因果网络标志物

优于传统临界预警

引入因果方向信息，比传统动力网络生物标志物更能预测复杂系统的临界转变。

Shirui, Bian · 王泽洲 · 冷思阳 · 林维 · Shi, Jifan

Advanced Science 2025

技术优势

捕捉方向性机制

通过格兰杰因果或传递熵反映变量间的方向性影响，弥补方差和自相关忽视的机制信息。

噪声更鲁棒

因果指标能同时维持对噪声扰动的鲁棒性，比传统信号更稳定。

预测能力更准

在基准模型和真实癫痫数据上，因果网络标志物比传统动态网络生物标志物表现出更高的预测能力和准确性。

应用场景

• 癫痫发作预警：提前识别癫痫发作的临界点，给医生留出干预时间。
• 脑疾病监测：监测脑疾病状态转变，预警病情恶化。
• 复杂系统临界预测：识别复杂系统即将发生的灾难性转变，用于及时干预。