基于多变量格兰杰因果关系的运动想象因效网络构建

运动想象神经活动规律的探索为脑损伤肢体瘫痪患者康复训练新方法研发等提供理论指导。基于格兰杰因果关系构建的因效网络是分析运动想象神经活动状态的重要工具,但是格兰杰因果关系只能反映两个变量之间的相互作用,而一个简单的运动想象过程也需要多个神经节点参与,针对该问题,本研究引入可反映一个集群中多个变量之间相互作用的多变量格兰杰因果分析,优化运动想象因效网络构建方法。针对4位受试者,利用多变量及传统格兰杰因果关系,分别构建同一人两种不同运动想象模式的因效网络,并提取网络特征进行运动想象模式分类。结果表明,基于多变量格兰杰因效网络进行4位受试者运动想象模式分类的正确率分别为90.4%、88.8%、91.1%、90.3%,基于格兰杰因效网络的正确率为88.5%、89.3%、90.2%、89.7%。与传统格兰杰因果关系相比,基于多变量格兰杰因果关系构建因效网络,能更准确地反映运动想象神经活动特征状态。

经颅直流电刺激对基于偏定向相干因效脑网络特征的影响

利用脑网络研究经颅直流电刺激(tDCS)对脑功能机制和脑皮层状态的影响具有重要意义。本研究基于偏定向相干因果分析方法,构建被试在不同tDCS刺激实验范式下进行运动想象的因效性脑网络。以因效性脑网络的功能脑区通道信息流入、流出率为局部特征,平均聚类系数、全局效率为全局特征,分析研究tDCS对运动想象脑网络特征的影响。16名健康被试均为右利手。结果显示,被试执行左手运动想象下,伪刺激和阳极刺激C4后的C4通道信息流出率、流入率、平均聚类系数和全局效率分别为0.142±0.014、0.193±0.013、0.585±0.046、0.347±0.031和0.223±0.025、0.258±0.023、0.817±0.021、0.491±0.091,均存在显著性差异(P<0.05);tDCS阴极刺激C4后的C4通道信息流出率、平均聚类系数和全局效率分别为0.109±0.009、0.356±0.037和0.252±0.024,与伪刺激相比差异显著(P<0.05),C4通道信息流入率为0.184±0.008,与伪刺激相比无显著差异(P>0.05)。研究表明,阳极tDCS有效激活该脑区皮层的活跃性,使脑区信息交流更加频繁,增加脑网络的聚集程度,提高脑网络的连通性;阴极tDCS刺激则会抑制脑区皮层的活跃性,降低了脑区信息的流出,减少脑网络的聚集程度,降低脑网络的连通性。

基于变尺度符号化补偿传递熵的EEG压力情感分析

基于脑电信号的情感识别,对于相关情感疾病的诊断与治疗有着重要的临床和科研意义。如何有效地提取特征,提高识别率,减少计算时间是研究的重点。从研究脑通道间定向信息交互的角度出发,结合对瞬时因果效应的补偿算法,提出以变尺度符号化补偿传递熵(VSSCTE)为特征的情感分析方法,并以此构建情感因效性脑网络,使用网络测度与Relief F特征优化选择算法进行通道选择。结果显示,在使用DAEP数据集中处理后的127个压力状态和125个平静状态的数据时,较传统的二元传递熵方法,VSSCTE的特征提取方法在压力和平静情感二分类上的准确率提升约15%,达到96.74%;进行脑电通道优化后,当通道数由32个降至15个时,分类准确率仅下降约2%(分类准确率为94.36%),计算时间从51.27 s降至23.84 s。所提出的VSSCTE脑电特征提取方法可以有效分析情感变化时脑区之间的信息交互,为情感分析和计算提供新的思路。

基于动态偏定向相干的运动想象因效性网络分析

利用脑网络对脑功能机制和脑认知状态进行基础研究具有重要的意义。本文依据一种测量头皮脑电信号(EEG)的时间-频率域相互作用的方法,即偏定向相干(PDC),提出了动态PDC(dPDC)算法对运动想象的因效性网络建模。研究利用2008年第四届BCI竞赛数据的9个被试计算了不同运动想象任务下因效性网络的参数特征(出入度、集群系数、离心率等),通过显著性检验分析了左、右手运动想象在不同脑区EEG信号的交互影响。结果表明,左右手想象任务的网络集群系数大于随机网络,且特征路径长度与随机网络近似,验证了该网络的小世界特性。对左、右手运动想象的网络特征参数的分析对比,验证了两种任务部分特征具有显著差异,如:针对出度的统计分析表明,在ROI2(P=0.007)和ROI3(P=0.002)区域具有显著差异。基于dPDC算法的因效性网络对运动想象脑区间信息流变化的分析表明,左、右手运动想象的活动区域主要位于左右侧中央前回(ROI2和ROI3)和左右侧中央枕区(ROI5和ROI6)。因此,基于dPDC的因效性网络可以有效表征运动想象的状态,为研究提供了新的手段。

基于定向传递函数的癫痫因效性脑网络动态分析

癫痫是一种脑网络连接失调的神经系统疾病,从有向功能连通性的角度分析癫痫发作过程的脑网络机制具有重要的研究价值。本文首先对不同频段的癫痫脑电信号在发作间期、发作前期和发作期以定向传递函数方法构建因效性脑网络,并分析在不同状态下脑网络信息传递的途径及动态变化过程,最后对癫痫脑网络的特征属性的动态变化进行分析。结果表明,从发作间期到发作期癫痫脑网络的拓扑结构由趋向随机网络转变成趋向规则网络,整个脑网络的节点连接呈现出逐渐下降的趋势,但是在额区、颞区、枕区的内部节点之间的通路连接数增加,在病灶区域存在大量信息流出的枢纽节点。α波、β波和γ波的发作期全局效率明显高于发作间期和发作前期,聚类系数变化趋势表现为发作前期大于发作期,发作期大于发作间期,其中额区、颞区、顶叶区的聚类系数明显增加。本文的研究结果说明,对癫痫因效性脑网络的拓扑结构和特征参数的动态分析可以构建出癫痫发作全过程的动态变化模型,今后在癫痫病灶的定位和癫痫发作预测方面具有重要的研究价值。