基于黎曼与巴氏距离的脑磁图信号分类方法

针对人脑对不同视觉目标刺激产生的脑磁图(magnetoencephalography,MEG)信号,提出了一种新型的脑磁图信号分类算法。该算法首先将滤波后的脑磁图信号投影到新的特征空间,然后将脑磁图信号投影后新特征的协方差特征投影到切线空间中,用协方差特征作为信号的特征,进而对样本进行预分类;接着将预分类的样本通过巴氏距离的调整,得到二次标记结果;最后采用黎曼距离对协方差特征矩阵在流形上进行调整,得到最终的分类结果。实验结果表明,该有监督与无监督相结合的算法有助于提高脑磁图信号分类的准确率。

用于构建脑磁图网络的信号提取方法

构建脑磁图功能网络时,一般选取各脑区功率最强的源信号代表其神经活动,这将造成信息损失.针对此问题,提出了2种改进方案:基于叠加平均的方法和基于聚类的方法.为了验证上述方案,选取了51例被试任务状态下的脑磁数据,对其各频段利用最大功率、叠加平均、聚类3种方法进行信号提取,然后对以其构建的脑功能网络进行k均值聚类分析,此外,对以上3种方法构建的脑网络特征进行分析比较.结果表明:叠加平均方法的准确率最高、最大功率次之,聚类方法准确率最低;脑网络特征分析结果发现基于叠加平均和最大功率方法构建的大脑网络具有较强的小世界属性,而使用聚类方法构建的大脑网络其小世界属性较弱.基于本研究初步得出结论,采用叠加平均和最大功率信号提取方法构建脑磁图脑网络具有可行性.

健康人群脑磁图时频分析运动磁场的初步研究

目的：利用脑磁图（MEG）合成孔径磁场测量（SAM）时频分析法研究正常健康受试者运动磁场的变化情况。方法：17例健康受试者给予纯音刺激，受试者听到声音后右手食指触压按键感应器。以声音触发为基点进行平均，选择触发点后的波形进行分析。结果：所有17例受试者定位大脑皮层中央前回，与运动皮层解剖位置一致，在听到触发后的400～550ms之间有比较明显的密集激活，占总激活数的74％（34／46）。结论：MEG的SAM时-频分析法能够确切地描述皮层神经兴奋活动在时频域的能量变换情况。

脑磁图在耐药性癫癎术前定位中的价值及影响因素探讨

目的:评价脑磁图(MEG)在耐药性癫癎术前定位中的价值并探讨影响其定位的因素。方法:在47例术前均行MEG,VEEG,MRI检查的耐药性癫癎病例中,以术中皮层脑电图(ECoG)为金标准,比较VEEG和MEG定位准确性,并作影响MEG和VEEG定位的logistic多因素分析。结果:47例颞叶癫癎中,MEG与ECoG完全吻合32例(68％),部分吻合8例(17％);VEEG与ECoG完全吻合18例(38％),部分吻合23例(49％)。MEG与ECoG完全吻合病例明显多于MEG与VEEG吻合例(P <0．05)。MEG定位的多因素分析显示发作频率对MEG定位有影响(P<0．05)。结论:MEG的应用有助于致癎灶的准确定位和手术方式的选择,在难治性颞叶癫癎的术前定位中有重要的临床应用价值。

海人酸颞叶癫犬模型的脑磁图研究

目的:应用海人酸(KA)海马注射建立颞叶癫(TLE)犬模型,探讨对其进行脑磁图(MEG)研究的可行性。方法:应用KA给予犬脑单侧海马微量注射建立TLE模型,观察癫发生发展过程中的发作表现、脑电图、磁共振及病理改变,着重分析这种模型的MEG结果。结果:应用KA给予犬脑局部微量注射可成功制作TLE模型,模型表现稳定,脑电图、磁共振图、病理改变规律和MEG表现与电生理学及形态学表现相符。结论:应用KA局部微量注射制备的TLE犬模型是癫研究的有效实验工具,该模型在MEG基础研究中具有应用价值。

