基于似然同步方法的非线性脑电信号分析方法

头皮脑电信号具有非平稳特性,相干等传统分析方法并不能很好地检测这些脑电时间序列间的依赖关系。广义同步中的似然同步算法对非平稳信号处理具有较好的效果,该文将它应用到实际脑电信号分析中。基于单向耦合Henon映射系统和实际脑电数据的仿真结果均表明,基于广义同步的似然同步方法适用测量非平稳信号间关系。针对健康被试静息态下,从闭眼到睁眼的过程中脑电信号间同步性的变化进行了研究,发现从闭眼到睁眼过程中,大脑的alpha波在几乎所有电极间的同步强度都显著地减弱,大脑的活动受到一定的抑制。上述结果也表明该方法在脑电数据分析中具有重要的意义,为其他的脑电研究提供一定的参考方法。

基于同步似然的脑电分类方法研究

脑电数据的分类方法一直是疾病诊断、脑机接口等研究的热点,其关键在于分类特征的选择。目前的分类特征(例如样本熵)多基于单个通道,而近期研究报道脑电通道之间存在着相互作用。因此,本文采用了同步似然性作为新的分类特征,并利用SVM分类算法在两组脑电数据上进行了验证。结果表明,同步似然性作为分类特征的结果优于样本熵,可在脑电数据分类中得到更广泛应用。

基于同步似然分析大鼠工作记忆中局部场电位θ频段功能性连接特性

目的探讨大鼠在工作记忆过程中,前额叶皮层多通道局部场电位(local field potentials,LFPs)θ频段的功能性连接特性。方法记录成年雄性SD大鼠在Y迷宫工作记忆过程中16通道LFPs,应用短时傅里叶变换进行时频分析。选取与工作记忆相关的θ频段,应用同步似然分析计算工作记忆过程中前额叶皮层16通道同步似然矩阵值S、聚集系数C、特征路径长度L,并与静息状态下进行比对。结果时频分析显示LFPs能量密度分布集中于红外打标点前1s至打标点处的θ频段。大鼠工作记忆过程中LFPsθ频段同步似然值Sp=0.6593±0.0220,静息状态下Sp=0.5104±0.0516。当T=0.76时大鼠工作记忆过程和静息状态下功能性连接差异最明显,具有统计学意义。工作记忆过程LFPsθ频段聚集系数Cp=0.2206±0.0263,明显高于静息状态Cp=0.1065±0.0237(P<0.05)。工作记忆过程LFPsθ频段特征路径长度Lp=1.3110±0.1318,明显低于静息状态Lp=2.9329±0.2763(P<0.05)。结论大鼠在工作记忆过程中LFPs的特征频段是θ,而且工作记忆过程中LFPs的功能性连接强于静息状态。

痫样放电大鼠颅内脑电信号的同步分析

迄今为止,我们对人类癫痫发作的机制还知之甚少,然而,普遍公认癫痫发作与神经元的异常同步放电密切相关。我们对匹罗卡品诱发的痫样放电大鼠皮层和海马脑电信号采用似然同步方法进行了分析,结果发现:从无痫样放电向连续性痫样放电转换时,左皮层—左海马(LC-LH)、右皮层—右海马(RC-RH)、左皮层—右皮层(LC-RC)、左海马—右海马(LH-RH)间的同步性显著增强(P<0.05);从连续性痫样放电向周期性痫样放电转换时,LC-LH、LH-RH间的同步性显著降低(P<0.01)。提示似然同步可以用于评估痫样放电中脑电信号同步的动力学特性并有助于理解其起源机制。

