前额叶皮层和纹状体间功能性连接的量化分析

奖励预测对于大脑的学习记忆、行为决策等高级认知功能具有至关重要的意义。前额叶皮层(Prefrontal Cortex,PFC)和纹状体(Striatum)是大脑中的两个重要脑区,以往的研究发现,前额叶皮层和纹状体中的神经元都参与了对奖励信息的编码,然而,对于这两个脑区之间信息交流、相互影响的具体方式仍然不够明确。为了研究这一问题,在对猴子进行非对称奖励预测实验的过程中,用多通道电极同时记录了其前额叶皮层和纹状体两个部位的局域场电位(Local Field Potentials, LFP)信号。通过计算非线性相互依赖性(Nonlinear Interdependence,NLI)来量化分析前额叶皮层和纹状体之间功能性连接的强度。结果显示,在β频段(15～30 Hz),小水奖励条件下前额叶皮层和纹状体间的功能性连接强度显著高于大水奖励条件下的结果,同时,前额叶皮层和纹状体间不同方向的连接强度也有显著差别。实验结果表明,前额叶皮层中LFP的β频段可能与纹状体神经元的活动有关,并在一定程度上调节猴子在奖励预测过程中的行为。

基于核谱回归与随机森林的脑电情感识别

利用DEAP情感数据库研究脑电的情感识别问题。首先,使用聚类算法确定情感状态的目标类别;然后,比较了两种不同的特征提取方法:一种是小波变换,另一种是非线性动力学,并研究了基线特征对情感分类效果的影响;最后,研究了5种特征降维方法对分类性能的影响,同时比较了4种不同分类器的性能,包括K-最近邻(KNN)、朴素贝叶斯(NB)、支持向量机(SVM)和随机森林(RF)。研究结果表明,核谱回归(KSR)降维方法和随机森林分类器的组合对情感状态的分类效果最好。通过对脑区与情感关系的研究发现,只使用部分脑区的少量电极也可以达到90%的分类准确度,这些电极主要分布在额叶皮层。