BACKGROUND Brain areas need to coordinate their activity in order to enable complex behavioral responses. Synchronization is one of the mechanisms neural ensembles use to communicate. While synchronization between signals operating at similar frequencies is fairly straightforward, the estimation of synchronization occurring between different frequencies of oscillations has proven harder to capture. One specifically hard challenge is to estimate cross-frequency synchronization between broadband signals when no a priori hypothesis is available about the frequencies involved in the synchronization. METHODS In the present manuscript, we expand upon the phase linearity measurement, an iso-frequency synchronization metrics previously developed by our group, in order to provide a conceptually similar approach able to detect the presence of cross-frequency synchronization between any components of the analyzed broadband signals. RESULTS The methodology has been tested on both synthetic and real data. We first exploited Gaussian process realizations in order to explore the properties of our new metrics in a synthetic case study. Subsequently, we analyze real source-reconstructed data acquired by a magnetoencephalographic system from healthy controls in a clinical setting to study the performance of our metrics in a realistic environment. CONCLUSIONS In the present paper we provide an evolution of the PLM methodology able to reveal the presence of cross-frequency synchronization between broadband data.

中文翻译：

---

相位线性测量的扩展，用于揭示大脑区域之间的交叉频率耦合。

背景技术大脑区域需要协调它们的活动以便实现复杂的行为反应。同步是神经集成体用来交流的机制之一。尽管工作在相似频率的信号之间的同步非常简单，但事实证明，估计不同振荡频率之间发生的同步比较困难。一个特别困难的挑战是，在没有关于同步所涉及的频率的先验假设可用的情况下，估计宽带信号之间的跨频同步。方法在本手稿中，我们扩展了相位线性度测量，这是我们小组先前开发的等频率同步度量，为了提供在概念上相似的方法，该方法能够检测所分析的宽带信号的任何分量之间是否存在跨频同步。结果该方法论已经在综合数据和真实数据上进行了测试。我们首先利用高斯过程实现，以便在综合案例研究中探索我们新指标的属性。随后，我们在临床环境中分析了由磁脑图系统从健康对照中获得的真实源重构数据，以研究我们的指标在现实环境中的性能。结论在本文中，我们提供了PLM方法的演进，能够揭示宽带数据之间存在跨频同步。结果该方法论已经在综合数据和真实数据上进行了测试。我们首先利用高斯过程实现，以便在综合案例研究中探索我们新指标的属性。随后，我们在临床环境中分析了由磁脑图系统从健康对照中获得的真实源重构数据，以研究我们的指标在现实环境中的性能。结论在本文中，我们提供了PLM方法的演进，能够揭示宽带数据之间存在跨频同步。结果该方法论已经在综合数据和真实数据上进行了测试。我们首先利用高斯过程实现，以便在综合案例研究中探索我们新指标的属性。随后，我们在临床环境中分析了由磁脑图系统从健康对照中获得的真实源重构数据，以研究我们的指标在现实环境中的性能。结论在本文中，我们提供了PLM方法的演进，能够揭示宽带数据之间存在跨频同步。我们在临床环境中分析了由磁脑图系统从健康对照中获得的真实源重构数据，以研究我们的指标在现实环境中的性能。结论在本文中，我们提供了PLM方法的演进，能够揭示宽带数据之间存在跨频同步。我们在临床环境中分析了由脑磁图系统从健康对照中获得的真实源重构数据，以研究我们的指标在现实环境中的性能。结论在本文中，我们提供了PLM方法的演进，能够揭示宽带数据之间存在跨频同步。