Development of interaction measures based on adaptive non-linear time series analysis of biomedical signals / Entwicklung von Interaktionsmaßen auf der Grundlage adaptiver, nichtlinearer Zeitreihenanalyse von biomedizinischen Signalen
-
Lutz Leistritz
Abstract
An important feature of interaction between two signal components is the direction of the interaction. Recently, different methods have been developed and applied for detecting the direction of interactions. Besides frequency-dependent methods, Granger causality is a well-known frequency-independent approach. One popular linear approach is based on autoregressive modeling of the underlying process and evaluates prediction errors under different past assumptions. In the present study, this linear concept is extended to self-exciting threshold autoregressive models, which cover a wider class of processes. An approach for the definition of a state-dependent Granger causality is given and applied to simulated data.
Zusammenfassung
Ein wichtiges Kriterium bei der Untersuchung von Interaktionen zwischen zwei Signalkomponenten ist die Richtung dieser Interaktionen. Um gerichtete Interaktionen zu untersuchen, wurden in jüngster Vergangenheit verschiedenartige Methoden entwickelt und angewendet, wobei zu dem historisch ersten Anwendungsgebiet, der Ökonomie, nun auch die Analyse biomedizinischer Daten verstärkt in der Literatur beschrieben wird. Eine große Klasse der angewandten Methoden beruht auf der Granger-Kausalität, die sowohl frequenzabhängig als auch frequenzunabhängig betrachtet werden kann. Ein üblicher linearer Ansatz zur Umsetzung der Granger-Kausalität ist die autoregressive (AR) Modellierung der unterliegenden Prozesse. Dabei werden die Vorhersagefehler verglichen, die unter Einschluss bzw. Ausschluss von einzelnen Prozesskomponenten geschätzt werden. In der vorliegenden Studie wird dieses lineare Konzept auf “self-exciting threshold autoregressive” (SETAR) Modelle erweitert, welche die Untersuchung einer breiteren Klasse von Prozessen erlauben. Diese zustandsabhängige Granger-Kausalität wird geeignet definiert und mittels simulierter Daten untersucht.
References
1 Arnold M, Günther R. Adaptive parameter estimation in multivariate self-exciting threshold autoregressive models. Commun Stat Simul Comput2001; 30: 257.10.1081/SAC-100002366Search in Google Scholar
2 Arnold M, Möller U, Witte H. Nonlinear time-series modelling by means of self-exciting threshold AR models. Theory Biosci1999; 118: 261.Search in Google Scholar
3 Baccala LA, Sameshima K. Partial directed coherence: a new concept in neural structure determination. Biol Cybern2001; 84: 463.10.1007/PL00007990Search in Google Scholar PubMed
4 Buxton RB, Frank LR. A model for the coupling between cerebral blood flow and oxygen metabolism during neural stimulation. J Cereb Blood Flow Metab1997; 17: 64.10.1097/00004647-199701000-00009Search in Google Scholar PubMed
5 Chen HH, Guo L. Identification and stochastic adaptive control. Boston: Birkhäuser 1998.Search in Google Scholar
6 Dahlhaus R, Eichler M. Causality and graphical models for multivariate time series and point processes. In: Proceedings of the 2nd European Medical and Biological Engineering Conference, Vienna, Part 2, 2002: 1430.Search in Google Scholar
7 Eichler M. Graphical modelling of dynamic relationships in multivariate time series. In: Winterhalder M, Schelter B, Timmer J, editors. Handbook of time series analysis. Wiley-VCH 2006: Berlin. In press.Search in Google Scholar
8 Eichler M. On the evaluation of information flow in multivariate systems by the directed transfer function. Technical report 2005. Biol Cybern2006; 94: 469.10.1007/s00422-006-0062-zSearch in Google Scholar PubMed
9 Eichler M, Dahlhaus R, Sandkuhler J. Partial correlation analysis for the identification of synaptic connections. Biol Cybern2003; 89: 289.10.1007/s00422-003-0400-3Search in Google Scholar PubMed
10 Feucht M, Möller U, Witte H, et al. Nonlinear dynamics of 3 Hz spike-and-wave discharges recorded during typical absence seizures in children. Cereb Cortex1998; 8: 524.10.1093/cercor/8.6.524Search in Google Scholar PubMed
11 Florens JP, Mouchart M. A note on noncausality. Econometrica1982; 50: 583–591.10.2307/1912602Search in Google Scholar
12 Friston KJ, Mechelli A, Turner R, Price CJ. Nonlinear responses in fMRI: the balloon model, volterra kernels, and other hemodynamics. Neuroimage2000; 12: 466.10.1006/nimg.2000.0630Search in Google Scholar PubMed
13 Geweke J. Measurement of linear dependence and feedback between multiple time-series. J Am Stat Assoc1982; 77: 304.10.1080/01621459.1982.10477803Search in Google Scholar
14 Granger CWJ. Investigating causal relations by econometric models and cross-spectral methods. Econometrica1969; 37: 424.10.2307/1912791Search in Google Scholar
15 Granger CWJ. Testing for causality – a personal viewpoint. J Econ Dyn Control1980; 2: 329.Search in Google Scholar
16 Hesse W, Möller E, Arnold M, Schack B. The use of time-variant EEG Granger causality for inspecting directed interdependencies of neural assemblies. J Neurosci Meth2003; 124: 27.10.1016/S0165-0270(02)00366-7Search in Google Scholar
17 Hosoya Y. On the Granger condition for non-causality. Econometrica1977; 45: 1735.10.2307/1913964Search in Google Scholar
18 Kaminski M, Blinowska K, Szelenberger W. Topographic analysis of coherence and propagation of EEG activity during sleep and wakefulness. Electroencephalogr Clin Neurophysiol1997; 102: 216.10.1016/S0013-4694(96)95721-5Search in Google Scholar
