神经序列的高通量小波相干分析

实时估计来自不同大脑区域的神经信号之间的相干性是理解大脑功能的关键问题。 基于蒙特卡洛方法(MC–WTC)的小波相干法可以有效地测量神经信号的时频相干性,但它会产生大量的中间数据,因此无法应用于实时神经信号分析中。 我们在图形处理单元(GPGPU)(即G-MC-WTC)上开发了具有通用计算功能的并行MC-WTC方法,该方法可使用CUDA工具包加快计算速度。 仿真数据表明,它可以将运行时性能提高近200倍。 该方法已应用于视觉听觉脑电数据,并实时获得了不同大脑区域之间的相干信息。 结果显示左颞叶的θ波段具有相干性差异。 该方法可能成为研究认知过程中大脑区域合作机制的有用工具。