匹罗卡品诱导的癎样放电大鼠EEG节律的同步分析

目的：了解癎样放电不同阶段脑电信号各节律的同步关系及其在不同脑功能状态间转换时的变化。方法：用似然同步方法分析由匹罗卡品（pilocarpine）诱导的癎样放电大鼠的大脑皮层和海马的不同节律脑电信号。结果：在同一种脑功能状态下，左右皮层和左右海马脑电信号各节律的同步性之间存在显著差异。其中无癎样放电时，δ节律的同步性显著高于α，σ，β节律的同步性（P〈0．01）；连续性癎样放电时，δ节律的同步性显著低于θ，α节律的同步性（P〈0．05）。当脑功能状态从无癎样放电向连续性癎样放电转换时，不同脑区间脑电信号各节律的同步性显著增强（P〈0．01）；从连续性癎样放电向周期性癎样放电转换时，不同脑区间脑电信号除δ节律外，其余各节律的同步性显著降低（P〈0．05）。结论：大鼠在癎样放电前δ节律可能已先于其它节律产生了类似于癎样放电的同步现象；但在癎样放电过程中则是较高节律的同步化活动占优势；而在癎样放电终止过程中，δ节律始终维持在较高的同步状态，因而推测δ节律在痴样放电过程中可能起着重要的作用。

基于同步似然分析的阿尔茨海默症静息态脑电功能连接特性的研究

阿尔茨海默症（AD）是以进行性认知功能障碍为主要特征的神经系统变性疾病，如何识别其大脑认知障碍的早期改变并干预治疗，对延缓痴呆的发生具有重要意义。已有研究表明AD与脑连接的异常变化有关。本文选取AD组和正常对照组各15名志愿者，采集清醒闭目状态的16导联脑电图（EEG）数据，分别对全频段和alpha频段（8～13Hz）EEG进行同步似然分析，选择合适阈值构建脑网络并计算网络的全局效率和聚类系数。结果表明，当阈值0．05≤T≤0．07时，AD组和正常对照组全频段脑网络的聚类系数无显著差异，阈值为0．06和0．07时AD组全频段网络全局效率比正常对照组小（P（0．05）；阈值范围（0．05≤T≤0．07）内，alpha网络AD组聚类系数和全局效率均低于正常对照组（P〈0．05）。AD患者静息态脑电alpha网络可能存在功能连接减弱现象，为从脑网络角度定量评估AD患者脑功能状态提供支持。

阿尔茨海默病脑电信号的同步似然分析

目的研究阿尔茨海默病（AD）患者脑电时间序列的同步性。方法采集AD患者和正常对照者各8名的16导联脑电图（EEG）数据，分别对2组EEG的全频段、δ（0．5～4Hz）、θ（4-8Hz）、α（8-13Hz）和β频段（13-30Hz）信号进行同步似然分析，比较不同频段的平均同步似然系数值并进行统计学分析。结果AD组全频段、θ频段和α频段的平均同步似然系数值均小于对照组，差异有统计学意义（P〈0．05）；2组δ和β频段的平均同步似然系数值差异无统计学意义（P〉0．05）。结论AD组全频段、θ频段和α频段的EEG同步性降低，提示在θ和α频段内AD患者不同脑区的协同信息处理能力下降，为进一步研究AD患者大脑功能连接特性提供支持。

基于多层脑功能网络特征的动作意图识别

基于脑电信号完成对步态特征的解码分析并就动作意图做出可靠识别和预测,是基于脑机接口的人机混合康复训练系统和智能助行机器人中的核心问题。为实现对站立、坐下以及静止状态这些最基本步态过程的分类识别,提出了基于多层脑功能网络分析的特征表示方法,结合对各类脑功能网络特征的统计分析,确定对不同动作敏感的网络特征量,并结合支持向量机、线性判别分析、逻辑回归以及朴素贝叶斯算法完成对不同动作过程的分类识别。实验结果表明,所提出的方法可较好地实现对上述动作意图的识别,针对13名被试者对站立、坐下和静止状态的识别准确率均高于71%,最高达到77%。对多层动态脑功能网络的分析结果表明,下肢运动过程的发生会弱化脑区间的相互依赖关系,导致网络拓扑连接结构变得逐渐稀疏。研究结果对理解下肢运动过程中大脑认知过程变化,开展基于脑机接口的下肢康复策略研究和康复系统开发具有一定的参考价值。