脑磁图在大脑感觉运动功能区占位性病变患者中的应用

目的：探讨脑磁图（MEG）在大脑皮层感觉、运动功能区占位性病变患者中的应用价值.方法：对81例大脑皮层感觉和（或）运动功能区及其附近占位性病变患者,应用151信道全头型MEG系统,通过电流刺激正中神经和胫神经确定上、下肢体感皮层的位置,运动皮层分别通过双手食指按压键盘引起的MEG反应来定位.术前将磁源性影像（MSI）通过神经影像导航进行三维重建,了解相应功能区与病变的解剖关系,设计手术入路.感觉功能区病变患者和运动功能区不能确定的患者术中通过电刺激正中神经（或胫神经内踝）使用皮层电极于拟定的中央沟前后的皮层记录体感诱发电位（CSEP）,依据中央沟前后皮层记录到的CSEP具有极性反转的特征来确定中央沟.其中8例患者通过对指运动行功能磁共振（fMRI）检查,在术中唤醒状态下通过电刺激大脑皮层确定运动功能区.结果：81例患者全部定位出感觉功能区,75例患者定位出运动功能区,6例患者因功能障碍或配合差运动功能区不能定位.术后1例患者病变对侧肢体运动障碍加重,其余80例患者无感觉、运动功能损害.结论：术前行MEG功能区定位有助于医生选择合适的手术入路和避免术中损伤脑功能区皮质,最大限度地保护神经功能,减少手术伤残率,提高手术疗效.

基于多维复杂度的精神分裂症脑磁信号区分

为了更有效地识别脑磁信号,提出一种基于多维复杂度的脑磁信号分类方法。首先提取信号的AR模型系数、频带能量、近似熵和Lempel-Ziv复杂度作为特征。然后运用增L减R搜索算法结合距离准则选择通道。最后采用遗传算法选择特征子集,分别运用BP神经网络和SVM分类器检测特征子集的性能并对信号分类。实验结果表明精神分裂症患者的近似熵和Lempel-Ziv复杂度都高于正常人,患者的脑磁信号可能更加复杂。增L减R搜索算法选择的通道大多分布在颞叶区,即颞叶区域的通道可能携带了更多的差异信息。采用BP神经网络和SVM对特征数据分类,分别得到了98.5%和99.75%的正确率。

脑卒中后失语症患者语言功能的磁源性影像研究

目的：研究脑卒中后失语症患者大脑语言功能的脑磁图（MEG）改变。方法：脑卒中后失语症患者10例，年龄、性别和教育程度匹配的健康对照组10例，应用MEG对受试者图片命名过程中大脑语言加工活动进行检测。结果：两组受试者在图片命名过程中相关大脑感兴趣区域（ROI）激活强度比较后发现：非流畅性失语症患者在图片命名左脑Broca区的激活强度较对照组显著下降，右脑的Broca镜像区、Wernicke镜像区及顶下小叶的激活强度显著高于对照组。结论：本研究从生物磁学角度进一步证实脑卒中后语言区代偿的变化。

基于EMD和Hilbert变换的脑磁信号特征提取和分类

为研究通过脑机接口(Brain-Computer Interface,BCI)处理非线性、非稳定性信号问题,针对基于脑磁信号(magnetoencephalography,MEG)的BCI,提出一种基于经验模式分解(Empirical Mode Decomposition,EMD)和Hilbert变换的MEG特征提取和分类方法.该方法首先对MEG数据进行预处理;其次用EMD和Hilbert变换方法提取特征向量;然后用主成分分析法对提取到的特征向量进行降维处理;最后把处理过的特征向量作为支持向量机(Support Vector Machine,SVM)的一个输入向量实现MEG的分类.使用该方法对第4届国际BCI竞赛提供的MEG数据进行分类,实验结果表明可以获得较高的分类准确率.

SERF原子磁强计最新进展及应用综述

超高灵敏度磁场测量具有重要的科学和经济意义。利用原子自旋效应进行物理量的精密测量已成为近年来实验物理领域的一种重要手段,其中无自旋交换弛豫(SERF)原子磁强计因其具备的超高灵敏度而备受关注。碱金属气室是SERF原子磁强计的灵敏核心,原子源种类决定了其测量灵敏度的极限。将SERF原子磁强计的研究成果按照碱金属原子源分类总结,分析其研究方法,综述其研究进展以及在实际应用中所取得的突破,对SERF原子磁强计有待进一步拓展的方向和所面临的挑战进行展望,对该领域未来的研究有重要的参考意义与实用价值。

生物大数据监测:未来教育质量测评新趋势

基于生物大数据的教育学研究,可以为全面深入地认识学生学习机制、掌握学习规律、促进能力发展,以及探索更有效的教学和评价方法提供实证基础。通过建立实验室或让学生使用穿戴式设备直接获取其脑电、心电、皮肤电等数据,并建立数据挖掘分析方法,建立评估模型,研究行为数据评估与生物数据的相关性,促进了教育质量监测评估的新发展。