.B.、HUSER，R.和OMBAO，H.（2023b）\[mathtt{R}\]“Conex-Connect:从多通道EEG数据中学习大脑极值连接模式”的代码https://doi.org/10.1214/22-AOAS1621SUPB网站
[16] Heffernan，J.E.和Resnick，S.I.（2007年）。具有极值分量的随机向量的极限定律。附录申请。普罗巴伯。17 537-571. ·Zbl 1125.60049号 ·doi:10.1214/105051606000000835
[17] 海弗南·J·E和TAWN·J·A（2004）。多元极值的条件方法。J.R.统计社会服务。B.统计方法。66 497-546. ·兹比尔1046.62051 ·文件编号：10.1111/j.1467-9868.2004.02050.x
[18] HILAL，S.、POON，S.H.和TAWN，J.（2011）。对冲黑天鹅：标准普尔500指数和波动率的条件异方差和尾部依赖性。J.银行。财务。35 2374-2387.
[19] HYNDMAN，R.J.和ATHANASOPOULOS，G.（2019年）。预测:原则与实践，第3版，OTexts，澳大利亚。可在https://OTexts.com/fpp3。2020年8月20日访问。
[20] KEEF，C.，PAPASTATHOPOULOS，I.和TAWN，J.A.（2013）。假设一个多元变量的一个组成部分较大，对其条件分布的估计：Heffernan和Tawn模型的附加约束。《多元分析杂志》。115 396-404. ·Zbl 1259.62014号 ·doi:10.1016/j.jmva.2012.10.012
[21] KRAFTY，R.T.和COLLINGE，W.O.（2013）。功率谱估计的惩罚多元Whittle似然。生物特征100 447-458. ·Zbl 1284.62581号 ·doi:10.1093/biomet/ass088
[22] KRAFTY，R.T.、HALL，M.和GUO，W.（2011年）。功能混合效应谱分析。生物特征98 583-598. ·兹比尔1231.62168 ·doi:10.1093/biomet/asr032
[23] KRAFTY，R.T.、ROSEN，O.、STOFFER，D.S.、BUYSSE，D.J.和HALL，M.H.（2017）。复制多个时间序列的条件谱分析及其在夜间生理学中的应用。J.Amer。统计师。协会。112 1405-1416. ·doi:10.1080/016214519.2017.1281811
[24] Lahiri，S.N.（2003年）。相关数据的重采样方法.统计学中的施普林格系列纽约州施普林格·Zbl 1028.6202号 ·doi:10.1007/978-1-4757-3803-2
[25] Ledford，A.W.和Tawn，J.A.（1996）。多元极值中近似独立性的统计。生物特征83 169-187. ·Zbl 0865.62040号 ·doi:10.1093/biomet/83.1.169
[26] LUGRIN，T.、DAVISON，A.C.和TAWN，J.A.（2019年）。条件多元极值尾模型的倒数分析。可从arXiv:1902.06972获取。
[27] MEDVEDEV，A.V.、MURRO，A.M.和MEADOR，K.J.（2011年）。颞叶癫痫发作间期异常γ活动可能表现为癫痫发作区。国际神经系统杂志。21 103-114.
[28] NUNEZ，P.L.和SRINIVASAN，R.（2007）。脑电图。学者媒体2 1348.
[29] OMBAO，H.和PINTO，M.（2021）。光谱相关性。可从arXiv:2103.17240获取。
[30] OMBAO，H.和VAN BELLEGEM，S.（2008）。非平稳信号的演化相干性。IEEE传输。信号处理。56 2259-2266. ·Zbl 1390.94344号 ·doi:10.1109/TSP.2007.914341
[31] Ombao，H.、von Sachs，R.和Guo，W.（2005）。多元非平稳时间序列的SLEX分析。J.Amer。统计师。协会。100 519-531. ·Zbl 1117.62407号 ·doi:10.1198/0162145000001448
[32] Ombao，H.C.、Raz，J.A.、von Sachs，R.和Malow，B.A.（2001年）。二元非平稳时间序列的自动统计分析。J.Amer。统计师。协会。96 543-560. ·Zbl 1018.62080号 ·doi:10.1198/016214501753168244
[33] OMBAO，H.、LINDQUIST，M.、THOMPSON，W.和ASTON，J.（2016）。神经影像数据分析手册CRC出版社/CRC，美国。
[34] OMBAO，H.、FIECAS，M.、TING，C.-M.和LOW，Y.F.（2018年）。大脑信号的统计模型，其特性在试验中不断演变。神经影像180 609-618. ·doi:10.1016/j.欧洲图像.2017.11.061
[35] ROSS，E.、SAM，S.、RANDELL，D.、FELD，G.和JONATHAN，P.（2018年）。估计北海极端风暴的涌浪。海洋工程154 430-444.
[36] SCHEFFLER，A.W.、DICKINSON，A.、DISTEFANO，C.、JESTE，S.和öENTüRK，D.（2020年）。协变量调整混合主成分分析。在基于知识的系统中的信息处理和不确定性管理（M.J.Lesot、S.Vieira、M.Z.Reformat、J.P.Carvalho、A.Wilbik、B.Bouchon-Meunier和R.R.Yager编辑）瑞士斯普林格。
[37] SCHRØDER，A.L.和OMBAO，H.（2019）。FreSpeD：癫痫发作多通道EEG数据中的频率特异性变化点检测。J.Amer。统计师。协会。114 115-128. ·Zbl 1478.62276号 ·doi:10.1080/01621459.2018.1476238
[38] TAWN，J.、SHOOTER，R.、TOWE，R.和LAMB，R.（2018年）。利用环境应用模拟空间极端事件。小争吵。斯达。28 39-58. ·doi:10.1016/j.spasta.2018.04.007
[39] WADSWORTH，J.L.和TAWN，J.（2019年）。通过单点调节实现更高维度的空间极限。arXiv:1912.06560提供。
[40] 世界卫生组织（2019年）。癫痫：公共卫生必修课摘要。可在https://www.who.int/mental_health/neuropology/ecliepies/report_2019/en/。2020年5月20日访问。
[41] 张忠（2008）。商相关性：皮尔逊相关性的简单替代方法。安。统计师。36 1007-1030. ·Zbl 1133.62041号 ·doi:10.1214/009053600000000866
[42] 张忠（2021）。利用非线性时间序列模型和尾部相关测度研究极值和系统风险。统计理论相关。领域5 1-25. ·Zbl 1527.62068号 ·doi:10.1080/247542692020.1856590
[43] 张，Z.、张，C.和崔，Q.（2017）。随机阈值驱动的尾部相关性度量及其在降水数据分析中的应用。统计师。西尼卡27 685-709 ·Zbl 1362.62199号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。