高特质焦虑个体情绪注意偏向的脑网络研究

利用复杂网络分析方法对脑网络的拓扑结构和属性进行分析,探讨高特质焦虑个体情绪注意偏向的脑功能机制。选取高特质性焦虑(HTA)和低特质性焦虑(LTA)各15名被试,进行3种情绪面孔表情(高兴、中性和愤怒)的搜索任务,同步记录64导脑电(EEG)。对EEG数据进行同步似然分析,计算网络的整体属性参数(全局效率、聚类系数和特征路径长度)及节点属性参数(节点度)。组内统计分析显示,HTA和LTA两组被试均表现为,愤怒面孔搜索任务下额叶与颞叶节点度、聚类系数及全局效率明显大于其高兴面孔和中性面孔的值,而特征路径长度小于高兴面孔和中性面孔的值。组间统计结果表明,3种面孔搜索任务下HTA组额叶与颞叶节点度值均明显大于LTA组的值,尤其是愤怒面孔搜索任务下二组的差异更加明显(P<0.001);愤怒面孔搜索任务下,HTA组被试的节点属性参数及整体属性参数均与LTA组有显著差异,而高兴面孔和中性面孔搜索任务下,HTA组被试仅节点属性参数与LTA组有显著差异,整体属性参数无显著差异。以上结果表明,HTA个体对情绪信息(尤其是负性情绪信息)更加敏感,其神经机制可能与额、颞叶活动及脑网络信息传输能力异常增强有关。本研究从脑网络水平探讨了HTA个体情绪认知的脑功能特点,可为焦虑症、抑郁症等精神障碍的认知功能神经机制研究提供新视角。

大学生焦虑人群情绪冲突反应的脑功能网络研究

利用基于图论的复杂网络分析方法,对脑网络的拓扑结构和属性进行分析,探讨大学生焦虑人群情绪冲突反应的脑功能网络特点。选取焦虑组和正常对照组各16名志愿者,进行情绪词-面孔stroop冲突任务,同步记录64导脑电(EEG)数据。分别对beta(14~30 Hz)和高gamma(50~80 Hz)节律的EEG数据进行同步似然分析,选择合适阈值构建脑网络拓扑结构,并计算网络的节点度和聚类系数。结果显示,在beta和高gamma节律中,焦虑组额叶、颞叶及顶叶等脑区存在异常连接,额叶和顶叶的节点度均小于正常组的数值(P<0.05),而颞叶的节点度均高于正常组的数值(P<0.05)(如在beta节律,焦虑组额叶FP1、顶叶CP1和颞叶T7电极处的节点度分别是5.21±0.62、6.25±0.53、7.91±0.71,而正常组的节点度分别为10.42±1.53、7.94±0.55、3.55±0.36),表明焦虑人群额顶叶功能减弱而颞叶功能异常增强;焦虑组脑网络的聚类系数低于正常组的值(P<0.05)(焦虑组beta和高gamma节律的聚类系数分别是0.5238±0.0392、0.5864±0.0558,而正常组分别为0.6032±0.0711、0.6647±0.0601),表明焦虑人群的脑网络内部集团化程度、网络的信息传输能力下降。通过研究,为探索焦虑症、抑郁症等心理、精神类疾病的神经机制提供新的视角。

基于脑电溯源的顿悟状态脑功能网络研究

利用脑电(EEG)溯源方法,将头皮记录的EEG信号重建大脑皮层源信号的分布模式,以大脑皮层源信号构建顿悟状态脑网络并计算网络的属性参数,探讨顿悟的神经机制。选取14名被试进行中文远距离联想任务(CRAT),同步记录64导EEG,分别对beta(14～30Hz)和高gamma(50～80Hz)节律的EEG溯源数据进行同步似然分析,选择合适阈值构建脑网络并计算网络的节点度和聚类系数。结果显示,顿悟状态beta节律和gamma节律的脑网络的节点度、聚类系数均高于非顿悟状态,且其gamma节律的脑网络属性参数高于beta节律,提示顿悟的神经机制与beta节律、尤其与高gamma节律的脑功能连接增强及脑信息传输能力提高有关。相较于头皮EEG信号,大脑皮层源信号更准确地体现皮层区域间连接特性,本研究为揭示认知的神经机制提供了新视角。

