Abstract Objective: To address the problem of volume conduction and active reference electrodes in the assessment of functional connectivity, we propose a novel measure to quantify phase synchronization, the phase lag index (PLI), and compare its performance to the well‐known phase coherence (PC), and to the imaginary component of coherency (IC). Methods: The PLI is a measure of the asymmetry of the distribution of phase differences between two signals. The performance of PLI, PC, and IC was examined in (i) a model of 64 globally coupled oscillators, (ii) an EEG with an absence seizure, (iii) an EEG data set of 15 Alzheimer patients and 13 control subjects, and (iv) two MEG data sets. Results: PLI and PC were more sensitive than IC to increasing levels of true synchronization in the model. PC and IC were influenced stronger than PLI by spurious correlations because of common sources. All measures detected changes in synchronization during the absence seizure. In contrast to PC, PLI and IC were barely changed by the choice of different montages. PLI and IC were superior to PC in detecting changes in beta band connectivity in AD patients. Finally, PLI and IC revealed a different spatial pattern of functional connectivity in MEG data than PC. Conclusion: The PLI performed at least as well as the PC in detecting true changes in synchronization in model and real data but, at the same token and like‐wise the IC, it was much less affected by the influence of common sources and active reference electrodes. Hum Brain Mapp 2007. © 2007 Wiley‐Liss, Inc.

The main obstacle in interpreting EEG/MEG data in terms of brain connectivity is the fact that because of volume conduction, the activity of a single brain source can be observed in many channels. Here, we present an approach which is insensitive to false connectivity arising from volume conduction.We show that the (complex) coherency of non-interacting sources is necessarily real and, hence, the imaginary part of coherency provides an excellent candidate to study brain interactions. Although the usual magnitude and phase of coherency contain the same information as the real and imaginary parts, we argue that the Cartesian representation is far superior for studying brain interactions. The method is demonstrated for EEG measurements of voluntary finger movement.We found: (a) from 5 s before to movement onset a relatively weak interaction around 20 Hz between left and right motor areas where the contralateral side leads the ipsilateral side; and (b) approximately 2-4 s after movement, a stronger interaction also at 20 Hz in the opposite direction.It is possible to reliably detect brain interaction during movement from EEG data.The method allows unambiguous detection of brain interaction from rhythmic EEG/MEG data.

We investigated whether functional brain networks are abnormally organized in Alzheimer's disease (AD). To this end, graph theoretical analysis was applied to matrices of functional connectivity of beta band-filtered electroencephalography (EEG) channels, in 15 Alzheimer patients and 13 control subjects. Correlations between all pairwise combinations of EEG channels were determined with the synchronization likelihood. The resulting synchronization matrices were converted to graphs by applying a threshold, and cluster coefficients and path lengths were computed as a function of threshold or as a function of degree K. For a wide range of thresholds, the characteristic path length L was significantly longer in the Alzheimer patients, whereas the cluster coefficient C showed no significant changes. This pattern was still present when L and C were computed as a function of K. A longer path length with a relatively preserved cluster coefficient suggests a loss of complexity and a less optimal organization. The present study provides further support for the presence of "small-world" features in functional brain networks and demonstrates that AD is characterized by a loss of small-world network characteristics. Graph theoretical analysis may be a useful approach to study the complexity of patterns of interrelations between EEG channels.

The BCI competition IV stands in the tradition of prior BCI competitions that aim to provide high quality neuroscientific data for open access to the scientific community. As experienced already in prior competitions not only scientists from the narrow field of BCI compete, but scholars with a broad variety of backgrounds and nationalities. They include high specialists as well as students. The goals of all BCI competitions have always been to challenge with respect to novel paradigms and complex data. We report on the following challenges: (1) asynchronous data, (2) synthetic, (3) multi-class continuous data, (4) session-to-session transfer, (5) directionally modulated MEG, (6) finger movements recorded by ECoG. As after past competitions, our hope is that winning entries may enhance the analysis methods of future BCIs.

We propose a new measure (phase-slope index) to estimate the direction of information flux in multivariate time series. This measure (a) is insensitive to mixtures of independent sources, (b) gives meaningful results even if the phase spectrum is not linear, and (c) properly weights contributions from different frequencies. These properties are shown in extended simulations and contrasted to Granger causality which yields highly significant false detections for mixtures of independent sources. An application to electroencephalography data (eyes-closed condition) reveals a clear front-to-back information flow.

