期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
信息解码视角下的脑科学研究现状与未来展望 被引量:1
1
作者 胡斌 陈淼 姚志军 《兰州大学学报(医学版)》 2023年第4期1-5,共5页
继21世纪系统生物学在细胞分子层次的重新兴起,神经科学作为生命科学领域的研究前沿与热点之一[1],进一步衍生划分为系统神经科学与计算神经科学分支。其中,系统神经科学试图寻求大脑如何实现各种感知、认知和运动任务的合理解释[2];而... 继21世纪系统生物学在细胞分子层次的重新兴起,神经科学作为生命科学领域的研究前沿与热点之一[1],进一步衍生划分为系统神经科学与计算神经科学分支。其中,系统神经科学试图寻求大脑如何实现各种感知、认知和运动任务的合理解释[2];而计算神经科学则强调基于任务执行的计算模型对大脑中相互作用的神经元之间实现认知相关功能的行为机制进行模拟[3]。 展开更多
关键词 神经科学 系统生物学 行为机制 信息解码 脑科学研究 神经元 分子层次 大脑
下载PDF
情绪相关脑电信号的特征选取与导联优化 被引量:3
2
作者 李彤 王永宗 +3 位作者 张艺耀 彭宏 朱玲玲 赵永岐 《安徽医科大学学报》 CAS 北大核心 2018年第10期1517-1521,共5页
目的探究与情绪密切相关的脑电特征,并藉此优化最少导联集合。方法 30名被试观看四类典型情绪图片(轻松、沮丧、愉悦、恐惧)并记录脑电信号。Fisher分数(Fscore)算法筛选每导联脑电特征,使用支持向量机方法(SVM)分类四种情绪。结果 24... 目的探究与情绪密切相关的脑电特征,并藉此优化最少导联集合。方法 30名被试观看四类典型情绪图片(轻松、沮丧、愉悦、恐惧)并记录脑电信号。Fisher分数(Fscore)算法筛选每导联脑电特征,使用支持向量机方法(SVM)分类四种情绪。结果 24名被试情绪诱发有效,四个特征组合(β频带、γ频带、信息熵、微分熵)的F-score均值作为情绪有效性评价指标,筛选出分类准确率高达81.15%的5个导联(FT7、T7、FC4、TP10、O1)。结论利用校正后的F-score算法首次筛选出脑电信号的特征组合,获得与情绪密切相关的最优导联集合,极大地降低了运算时间,该结果对实现情绪的快速识别有重要价值。 展开更多
关键词 情绪 情绪识别 脑电信号 特征选取 F-score
下载PDF
一种基于卷积神经网络的重度抑郁症辅助诊断方法 被引量:1
3
作者 王茵 郑国威 +3 位作者 颉瑞 杨琳 姚志军 胡斌 《兰州大学学报(医学版)》 2022年第8期5-10,共6页
目的针对多站点抑郁症数据分类的泛化能力不强,以及使用三维原始图像作为深度学习分类模型的输入容易过拟合的问题,设计了一种卷积神经网络架构用于重度抑郁症(MDD)辅助诊断。方法该模型基于静息态功能磁共振成像得到的低维功能连接矩... 目的针对多站点抑郁症数据分类的泛化能力不强,以及使用三维原始图像作为深度学习分类模型的输入容易过拟合的问题,设计了一种卷积神经网络架构用于重度抑郁症(MDD)辅助诊断。方法该模型基于静息态功能磁共振成像得到的低维功能连接矩阵作为输入,从中提取功能相关信息和高阶抽象特征从而分类。结果将该模型在多站点REST-meta-MDD数据集上验证,分类准确率为70.39%。结论通过遮挡分析描述了不同大脑区域对MDD辅助诊断的贡献,结果表明默认模式网络、视觉网络和额顶控制网络对MDD分类任务具有重要作用。 展开更多
关键词 抑郁症 功能磁共振成像 深度学习 分类
下载PDF
基于多模态影像下的抑郁症大脑异常 被引量:4
4
作者 李姗 李永超 +4 位作者 邹颖 杨琳 王茵 姚志军 胡斌 《智能科学与技术学报》 2020年第2期116-125,共10页
近年来,结构性磁共振成像(sMRI)和功能性磁共振成像(fMRI)被广泛应用于抑郁症研究。从结构形态学、结构网络、功能网络3个角度探索抑郁症患者的大脑异常,了解其发病机制,辅助医生临床诊断、治疗和预后。目前大量研究发现抑郁症患者的海... 近年来,结构性磁共振成像(sMRI)和功能性磁共振成像(fMRI)被广泛应用于抑郁症研究。从结构形态学、结构网络、功能网络3个角度探索抑郁症患者的大脑异常,了解其发病机制,辅助医生临床诊断、治疗和预后。目前大量研究发现抑郁症患者的海马体、杏仁核出现不同程度的萎缩,脑网络的连接强度、图论属性等均出现显著异常,且出现异常的脑区对应于人的情绪调节、注意力和认知控制等功能,异常的程度与抑郁的严重程度呈现高度相关性。从不同角度对抑郁症的研究现状进行综述,并对未来的研究提出了建议。 展开更多
关键词 抑郁症 脑网络 多模态 磁共振成像
下载PDF
基于多变量形态学特征的健康老年人认知发展预测算法
5
作者 张玲玉 王雅琳 +4 位作者 赵子阳 黄文静 郑炜豪 姚志军 胡斌 《数据采集与处理》 CSCD 北大核心 2023年第4期837-848,共12页
由于体积、表面积等常规形态学指标对于皮层下核团而言过于笼统,因此传统的形态特征获取手段难以检测到其表面形态的细微变化。为解决这一问题,本文提出了一种针对皮层下核团的精细特征提取算法,并将其应用到老年人认知状态预测任务上... 由于体积、表面积等常规形态学指标对于皮层下核团而言过于笼统,因此传统的形态特征获取手段难以检测到其表面形态的细微变化。为解决这一问题,本文提出了一种针对皮层下核团的精细特征提取算法,并将其应用到老年人认知状态预测任务上。通过表面共形参数化、表面共形表示和基于互信息的表面流配准,提取了46名被试双侧海马和杏仁核各15000×2个顶点上的形态学特征;通过斑块选择、稀疏编码与字典学习,和最大池化的降维流程,避免了维度诅咒的同时充分保留了核团的纹理信息;最后,以树为弱学习器,采用GentleBoost算法集成了最终的强分类器做认知预测。结果显示,仅纳入海马和杏仁核两个皮层下结构的新颖特征,即可达到85%的预测准确率,为皮层下结构的精细特征发掘提供了新思路。 展开更多
关键词 皮层下核团 多变量形态学 精细特征提取 海马体 杏仁核 认知状态预测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部