Mutual information in the frequency domain for the study of biological systems

بسیاری از سیستم های بیولوژیکی شامل اجزای متعددی هستند که به طور غیر خطی در تعامل هستند و خروجی های چندگانه ویژگی های فرکانسی متمایز را تولید می کنند. تجزیه و تحلیل کمی از خروجی های قابل مشاهده برای شناسایی وابستگی ها در میان قطعات ضروری است تا درک مکانیسم پایه سیستم را افزایش دهد. در این کار، اندازه گیری وابستگی های غیر خطی از نظر اطلاعات متقابل بین سری زمانی با توجه به ویژگی های فرکانس بررسی شده است. یک متدولوژی جدید بدون مدل توسعه داده شده و بر روی داده های شبیه سازی شده از سیستم های غیر خطی مرتبط شده مورد آزمایش قرار گرفته است. نتایج نشان می دهد که چارچوب پیشنهادی بهتر از روش متداول برای اندازه گیری تعاملات بهتر است. کاربرد داده های الکتروفیزیولوژیکی در دنیای واقعی از یک آزمایش ارزیابی حالت احساسی، مناطق خاص مغز را نشان می دهد که با سطوح پاسخ های هیجانی همراه است.