Oscillatory neuronal synchronization between cortical areas has been suggested to constitute a flexible mechanism to coordinate information flow in the human cerebral cortex. However, it remains unclear whether synchronized neuronal activity merely represents an epiphenomenon or whether it is causally involved in the selective gating of information. Here, we combined bilateral high-density transcranial alternating current stimulation (HD-tACS) at 40 Hz with simultaneous electroencephalographic (EEG) recordings to study immediate electrophysiological effects during the selective entrainment of oscillatory gamma-band signatures. We found that interhemispheric functional connectivity was modulated in a predictable, phase-specific way: In-phase stimulation enhanced synchronization, anti-phase stimulation impaired functional coupling. Perceptual correlates of these connectivity changes were found in an ambiguous motion task, which strongly support the functional relevance of long-range neuronal coupling. Additionally, our results revealed a decrease in oscillatory alpha power in response to the entrainment of gamma band signatures. This finding provides causal evidence for the antagonistic role of alpha and gamma oscillations in the parieto-occipital cortex and confirms that the observed gamma band modulations were physiological in nature. Our results demonstrate that synchronized cortical network activity across several spatiotemporal scales is essential for conscious perception and cognition.

Abstract Cross-frequency synchronization (CFS) has been proposed as a mechanism for integrating spatially and spectrally distributed information in the brain. However, investigating CFS in Magneto- and Electroencephalography (MEG/EEG) is hampered by the presence of spurious neuronal interactions due to the non-sinusoidal waveshape of brain oscillations. Such waveshape gives rise to the presence of oscillatory harmonics mimicking genuine neuronal oscillations. Until recently, however, there has been no methodology for removing these harmonics from neuronal data. In order to address this long-standing challenge, we introduce a novel method (called HARMOnic miNImization - Harmoni) that removes the signal components which can be harmonics of a non-sinusoidal signal. Harmoni’s working principle is based on the presence of CFS between harmonic components and the fundamental component of a non-sinusoidal signal. We extensively tested Harmoni in realistic EEG simulations. The simulated couplings between the source signals represented genuine and spurious CFS and within-frequency phase synchronization. Using diverse evaluation criteria, including ROC analyses, we showed that the within- and cross-frequency spurious interactions are suppressed significantly, while the genuine activities are not affected. Additionally, we applied Harmoni to real resting-state EEG data revealing intricate remote connectivity patterns which are usually masked by the spurious connections. Given the ubiquity of non-sinusoidal neuronal oscillations in electrophysiological recordings, Harmoni is expected to facilitate novel insights into genuine neuronal interactions in various research fields, and can also serve as a steppingstone towards the development of further signal processing methods aiming at refining within- and cross-frequency synchronization in electrophysiological recordings.

Abstract When we pay attention to someone, do we focus only on the sound they make, the word they use, or do we form a mental space shared with the speaker we want to pay attention to? Some would argue that the human language is no other than a simple signal, but others claim that human beings understand each other not only by relying on the words that have been said but also formed a shared ground in the specific conversation. This debate was raised early, but the conclusion remains vague. Our study aimed to investigate how attention modulates the neural coupling between the speaker and the listener in a cocktail party paradigm. The temporal response function (TRF) method was employed to reveal how the listener was coupled to the speaker at the neural level. The results showed that the neural coupling between the listener and the attended speaker peaked 5 seconds before speech onset at the delta band over the left frontal region, and was correlated with speech comprehension performance. In contrast, the attentional processing of speech acoustics and semantics occurred primarily at a later stage after speech onset and was not significantly correlated with comprehension performance. These findings suggest that our human brain might have adopted a predictive mechanism to achieve speaker-listener neural coupling for successful speech comprehension. Three key points Listener’s EEG signals coupled to the speaker’s 5 s before the speech onset, which revealed a “beyond the stimulus” attentional modulation. Speaker-listener attentional coupling is correlated to the listener’s comprehension performance, but the speech-listener’s coupling didn’t. The implementation of temporal response function methods and the neural language methods yielded novel perspectives to the analysis of the inter-brain studies.

Abstract Recent research has extensively reported the phenomenon of inter-brain neural coupling between speakers and listeners during speech communication. Yet, the specific speech processes underlying this neural coupling remain elusive. To bridge this gap, this study estimated the correlation between the temporal dynamics of speaker–listener neural coupling with speech features, utilizing two inter-brain datasets accounting for different noise levels and listener’s language experiences (native vs. non-native). We first derived time-varying speaker–listener neural coupling, extracted acoustic feature (envelope) and semantic features (entropy and surprisal) from speech, and then explored their correlational relationship. Our findings reveal that in clear conditions, speaker–listener neural coupling correlates with semantic features. However, as noise increases, this correlation is only significant for native listeners. For non-native listeners, neural coupling correlates predominantly with acoustic feature rather than semantic features. These results revealed how speaker–listener neural coupling is associated with the acoustic and semantic features under various scenarios, enriching our understanding of the inter-brain neural mechanisms during natural speech communication. We therefore advocate for more attention on the dynamic nature of speaker–listener neural coupling and its modeling with multilevel speech features.