| Resumo : |
Um grande desafio nas neurociências é a análise de correlação entre sinais de origem neuronal. Estes são adquiridos por diversos meios, incluindo o eletro-encefalograma (EEG) e implantes de vetores de micro-eletrodos. Foram estudados cinco métodos de detecção de correlação entre séries temporais, dois não-paramétricos: coerência espectral (SC) e coerência espectral parcial (PC); e três paramétricos: coerência parcial direcionada (PDC), função de transferência direcionada (DTF) e índice de causalidade de Granger (GCI). Estes últimos se baseiam na definição de causalidade de Granger para detecção de coerência direcionada, utilizando o modelo paramétrico de regressão linear. Os métodos foram testados quanto a sua eficiência e robustez na detecção de coerência, coerência direcionada e coerência parcial em diferentes conjuntos de sinais gerados artificialmente. Os sinais foram elaborados buscando reproduzir características de ruído e não-linearidade encontrados em dados neuronais reais. O método PDC mostrou-se o mais eficiente na detecção das diferentes características de correlação, enquanto os métodos não-paramétricos mostraram uma maior robustez a ruído e não-linearidades.
|