この記事は、インテル® デベロッパー・ゾーンに公開されている「Functional Connectivity of Epileptic Brains: Extracting Functional Connectivity – Week 3 Update」(https://software.intel.com/en-us/blogs/2017/11/14/functional-connectivity-of-epileptic-brains-extracting-functional-connectivity-week) の日本語参考訳です。
パート 2 では、EEG データをクリーンアップするため前処理を行いました。ここでは、EEG データから機能的結合性を抽出する方法を紹介します。機能的結合性は、大脳皮質で起こる事象の相関関係の調査によって定義されます。機能的結合性の値は、ニューロンのグループ間の同期レベルに依存します。そのため、EEG データの異なる電極間の機能的結合性を計算する最も簡単な方法として相互相関を使用します。
相互相関は、次の式として定義できます。この式は、2 つの信号間の類似性を測定します。全 19 個の EEG チャネルすべてのペアのモンタージュ間の相互相関係数は、個別に計算されます。相互相関係数は、長さ n、遅延 m の任意の 2 つのベクトル x と y 間で測定されます。ここで、x と y は電極ペアの EEG データのベクトルを表します。
計算された係数は正規化され、遅延ゼロの自己相関が最大値 (R = 1.0) として識別されます。残りの電極ペアの計算方法はやや異なります。アルゴリズムは、±500ms の遅延 (m) における最大相互相関係数を検索して、その値を各ペアの機能的結合性の強度とします。すべての電極ペアを検索すると、結合性行列が得られます。
次のように、EEG データが結合性行列に変換されます。行列の要素の値は、0 から 1 の範囲です。1 は 2 つの電極間の結合性が強いことを示し、0 はそうでないことを示します。結合性行列の対角要素の値はすべて 1 であることが分かります。これは、信号とそれ自体の最大相関は常に最大になるためです。
視覚化を容易にするため、この結合性行列を使用してプロットを生成できます。無向グラフを作成して、相互相関手法により取得した結合性行列を視覚化します。電極はプロットのノードとして表され、エッジは結合性の強さを示します。ノード間またはエッジ間の結合性の強さは色で表されます。濃い青色は結合性がないことを示し、濃い赤色は最も強い結合性を示します。
前のステップ: EEG データの前処理 – パート 2
パート 4 は近日掲載予定です。
コンパイラーの最適化に関する詳細は、最適化に関する注意事項を参照してください。
