基于子时段呼吸暂停和睡眠阶段的脑网络分析与分类

睡眠分期是评估睡眠质量的基础。然而,睡眠呼吸暂停(sleep apnea,SA)会改变测试者的睡眠结构,进而影响对睡眠分期的准确评估。因此,在评估睡眠质量时,准确检测睡眠呼吸暂停和睡眠分期至关重要。为准确评估睡眠分期,本研究通过研究脑区之间的功能连接,探讨了脑功能连接的相互作用关系。采用锁相值(phase locking value,PLV)在不同时间段上进行特征提取,构建功能连接网络;然后利用多个时间段的PLV进行特征融合,并通过LibSVM(library for support vector machines,LibSVM)结合分类性能优化策略的方法进行睡眠分期。同时,本研究还分析了睡眠呼吸暂停和正常呼吸对脑网络的影响。实验结果显示,睡眠呼吸暂停时的各脑区连通紧密程度大于正常呼吸时,并在子时段数为30时,睡眠分期的分类准确率达到了88.87%,呼吸暂停的检测准确率达到了93.64%。该算法在睡眠分类和呼吸暂停检测方面表现出良好性能,有助于推动脑电睡眠分类和呼吸暂停检测系统的开发和应用。

脑机接口不构成对具身认知的挑战

脑机接口技术通过将主体大脑中的神经信号转化为控制外部设备的指令,从而实现了从思想到行动的直接转化。不少研究者认为,脑机接口表明了认知过程能够以非具身方式实现,因而身体的感知运动过程对于认知来说并非不可或缺。从预测加工的视角看,脑机接口的实现仍然高度依赖主体先验的身体性知识以及“虚拟”的身体行动模式,身体的经验结构对于认知过程具有重要的建构作用。这样的探究不但有助于加深人们对脑机接口的原理、技术实现、应用前景等的认识,而且有助于拓展人们对具身认知相关哲学立场的理解,并在新的视域中重新思考大脑、身体和世界之间的深层次关系。

基于“Lock-in”化学传递系统的脑靶向性前药研究进展

血脑屏障的存在,可使95%以上的药物不能有效地进入脑组织发挥作用.因此,基于提高血脑屏障透过能力,改善脑摄取特性的药物传递系统已经成为当前医药界最为关注的问题之一.自1958年Albert首次提出＂前药＂概念以来,前药修饰在提高口服药物生物利用度、改善组织分布、降低不良反应等方面均有着良好的应用,大约5%~7%的上市药物可以定义为前药.＂Lock-in＂化学传递系统是一种前药载体,能生成极性较大的中间体将药物＂Lock＂在脑内,从而可实现药物的脑靶向.本文综述了基于＂Lock-in＂化学传递系统的脑靶向性前药,包括二氢吡啶型、（酰氧基）烷基-磷酸酯型、硫胺素-二硫化物型等化学传递系统.

基于全局图振幅排列熵的EEG心算分类研究

心算是生活中常使用到的技能,涉及到多种引起大脑活动变化认知加工环节,对于心算的脑电(Electroencephalogram,EEG)研究有助于提高对认知任务的研究水平。本文提出了一种全局图振幅排列熵(Amplitude permutation entropy for global graph,APEGG)应用于脑电心算研究,以弥补传统图排列熵(Permutation entropy for graph,PEG)无法全面反映脑网络节点周边邻居节点变化的缺陷,克服了脑电信号幅值不敏感的问题。首先采用相位锁定值构建了EEG脑网络,分析多导联脑电信号之间的同步性和相关性,然后计算了不同频段下脑网络的全局图振幅排列熵,最后运用支持向量机(Support vector machine,SVM)进行分类。使用脑电心算公开数据集进行仿真,分析了不同频段的心算状态与静息状态的熵值散点图,两种状态的熵值散点图表现出较大差异。心算状态与静息状态分类结果与其他算法比较表现出更好的效果。

