Contemporary neuroscience research primarily focuses on the identification of brain activation patterns commonly deviant across participant groups or experimental conditions. This approach inherently underestimates potentially meaningful intra- and inter-individual variability present in brain physiological measures. We propose a parameter referred to as ‘individuality index (II)’ that takes individual variability into account. It quantifies the degree of individual variance of brain activation patterns for different brain regions and participants. IIs can be computed based on intra-cerebral source strength values such as the ones derived from the exact low resolution electromagnetic tomography source localization software. We exemplary estimated IIs for simulated datasets. Our results illustrate how IIs are affected by different spatial activation patterns across participants and quantify their distributional properties. They suggest that the proposed indices can meaningfully quantify inter- and intra-individuality of brain activation patterns. Their application to realistic datasets will allow the identification of (1) those brain regions that show particularly heterogeneous activation patterns, the contribution of which is particularly likely to be underestimated by conventional group statistics, (2) those brain regions that can alternatively be recruited by different participants for the same tasks, and (3) their associations with potentially decisive behavioral variables such as individually applied mental strategy.

中文翻译：

---

个性指数：一种量化大脑内脑电活动和代谢活动个体间空间变异程度的量度。

当代神经科学研究主要集中在确定跨参与者组或实验条件通常不同的大脑激活模式。这种方法固有地低估了大脑生理测量中存在的潜在有意义的个体内和个体间变异性。我们提出了一个称为“个体指数（II）”的参数，该参数考虑了个体差异。它量化了不同大脑区域和参与者的大脑激活模式的个体差异程度。可以根据脑内源强度值（例如从精确的低分辨率电磁层析成像源定位软件得出的值）来计算II。我们为模拟数据集示例估计的II。我们的结果说明了II如何受到参与者间不同的空间激活模式的影响并量化其分布特性。他们认为，提出的指标可以有意义地量化大脑激活模式的个体间和个体内。将其应用于现实数据集将可以识别（1）表现出特别不同的激活模式的大脑区域，传统小组统计尤其可能低估了它们的贡献；（2）可以通过以下方式招募的那些大脑区域：不同的参与者完成相同的任务，以及（3）他们与潜在决定性的行为变量（如单独应用的心理策略）的关联。他们认为，提出的指标可以有意义地量化大脑激活模式的个体间和个体内。将其应用于现实数据集将可以识别（1）表现出特别不同的激活模式的大脑区域，传统小组统计尤其可能低估了它们的贡献；（2）可以通过以下方式招募的那些大脑区域：不同的参与者完成相同的任务，以及（3）他们与潜在决定性的行为变量（如单独应用的心理策略）的关联。他们认为，提出的指标可以有意义地量化大脑激活模式的个体间和个体内。将其应用于现实数据集将可以识别（1）表现出特别不同的激活模式的大脑区域，传统小组统计尤其可能低估了它们的贡献；（2）可以通过以下方式招募的那些大脑区域：不同的参与者完成相同的任务，以及（3）他们与潜在决定性的行为变量（如单独应用的心理策略）的关联。