19 Möller E, Schack B, Vath N, Witte H. Fitting of one ARMA model to multiple trials increases the time resolution of instantaneous coherence. Biol Cybern2003; 89: 303.10.1007/s00422-003-0394-xSearch in Google Scholar PubMed
20 Rasch D. Mathematische Statistik: eine Einführung für Studenten der Mathematik, Statistik, Biometrie und Naturwissenschaften. Heidelberg, Leipzig: Johann Ambrosius Barth Verlag 1995.Search in Google Scholar
21 Tong H. Non-linear time series. Oxford: Oxford University Press 1990.Search in Google Scholar
22 Winterhalder M, Schelter B, Hesse W, et al. Comparison directed of linear signal processing techniques to infer interactions in multivariate neural systems. Signal Process2005; 85: 2137.10.1016/j.sigpro.2005.07.011Search in Google Scholar
©2006 by Walter de Gruyter Berlin New York
Articles in the same Issue
- Biosignal Processing: the pacemaker for innovations in Biomedical Engineering – state, developments, trends
- Analysis of complex physiological systems by information flow: a time scale-specific complexity assessment / Analyse komplexer physiologischer Systeme mit Hilfe des Informationsflusses über spezielle Zeitskalen
- Robust filters for intensive care monitoring: beyond the running median / Robuste Filter für intensivmedizinisches Monitoring: mehr als ein gleitender Median
- Brain-computer interfaces for control of neuroprostheses: from synchronous to asynchronous mode of operation / Brain-Computer Interfaces zur Steuerung von Neuroprothesen: von der synchronen zur asynchronen Funktionsweise
- Development of interaction measures based on adaptive non-linear time series analysis of biomedical signals / Entwicklung von Interaktionsmaßen auf der Grundlage adaptiver, nichtlinearer Zeitreihenanalyse von biomedizinischen Signalen
- Comparison of three methods for beat-to-beat-interval extraction from continuous blood pressure and electrocardiogram with respect to heart rate variability analysis / Vergleich von drei Methoden der Schlag-zu-Schlag-Intervall-Extraktion aus kontinuierlichen Blutdruckverläufen und Elektrokardiogrammen zur Herzratenvariabilitätsanalyse
- Compression entropy contributes to risk stratification in patients with cardiomyopathy / Kompressionsentropie zur verbesserten Risikostratifizierung bei Patienten mit DCM
- Identification of patients with coronary artery disease using magnetocardiographic signal analysis / Identifizierung von Patienten mit koronarer Herzkrankheit anhand magnetokardiographischer Signalanalyse
- EEG parameters and their combination as indicators of depth of anaesthesia / EEG-Parameter und deren Kombination für das Narkosemonitoring
- Oberflächenkonditionierung für eine verbesserte Überlebenswahrscheinlichkeit von Knieprothesen: Komplett- vs. Oberflächenzementiertechnik der Tibiakomponente / Surface pretreatment for prolonged survival of cemented tibial prosthesis components: full- vs. surface-cementation technique
- Die Bedeutung der Setzkraft für die Sicherheit einer Konuskopplung von Hüftstiel und keramischem Prothesenkopf / Relevance of the insertion force for the taper lock reliability of a hip stem and a ceramic femoral head
Articles in the same Issue
- Biosignal Processing: the pacemaker for innovations in Biomedical Engineering – state, developments, trends
- Analysis of complex physiological systems by information flow: a time scale-specific complexity assessment / Analyse komplexer physiologischer Systeme mit Hilfe des Informationsflusses über spezielle Zeitskalen
- Robust filters for intensive care monitoring: beyond the running median / Robuste Filter für intensivmedizinisches Monitoring: mehr als ein gleitender Median
- Brain-computer interfaces for control of neuroprostheses: from synchronous to asynchronous mode of operation / Brain-Computer Interfaces zur Steuerung von Neuroprothesen: von der synchronen zur asynchronen Funktionsweise
- Development of interaction measures based on adaptive non-linear time series analysis of biomedical signals / Entwicklung von Interaktionsmaßen auf der Grundlage adaptiver, nichtlinearer Zeitreihenanalyse von biomedizinischen Signalen
- Comparison of three methods for beat-to-beat-interval extraction from continuous blood pressure and electrocardiogram with respect to heart rate variability analysis / Vergleich von drei Methoden der Schlag-zu-Schlag-Intervall-Extraktion aus kontinuierlichen Blutdruckverläufen und Elektrokardiogrammen zur Herzratenvariabilitätsanalyse
- Compression entropy contributes to risk stratification in patients with cardiomyopathy / Kompressionsentropie zur verbesserten Risikostratifizierung bei Patienten mit DCM
- Identification of patients with coronary artery disease using magnetocardiographic signal analysis / Identifizierung von Patienten mit koronarer Herzkrankheit anhand magnetokardiographischer Signalanalyse
- EEG parameters and their combination as indicators of depth of anaesthesia / EEG-Parameter und deren Kombination für das Narkosemonitoring
- Oberflächenkonditionierung für eine verbesserte Überlebenswahrscheinlichkeit von Knieprothesen: Komplett- vs. Oberflächenzementiertechnik der Tibiakomponente / Surface pretreatment for prolonged survival of cemented tibial prosthesis components: full- vs. surface-cementation technique
- Die Bedeutung der Setzkraft für die Sicherheit einer Konuskopplung von Hüftstiel und keramischem Prothesenkopf / Relevance of the insertion force for the taper lock reliability of a hip stem and a ceramic femoral head
