估计神经组件之间耦合的贝叶斯方法：多组件事件相关电位（mcERP）算法的评估

准确测量单次试验的反应是在脑动力学研究中明确使用复杂电磁和血液动力学测量的关键。我们开发了用于单次试验反应估计的多成分事件相关电位（mcERP）方法，以提高我们对位于皮层区域内不同层和/或不同皮层区域的神经元集合之间动态交互作用的分辨率。mcERP模型认为，被定义为定型波形的多个成分组成了刺激诱发反应，并且这些成分的振幅和潜伏期可能因试验而异。最大后验概率该模型的（MAP）解是通过迭代一组由后验概率导出的方程获得的。我们的第一个目标是使用mcERP算法分析皮层区域内不同层响应之间的交互作用（特别是潜伏期和振幅相关性）。因此，我们通过将算法应用于包含两个相关局部分量和一个独立远场分量的合成数据来评估模型。考虑了三种情况：局部成分通过其单次试验振幅的相互作用、单次试验潜伏期的相互作用或振幅和潜伏期的相互作用而相关。然后，我们分析了算法估计分量波形和单次试验参数作为这些关系函数的准确性。讨论了将这些分析扩展到实际数据的问题，以及正在进行的工作，以纳入更详细的先前信息。