Network Analysis
뇌 영역 간 기능적 연결성을 정량적으로 측정합니다. PLV, Coherence 등 다양한 연결성 지표를 3D 뇌 모델 위에 시각화합니다.
🔗 연결성 지표 (Connectivity Measures)
두 전극 간 신호의 통계적 관계를 측정하여 뇌 영역 사이의 정보 흐름을 파악합니다. 연구 목적에 따라 적합한 지표를 선택할 수 있습니다.
PLV (Phase Locking Value)
두 신호의 위상 차이가 시간에 걸쳐 얼마나 일관되는지를 측정합니다. 진폭에 무관하게 순수한 위상 동기화만 포착하며, EEG 연구에서 가장 널리 사용됩니다. 값이 1에 가까울수록 강한 위상 결합을 나타냅니다.
Spectral Coherence
주파수 도메인에서 두 신호의 상관도를 측정합니다. 위상과 진폭 정보를 모두 반영하는 정규화된 교차 스펙트럼으로, 특정 주파수 대역에서의 기능적 연결을 평가합니다.
Correlation
시간 도메인에서 두 신호 진폭의 선형 관계를 측정합니다 (Pearson r). 계산이 간단하고 직관적이지만, 주파수별 분석이 불가하고 Volume Conduction에 취약할 수 있습니다.
PLI / wPLI
Volume Conduction(체적 전도) 문제를 해결한 개선 지표입니다. 위상 차이 분포의 비대칭성을 측정하여 제로-래그(zero-lag) 허위 연결을 제거합니다. wPLI는 노이즈에 더 강건합니다.
🧪 고급 분석
단순 연결 강도를 넘어 방향성, 인과 관계, 네트워크 구조까지 분석합니다.
Granger Causality
한 영역의 과거 신호가 다른 영역의 현재 신호를 예측할 수 있는지 검증합니다. 방향성 인과 관계(Effective Connectivity)를 추론하는 대표적 기법입니다.
Graph Theory
연결성 행렬을 그래프로 변환하여 네트워크 토폴로지를 분석합니다. 클러스터링 계수, 경로 효율, 허브 식별 등으로 뇌 네트워크의 구조적 특성을 파악합니다.
Transfer Entropy
정보 이론 기반으로 비선형 방향성 정보 흐름을 측정합니다. Granger Causality가 포착하지 못하는 비선형 관계를 탐지할 수 있습니다.
Source Localization
두피 EEG에서 뇌 내부 소스를 역추정합니다. 센서 공간이 아닌 소스 공간에서 연결성을 분석하여 Volume Conduction 영향을 크게 줄일 수 있습니다.
🌐 3D 시각화
EasyEEG Web은 연결성 분석 결과를 인터랙티브 3D 뇌 모델 위에 직접 시각화합니다.
동적 Edge 렌더링
PLV 임계값을 초과하는 전극 쌍 사이에 빨간 연결선을 3D로 표시합니다. 실시간 슬라이더로 임계값을 조절하면 즉각적으로 네트워크가 변화합니다.
10-20 전극 배치
국제 10-20 시스템에 따라 16개 전극(Fp1, Fp2, F3, F7, ...)을 해부학적으로 정확한 3D 좌표에 배치합니다.
📊 지표 비교
각 연결성 지표의 특성을 비교하여 연구 목적에 적합한 방법을 선택하세요.
| 지표 | 도메인 | 방향성 | 체적 전도 내성 |
|---|---|---|---|
| PLV | 주파수 (위상) | ❌ 비방향 | ⚠️ 중간 |
| Coherence | 주파수 (위상+진폭) | ❌ 비방향 | ⚠️ 중간 |
| Correlation | 시간 (진폭) | ❌ 비방향 | ❌ 취약 |
| wPLI | 주파수 (위상) | ❌ 비방향 | ✅ 강건 |
| Granger | 시간 (예측) | ✅ 방향 | ⚠️ 중간 |
Volume Conduction이란? 두피에서 측정하는 EEG 특성상, 하나의 뇌 소스가 여러 전극에 동시에(zero-lag) 감지되어 실제 존재하지 않는 허위 연결이 나타나는 현상입니다. PLI/wPLI나 Source Localization을 사용하면 이 문제를 완화할 수 있습니다.
뇌 네트워크를 탐색하세요
3D 뇌 모델 위에서 실시간으로 연결성 패턴을 분석하세요.
무료로 시작하기 →