运动中行为失常的脑电特征分析

目的通过脑电(electroencephalogram,EEG)特征分析运动中人行为失常的神经心理机制。方法采用荷兰ANT公司研制的ANT Neuro eego mylab 64导脑电监测系统,测试1名攀岩国家队运动员攀爬过程中的脑电。比较运动员行为正常与失误、失误前与失误后的脑电特征和脑地形图,探析导致行为失常的脑活动因素。结果行为失常时大脑右侧前额叶、额叶,左大脑中前部、后部突然出现大面积电流活动加强和电压变高,而视觉空间联合皮层则无明显电流活动。结论人们运动中行为失常与大脑突然屏蔽感知觉和产生较多与行为策略相关的认知活动有关,如果人的能力、体力和准备不充分,就会破坏正常的“神经-行为”联动机制,导致动作紊乱。

基于扩展Infomax与DOST的多导联睡眠脑电伪迹去除方法研究

对多导联脑电信号(EEG)的预处理对于睡眠疾病的检测、预防和治疗有着重要的意义,传统的S变换法在处理多导联EEG信号时在伪迹自动识别、计算复杂度和阈值选取这三方面存有不足,影响了该方法的应用效果。为了提高该方法的应用效果,采用一种扩展Infomax与离散正交S变换结合的伪迹去除方法(DOSTIN),根据分形维数法实现伪迹识别,利用最大类间方差法使阈值的选取避免了过度去噪造成的有用信号损失。采用麻省理工的公开数据集验证去噪后的效果,结果表明DOSTIN法在保证去噪效果的同时,比ICA与S变换相结合方法的计算复杂度降低了30%,证明该方法在多导联信号去噪方面具备可行性。

电流极子在均匀导电球模型中电位解析解的数值验证

80年代以来 ,基于脑电图进行无创性病灶定位的研究 ,特别是基于等效电流极子定位法 ,得到了相当的发展并已经投入到正式的临床应用之中 ,因此等效电流极子模型在脑电图分析中逐步得到了广泛地应用。本文在参考了国内外学者对于电流极子在均匀导电球模型中的电位解的求解思路 ,进一步推导出电位解析解的表达式 。

无监督特征选择在时间序列数据挖掘中的应用

疲劳驾驶是交通事故发生的主要原因之一,为了精确预测驾驶员疲劳程度,提出一种基于度量学习的无监督特征选择与识别方法。首先,在对脑电图进行特征提取时,多特征表示的方法克服了传统方法相对单一、往往不能完整表达时间序列信息的缺陷。然后,基于度量学习的特征选择方法对变换之后的特征进行选择,有效降低了样本维度;最后引入支持向量机分类器对其进行分类。通过在公开数据集和真实数据集上对各种过滤式特征选择方法进行的比较实验说明了该方法的有效性。

基于低频振荡幅度算法的脑电功能磁共振同步成像技术对颞叶癫痫的研究

目的采用静息功能磁共振成像低频振幅技术,通过观察双侧海马硬化(HS)颞叶癫痫(TLE)患者脑血氧水平依赖(BOLD)信号活动的改变,探讨TLE脑活动的神经机制。资料与方法采用低频振幅算法,对9例双侧HS的TLE患者及9名正常志愿者静息功能磁共振成像数据进行对比分析,观察TLE患者发作间期痫样放电时(IED)振荡幅度增高及降低的区域。结果TLE患者伴发IED时BOLD信号振荡幅度改变的区域基本呈双侧对称分布。振幅增加的区域包括:双侧海马、杏仁核、扣带回等边缘系统,双侧中央运动区、颞叶皮层,丘脑及中脑结构。振荡幅度降低的区域包括:扣带回前部(ACC)、内侧前额叶(MPFC)及顶下小叶(IPC)等经典缺省模式区域,而后扣带回(PCC)和楔前叶(Pcu)则未包含其中。结论低频振幅功能磁共振成像技术可以对癫痫引起脑的活动改变情况进行观察。振幅增高的脑区反映大脑对癫痫活动的产生、传播等易化作用,振幅降低区域反映了特定脑区功能的抑制,尤其是缺省模式功能的受抑制。这些改变反映了大脑易化与抑制两个系统对癫痫的脑功能进行调节。

利用自举法与相干矢量虚部研究脑电信号的连通性

多导联脑电信号之间的连通性分析有助于了解脑的不同分区之间的信息交互。为了研究实验任务引起的脑区之间的连通性,提出了一种结合自举法与相干矢量虚部的统计分析方法,并用于研究左、右手运动想象任务中的信息交互。结果表明:在单侧的运动想象任务中,辅助运动皮层与对侧的运动前区及初级运动感觉皮层具有广泛的联结关系,同时提示受试是采用具有肌肉感觉的运动想象模式。该方法简洁、意义明确,可以进一步应用在脑-机接口及事件相关电位的研究中。

焦虑障碍高危人群脑电信号频域分析

目的通过对焦虑障碍高危人群、焦虑障碍患者和健康人群全频域自发脑电信号进行频域分析,探索可用于识别焦虑障碍的特征性频段。方法2019年12月10日至2020年5月7日选取焦虑障碍高危人群(焦虑高危组,n=19)、焦虑障碍患者(阳性对照组,n=14)、健康正常人(正常对照组,n=19)作为研究对象。使用焦虑状态-特质问卷(state-trait anxiety inventory,S-TAI)、军事应激反应性焦虑预测量表(military stress anxiety predictive scale,MSAPS)对所有被试进行评估,并在问卷评估过程进行脑电监测。统计分析使用SPSS20.0统计软件,三组间脑电功率差异分析采用单因素方差分析和两两比较。结果三组在Delta[(2.11±0.66)μV^2,(2.52±0.38)μV^2,(2.73±0.47)μV^2]、Theta[(1.31±0.43)μV^2,(1.52±0.28)μV^2,(1.67±0.35)μV^2]、Alpha[(1.05±0.44)μV^2,(1.29±0.25)μV^2,(1.45±0.55)μV^2]、Beta-1[(0.69±0.16)μV^2,(0.86±0.18)μV^2,(0.99±0.27)μV^2]、Beta-2[(0.55±0.15)μV^2,(0.67±0.18)μV^2,(0.75±0.20)μV^2]、Gamma频段[(0.31±0.09)μV^2,(0.40±0.14)μV^2,(0.45±0.16)μV^2]Cz电极处的脑电功率差异均有统计学意义(F=3.80~9.21,均P<0.05)。经Bonferroni校正后两两比较,Beta-1频段下,焦虑高危组与正常对照组之间的脑电功率差异有统计学意义(P=0.03)。结论焦虑障碍高危人群和焦虑障碍患者的脑电信号均在Cz处的Beta-1频段与健康人群有显著差异。这种脑电信号的差异可为焦虑高危人群的识别和焦虑障碍的诊断提供有利的客观支持。