arXiv q-bio.NC（Neurons and Cognition）·2026-10-26 12:00· 3 小时前AI 评分40

基于相位的边耦合：EEG 网络中重叠功能架构与高阶边对边交互的建模

Phase-based Edge Coupling: Modeling Overlapping Functional Architectures and High-Order Edge-to-Edge Interactions in EEG Networks

AI 导读

研究提出基于相位的边中心耦合（PEC）算法用于 EEG 网络建模，边时间序列由 EEG 信号瞬时相位差导出，边对边耦合通过归一化内积量化。仿真测试显示，在数据长度不少于 16 个周期时，PEC 抗伪迹准确率高于 0.7，并在个体可识别性与认知状态可识别性上均优于传统相位节点中心耦合（PNC）。

AI 要点

团队

第一作者 Chengcheng Wu，末位作者 Xiaoli Guo，共 5 位作者

主要结果

仿真中耦合估计相对误差 <10%，AUROC>0.7；数据长度 ≥16 周期时，个体与认知状态辨识均优于 PNC

解决什么问题

DTI、fMRI 已有边中心模型，EEG 尚缺同类方法；节点中心方法难以刻画重叠功能架构与边间高阶交互

方法

提出相位边中心耦合（PEC）：由 EEG 瞬时相位差构建边时间序列，用归一化内积量化边间耦合；含仿真测试与双人互动数据

局限

从研究设计看，验证以仿真测试为主，未设对照的实证比较

AI 依据原文整理，未经人工核对。