预测性编码在视听觉神经活动中的典型表征

现代神经科学研究指出,大脑是外部世界的“预测器”,它能根据先验知识和当前信息对即将到来的感觉信息进行主动估计,从而完成与外部世界的高效交互。预测性编码是描述预期作用机制的主要理论模型,梳理其在解释视、听觉神经现象方面的研究进展,可为深入理解大脑工作模式提供新的理论基础。本文简述了预测性编码的内容;从常用范式、典型现象、面临争议等方面梳理预期与感觉输入相互作用的典型研究;从有预期无刺激的神经表征、预期相关神经振荡模式两方面简述预期独立于刺激的内源性神经表征;进而回顾了支持预测性编码中分级结构的神经生理证据及重要神经结构。最后,本文从深化理论研究、助力疾病诊疗、启发脑-机接口技术等方面对预测性编码相关研究的发展进行了展望。深入理解预测性编码在视、听觉神经活动中的计算模型及神经表征,有望为揭示大脑感知觉神经活动工作模式开辟新途径。

基于耳周围EMG信号的舌-机接口编解码技术研究

人-机交互(Human-Computer Interface,HCI)是将人的意图或运动转为机器指令的技术。其中,利用生物电信号来实现人与外部设备之间实时通信的HCI系统可反映人体内部状态和预期行动,已广泛应用于健康监测、医疗诊断、航空航天、假肢和辅助设备的开发等多个领域。研究表明,基于肌电(Electromyography,EMG)的HCI系统稳定性强、实用化程度高,具有广阔的应用场景。其中,舌头运动具有高度的灵活性和可控性,诱发信号强且易于检测,因此通过舌动来控制外部设备的舌-机接口(Tongue-Computer Interface,TCI)具有重要的研究价值。然而现有研究的舌动信号采集方式仍然无法同时满足自然场景下高用户舒适度、精识别准确率和多控制指令集等方面的需求。为此,本研究设计了7种不同的舌头运动方式,分别为舌头“从左到右”、“从右到左”、“向上”、“向下”、“吐舌”、“卷舌”和“说‘talk’”运动,并采用更为便捷、舒适的电极放置方法获取了22名受试者的耳周围舌动EMG信号。本研究通过时、频域特征和共空间模式(Common Spatial Pattern,CSP)算法提取了舌动信号的多维信息,使用支持向量机(Support Vector Machines,SVM)进行了7种舌动模式的有效识别,22名受试者的7类舌动模式平均分类正确率最高可达94.25%±5.23%。本研究验证了舌头运动的耳周围EMG信号的稳定性和可分性,为后续开发高性能TCI系统、拓展HCI的应用场景奠定了基础。

大脑精确计时增强顶-枕区alpha频段能量

目的探究单间隔精确计时的神经响应,为大脑计时系统异常快速检测寻找更多的神经标记。方法12名受试者训练合格后参与了包含2种任务、基于时间模板的精确按键实验。任务1要求受试者在提示结束后的任意时刻按键2次,并保证2次按键间隔为1000ms,1500ms或2000ms。任务2与任务1的计时要求相同,但只进行第1次按键。用多变量模式分析(MVPA)对特征进行筛选和分类。结果任务1中3种时长任务的平均误差时间均小于60ms,合格率均较高。以第1次按键时刻对齐的事件相关电位(ERP)显示,3种情况波动趋势相似,相邻峰值间依次相差约500ms,说明受试者按照任务要求进行了精确计时。时-频分析发现,与无精确计时(第1次按键前)相比,精确计时过程中,顶-枕区alpha频段能量显著上升,3种时长条件结果相似。利用朴素贝叶斯分类器对有/无精确计时情况下的alpha能量特征进行分类,任务1在3种时长条件下的平均准确率分别为67.40%,69.60%,63.67%,最高达91.59%;任务2准确率依次为67.71%,67.92%,66.75%,最高达92.01%。上述分类结果证实了alpha特征的稳健性。结论单间隔的精确计时可引起大脑顶-枕区alpha频段能量的增强。