2020年3月1日，清华大学工业工程系统计学研究中心2017级博士生张园园为第一作者，清华大学机械工程系季林红教授为通讯作者的论文“Prediction of working memory ability based on EEG by functional data analysis”正式发表在神经科学SCI期刊 Journal of Neuroscience Methods（5年影响因子2.907）第333卷(https://doi.org/10.1016/j.jneumeth.2019.108552, 333, Article Number 108552）。该文首次建立了以脑电信号预测工作记忆能力的多重函数型线性模型。由于使用样条函数，该模型直观易懂，计算快捷简便，理论性质可靠，基于随机抽取的122名大学生志愿者训练集，以闭眼静息态下，8个脑前区导联的脑电信号，对20名志愿者测试集进行工作记忆能力的预测，其确定系数R2在多次随机试验下的中位数为68%，最低值大于50%，最高值72%。
张园园与清华大学工业工程系统计学研究中心2018级博士生黄昆组成的杨立坚团队，从2018年12月开始分析季林红团队的大学生志愿者脑电与认知能力数据，到最终完成论文，始终坚持“面向应用，背靠理论，写好算法”的统计学思想(见拙文，统计学视角3：面向应用，背靠理论，写好算法 http://blog.sciencenet.cn/home.php?mod=space&uid=941132&do=blog&id=1211943)。他们依托近10年来团队在函数型数据方向的研究成果，与机械工程系吴芳芳教授和硕士生王健凯组成的季林红团队高效合作，把样条回归估计脑电信号（EEG）的光滑轨迹，张量样条回归估计协方差函数，样条估计函数型主成分（FPCs）与得分（FPC scores）等深刻的统计学前沿理论，结合LASSO回归，转化为快速准确分析脑电数据的算法，用6个月时间很好地解决了工作记忆能力预测的问题，完成了这篇跨学科应用论文。
转载本文请联系原作者获取授权，同时请注明本文来自杨立坚科学网博客。
链接地址：https://wap.sciencenet.cn/blog-941132-1224413.html?mobile=1
收藏