基于同步性静息态脑网络的原发性失眠诊断

全球有约1/3的人口曾受到失眠的困扰,研究表明脑电的高度觉醒是失眠的一个重要原因,表现在高频脑电活动的增强。然而,由于存在较大的干扰因素,日常静息态条件下评判困难。因此本文提取原发性失眠患者和健康对照的脑电图(Electroencephalogram,EEG)高频频带(Beta、Gamma频带),使用更适合EEG这种非线性、非平稳信号的相位锁相值(Phase locking value,PLV)方法来构建静息态功能脑网络,使用自适应阈值技术进行二值化处理。为了提升失眠症脑网络特征评价的可靠性,综合了各脑网络特征,提出了用于失眠症检测的脑网络综合度量指标。且发现在Gamma频带上,综合指标在原发性失眠患者组与健康对照组之间存在显著性差异(p=0.044)。应用支持向量机(Support vector machine,SVM)进行自动分类,在Beta频带上的正确率达77.7%,灵敏度达90.7%,相较于原始网络特征正确率提高了9.4%,灵敏度提高了20.7%;同时与现有研究对比,本文提出的脑网络综合度量指标的正确率提升了19.4%,灵敏度提升了20.7%。此外,发现Beta频带的综合度量指标分类效果更好,对于失眠症患者的日常诊断具有潜在的应用价值。

基于脑电的脑网络稳定模式情绪识别研究

利用锁相值构建不同时间段的情绪脑网络,探讨不同时间情绪相关脑网络模式的稳定性,提出基于脑网络二阶特征的情绪识别框架。结果表明,在跨被试研究和单被试研究中最高准确率分别为79.17%和82.92%,ANOVA分析3个时间段的识别结果无显著性差异,证明本研究提出的情绪识别框架是稳定的。在不同时间段,同类别的情绪均具有相同的脑网络连接模式和最小生成树的结构,说明相同情绪在不同时间存在稳定的脑网络模式。使用脑网络特征进行情绪识别是稳定且可靠的,这为人机交互中情绪识别提供一种新途径。

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。

MIT低频相位检测单元设计及检测

目的：在脑磁感应成像系统中实现低频高精度相位检测功能.方法：设计了一个频率为200kHz的相位检测单元,包括可变增益放大器、窄带带通滤波器,并使用了射频锁定放大器SR844.结果：该检测单元的放大倍数为17.7～61.1dB,相位分辨率为0.02°.对脑神经细胞模型进行了相位检测实验.结论：实验结果证明设计的相位检测单元能检测出正常神经细胞模型产生的相位差,为进一步的脑水肿检测打下了良好的基础.

定向置管锁孔脑内血肿清除术治疗重型高血压脑出血的效果观察

目的为了进一步研究和探讨定向置管锁孔脑内血肿清除术在治疗重型高血压脑出血的实践过程中的优势,从而为临床实践提供借鉴和参考的依据。方法选取我院140例重型高血压脑出血患者为研究对象,针对患者的相关病例资料进行回顾性分析。结果两组患者采用不同治疗方法后,无论是在近期效果还是在远期效果上,优良率组间比较,微创治疗组均显著高于内科治疗组,重残率组间比较微创治疗组显著低于内科治疗组,死亡率组间比较微创治疗组显著低于内科治疗组,且P均<0.05,差异具有统计学意义。结论在临床针对重型高血压脑出血患者治疗的过程中,与传统内科治疗方法相比,采用定向置管锁孔脑内血肿清除术治疗方法的临床治疗效果优势明显,是临床治疗重型高血压脑出血的安全可靠选择。

基于同步性脑网络的支持张量机情绪分类研究

一直以来,情绪是心理学、教育学、信息科学等多个学科的研究热点,脑电信号(EEG)因其客观、不易伪装的特点,在情绪识别领域受到广泛关注。由于人类情绪是大脑多个脑区相互作用产生的,该文提出一种基于同步性脑网络的支持张量机情绪分类算法(SBN-STM),该算法采用相位锁定值(PLV)构建了同步性脑网络,分析多导联脑电信号之间的同步性和相关性,并生成2阶张量序列作为训练集,运用支持张量机(STM)模型实现正负情绪的二分类。该文基于DEAP脑电情绪数据库,详细分析了同步性脑网络张量序列的选取方法,最佳张量序列窗口的大小和位置,解决了传统情绪分类算法特征冗余的问题,提高了模型训练速度。仿真实验表明,基于支持张量机的同步性脑网络分类方法的情绪准确率优于支持向量机、C4.5决策树、人工神经网络、K近邻等以向量为特征的情绪分类模型。

