基于图论的不同情绪状态下脑网络功能连接研究

目的:基于脑电(electroencephalogram,EEG)信号探究个体在不同情绪状态下大脑网络的功能连接变化情况,并根据全局图论指标量化分析脑功能网络属性的差异性变化。方法:在多模态情绪数据库(Database for Emotion Analysis Using Physiological Signals,DEAP)中提取平静状态(作为平静状态组)和压力状态(作为压力状态组)的EEG信号,并根据EEG信号的预处理过程划分Theta频段([4,8)Hz)、Alpha频段([8,13)Hz)、Beta频段([13,31)Hz)和Gamma频段([31,45)Hz)4个频段,计算每个频段的相位锁值(phase locking value,PLV),得到PLV脑网络矩阵,然后利用小世界属性、聚类系数、特征路径长度3种全局图论属性指标对PLV网络矩阵的属性进行拓扑结构分析。比较2组情绪状态的脑网络功能连接情况,并分析2组情绪状态的全局图论属性指标的差异性。采用SPSS 25.0软件进行统计学分析。结果:2组情绪状态的功能连接比较表明,4个频段不同脑区连通性差异有统计学意义(P<0.05)。与平静状态组相比,压力状态组在Gamma频段的小世界属性显著减小,在Alpha、Beta和Gamma频段的聚类系数和特征路径长度显著增大,差异有统计学意义(P<0.05);在Theta频段,压力状态组与平静状态组的全局图论属性指标相近,差异无统计学意义(P>0.05)。结论:该研究证实了个体不同情绪状态能够在大脑功能连接方面得到显著表征,小世界属性、聚类系数和特征路径长度3个全局图论属性指标可以作为情绪状态识别的关键特征参数,为情绪状态及情感相关的脑功能疾病的诊断治疗研究提供了理论依据。

下肢截肢患者的脑功能连接

目的探究静息状态下,下肢截肢患者脑电信号在多频段上脑功能连接的变化。方法2020年11月至2021年6月,采集22例健康成年人(对照组)和18例下肢截肢患者(患者组)静息态脑电图,以相位锁值构建功能连接矩阵,比较两组间差异。结果患者组α频段(t=3.433,P=0.001)和β频段(t=3.806,P=0.001)功能连接明显减弱,δ频段(t=1.429,P=0.161)和θ频段(t=1.211,P=0.233)功能连接与对照组无显著性差异。结论下肢截肢患者脑电α、β频段功能连接减弱,导致多个脑区功能重塑,包括相关肢体投射脑区、额叶、颞叶、枕叶等。