基于脑功能网络深度学习的车内噪声评价模型

研究并构建了一个结合脑电信号处理与深度学习的车内噪声评价模型,该算法通过自我学习实现脑电信号特征提取,使用同步似然方法构建delta、alpha和beta频段的脑功能网络。将3个频带的脑功能网络扁平化处理后作为输入,通过无监督的堆栈自编码器(RSAE)自主提取脑功能网络的特征。通过几个高阶特征训练前后对比,证实了RSAE自主学习到与噪声评价有关的脑神经特征。最终将RSAE与普遍使用的SVM回归模型进行比较,同时将脑功能网络与传统的基于心理声学声音品质的车内噪声评价进行对比。结果表现,所提出的脑功能网络RSAE模型的平均决定系数高达98.69%,明显优于其他方法。

单相抑郁与双相抑郁患者脑皮质功能连接的脑磁图特征

目的探讨单相、双相抑郁患者静息态下皮质间功能连接脑磁图特征的差异。方法对12例双相抑郁患者（双相抑郁组）、27例单相抑郁患者（单相抑郁组）和21名性别、年龄及受教育年限相匹配的健康对照者（对照组）进行静息态脑磁图扫描。采用同步似然性（synchronization likelihood，SL）值评估脑皮质功能连接，比较3组受试者θ、α1、α2、β及γ频段各感兴趣脑皮质区半球内及半球间SL值，在方差分析的基础上进行两两样本post—hoc检验。结果双相抑郁组较单相抑郁组及对照组左枕叶内部θ（0．249±0．087、0．181±0．029、0．196±0．032，F=8．511，P=0．001），α1（0．200±0．051、0．164±0．020、0．175±0．028，F=5．292，P=0．008）及α2[0.20．200±0．047、0．175±0．025、0．183±0．025，F=4．721，P=0．013）频段，右额叶内部β（0．186±0．027、0．166±0．024、0．159±0．026，F=4．195，P=0．020），γ（0．151±0．020、0．128±0．019、0．133±0．019，F=5．521，P=0．006）频段SL值升高。与对照组相比，双相抑郁组13（o．076±0．013与0．087±0．011，P=0．009）、γ（0．062±0．010与0．069±0．010，P=0．020）频段左右额叶间SL值增高，而单相抑郁组γ（0．057±0．013与0．050±0．005，P=0．009）频段右额叶-右顶叶顶区SL值下降。结论双相抑郁患者较单相抑郁患者额-顶-枕区功能连接进一步损害，额叶及枕叶内部局部功能连接差异可能是区分单相、双相抑郁的特征之一。

基于稀疏偏最小二乘的麻醉意识状态功能连接研究

麻醉意识状态监测是神经科学基础研究及临床应用中的重要问题,受到广泛关注。本研究为寻找临床麻醉意识状态监测指标,共采集14位全麻手术患者在三种意识状态(清醒、中度麻醉、深度麻醉)下各5 min静息态脑电数据,对比采用稀疏偏最小二乘(SPLS)和传统的同步似然(SL)方法计算脑功能连接,通过连接特征来区分麻醉前后三种意识状态。通过全脑网络分析,本文SPLS方法与传统SL方法得到的不同意识状态下的网络参数变化趋势一致,并且采用SPLS方法所得结果的差异具有统计学意义(P<0.05)。对SPLS方法得到的连接特征运用支持向量机进行分类,分类准确率为87.93%,较使用SL方法得到的连接特征分类准确率高出7.69%。本文研究结果显示,基于SPLS方法进行功能连接分析在区分三种意识状态方面有更好的性能,或可为临床麻醉监测提供一种新思路。