基于近红外光电技术的脑水肿无创监测方法

提出了基于近红外光电技术的脑水肿无创监测方法,对大鼠脑水肿的程度进行无创监测.阐述了监测设备的测量原理和系统组成,并对大鼠实验数据结果进行了分析.监测系统光源选用760 nm和程序850 nm的双波长发光二极管,通过恒流源电路驱动进行驱动.选用OPT101作为检测器,用锁相放大电路和滤波电路对所测信号进行处理.在LabVIEW环境下通过数据采集卡进行数据采集,并进行后期处理,该系统能够实时测量大鼠脑组织的血氧变化.利用该系统测量脑水肿模型的大鼠,分析了光强、血氧参量的变化与脑水肿变化的关系.研究结果表明近红外光电技术可应用于对大鼠脑水肿程度进行无损监测.

面向知识自动化的磨矿系统操作员脑认知特征与控制效果的相关分析

面向知识型工作自动化,研究了流程工业生产过程中操作人员的脑认知特征与操作控制水平之间的关键,建立了一种基于操作员脑网络特征的操作熟练程度隐性知识的显性化模型.采用关注信号瞬时相位、基于希尔伯特变换的相位锁方法,构建了脑功能网络(Functional brain network,FBN).基于磨矿系统操作员脑功能网络的图论参数与社区连接强度,建立了特征空间,采用支持向量机与神经网络进行特征分类.结果表明,在高频区,熟练操作员(熟手)的脑功能网络连接强度明显高于不熟练操作员(生手):在低频部分则生手的脑功能网络连接强度略高,其特征分类准确率为87.24%.磨矿系统操作过程中形成的溢流粒度(Grinding particle size,GPS)曲线可以初略地反映操作人员的熟练程度,本文在深入分析了其溢流粒度曲线与操作员脑网络特征的基础上,发现相对于溢流粒度曲线操作员的脑网络特征可以更全面地描述操作控制水平(特别在操作开始时间段),采用脑网络特征识别操作控制水平在时间上超前于溢流粒度曲线识别方法.本研究对于将知识工作者的认知特征引入到流程工业控制中,具有一定的借鉴意义.

基于锁相值和图论的脑功能网络特征提取方法

目的为了研究大脑运动想象时脑功能网络的状态变化,并区分运动想象任务,本文提出一种基于锁相值和图论的脑功能网络特征提取方法。方法首先获取Mu节律和Beta节律的运动想象脑电信号(motor imagery electroencephalography,MI-EEG),计算任意两导相同节律MI-EEG之间的锁相值;然后分别构建两个节律的脑功能网络,并提取6种全局网络特征参数,对其归一化处理后进行串行融合获得特征向量;最后以支持向量机(support vector machine,SVM)作为分类器,采用10折交叉验证法,在BCI Competition III Data Sets IIIa数据集上对两种运动想象任务进行分类。结果相比于其他脑网络特征提取方法,本文方法获得了较高的识别率,最高识别率和平均识别率分别达到100. 00%和83. 33%。结论从脑功能网络的角度,通过构建Mu节律和Beta节律两个运动节律MI-EEG的脑功能网络,提取多个反映大脑网络整体信息的特征,相对于构建单一运动节律MI-EEG的脑功能网络,提取单个网络特征参数,能够有效改善运动想象任务的识别效果,为MI-EEG信号的特征提取方法提供了一种新的思路。

脑-机接口技术在中枢神经系统损伤患者康复中的应用研究进展

脑-机接口(BCI)技术是近年来迅速发展的一种新型康复治疗技术,通过采集分析人脑数据,并转换成相应电信号,使中枢神经系统损伤的患者与外界建立一种新的联系。目前BCI技术主要应用在卒中后肢体的运动功能康复、脊髓损伤的康复以及典型的闭锁综合征的康复。但BCI技术在发展的同时也有其不足之处,本文将从上述几个方面对此项新技术做研究进展综述。

基于改进锁相位算法的脑区功能同步性研究

锁相位算法是分析脑区同步特性的有效方法。基于传统锁相位算法只针对脑电信号的相位分量进行分析,而不能有效地分析脑电信号的其他特征分量的问题,本文提出了一种改进锁相位算法。该算法首先基于经验模态分解获得固有模态函数,以此作为希尔伯特变换的输入求出所需瞬时幅值,计算锁幅值。基于此算法,不仅可以度量脑电信号采集位点之间的变化情况,而且可以度量各个位点自身的脑电信号瞬时振幅的变化情况,从而达到提取脑电信号同步特征的效果。本文采集了14名受试者在不同难度认知任务下的脑电信号,并基于改进锁相位算法,分析大脑在完成认知任务过程中各脑区之间的同步性。结果表明,大脑幅值同步程度与认知活动之间呈负相关,且大脑中央区和顶叶最为敏感。基于改进锁相位算法进行的同步性量化,能够真实地反映数据之间的生物信息,为大脑同步性研究提供了一种新的方法,为更好地探索脑区的相关性与同步性提供新思路。

基于锁相光子计数的多通道脑功能成像系统

功能近红外光谱成像已成为脑功能研究的首选手段。为得到高灵敏度、大动态范围以及高时间分辨率的成像系统,开发了基于改进锁相光子计数的多通道近红外脑功能成像系统。光源模块由波长为785,808,830nm的激光二极管(各16个)组成,调制方波的频率间隔为252Hz;探测模块包括9个光子计数式光电倍增管。该系统结合了单光子计数技术的超高灵敏度与方波调制模式数字锁相检测的简易并行性,测量线性相关系数可达0.9989,信道间的串扰可忽略不计,具有较强的抗干扰能力和准确的空间定位能力。

解锁、换挡、重塑——强迫症的舞动治疗探讨

当代神经科学的发展为强迫症作出了本质的解释——脑锁和换挡问题,这给舞动治疗的干预方法提供了新启示。文章以该理论前沿为背景,以三个强迫症临床病案为线索,通过动作评估、干预方法、过程分析、结果反思,探讨了重塑脑图的强迫症舞动治疗新途径。

“一个人格化者”概念的不可耗竭性（英文）

最近一些顶级的神经科学家主张了一个明显错误的观点:一个人类的人格化者(a human person)就是他或她的大脑。这个错误主张部分地源于'一个人格化者(personhood/a person)'这个概念本身的困难,因为很难去说清楚什么是'一个人格化者'。本文通过揭示'一个人格化者'这个概念的特征的无限丰富性去解释为什么这个概念是如此地让人头疼。本文对比笛卡尔和洛克两个大哲学家的'一个人格化者'的概念。笛卡尔的'一个人格化者'概念有四个特征:(1)它是一个心灵—身体的统一体的概念;(2)它是一个天赋的和源始性(即不可分析性的)的概念;(3)它不是一个清楚分明的概念(因为它是如此源始的以至于不能被还原为清楚分明的概念);(4)它是极其有用的概念(因为它帮助我们去消解而不是解决了笛卡尔的身心关系问题)。相应地,洛克的'一个人格化者'概念对应有四个不同的特征:(1)它是一个因为其行为(包括心灵行为)而被奖惩的实体的概念;(2)它既不是天赋的观念(洛克没有所谓的天赋观念)也不是源始性的概念,而是一个可以还原为意识和记忆的复杂观念;(3)它是清楚分明的概念(因为它由清楚分明的简单概念所构成);(4)它是极其重要的概念(不是因为它帮助我们解决或消解了身心关系问题,而是因为它是正义和利己概念的核心)。通过对比本文表明'一个人格化者'的概念拥有不可耗尽的丰富性,这个丰富性是由历史所造成的。因为这个概念被许多思想家作为概念工具或作为技术性或半技术性术语去回答那些在非常不同的甚至不可公度的理论框架下被提出的各种问题,从而许多不同的特征都被引入到这个'一个人格化者'的概念之中。我们对于这个概念其实并没有一个统一的直觉性的把握,而仅仅只有一个共同的传统,这个传统遗留给我们混杂着很多不同特征的'一个人格化者'概念,这些不同特征在过去从未打算被协调地整合在一起。'一个人格化者'概念的特征的无限性可能是由如下三个原因所造成:(1)这个概念在其概念应用上是以人类为中心的;(2)但是这个概念在其内涵上却完全不是以人类为中心;(3)这个特征[人格化者的集体(persons)是极其有价值的]也是'一个人格化者'概念的一部分。