基于静息态功能磁共振成像的精神分裂症脑网络特征分类研究

如何从复杂的静息态功能核磁共振成像(rs-fMRI)数据中提取高鉴别性特征,是提升精神分裂症识别精度的关键。本文使用一种加权稀疏脑网络构建方法,采用肯德尔相关系数(KCC)从脑网络中提取连接特征,并基于线性支持向量机对57例精神分裂症患者与64例健康受试者进行分类研究,最终得到了较高的分类精度(81.82%)。本文研究结果表明,相较于传统的皮尔逊相关和基于稀疏表示的脑网络构建方法,以及常用的双样本t检验(t-test)和最小绝对收缩与选择算子(Lasso)特征选择方法,本文提出的算法可以更有效地提取出能够区分精神分裂症患者与健康人群的脑功能网络连接特征,进而提升分类精度;同时本研究中所提取的鉴别性连接特征或可作为潜在的临床生物学标志物,用以辅助精神分裂症的诊断。

联合主成分分析-小波与整体平均经验模态分解的锋电位去噪方法

多通道微电极阵列记录的锋电位(Spike)十分微弱,极易受干扰,其含噪的特性影响了Spike检出的准确率。针对Spike检测过程中通常存在的独立白噪声、相关噪声与有色噪声,本文结合主成分分析(PCA)、小波分析和自适应时频分析,提出PCA-小波(PCAW)与整体平均经验模态分解(EEMD)联合的去噪新方法(PCWE)。首先,利用PCA提取多通道神经信号通道间的主成分作为相关噪声去除;然后利用小波阈值法对独立白噪声进行去除;最后利用EEMD把噪声分解到各层本质模态函数中,对有色噪声进行去除。仿真结果表明,PCWE使信噪比约提高2.67 dB,标准差约减小0.4μV,显著提高了Spike的检出精确率;实测数据结果表明,PCWE能使信噪比约提高1.33 dB,标准差约减小18.33μV,表现出良好的去噪性能。本文研究结果表明,PCWE可以提高Spike信号的可靠性,或可为神经信号的编码解码提供一种新型有效的锋电位去噪方法。

神经元功能网络的度量及性能分析

网络的度量是复杂网络理论在神经元集群信息处理机制解析中的重要研究内容之一。针对神经元功能网络的定量度量问题,系统分析了聚类系数、全局效率、特征路径长度及传递性等度量指标与网络拓扑连接变化的定量描述关系。基于锋电位发放序列构建了神经元功能网络,仿真研究表明,构建的网络可以有效表征神经元之间的连接关系。利用鸽子弓状皮质尾外侧区(NCL)实测数据,研究了神经元功能网络对鸽子运动行为的编码特性。研究表明,NCL区神经元功能网络可以有效编码鸽子的运动行为,而且四种度量指标在鸽子左转、直行和右转等不同行为时具有显著差异。研究结果表明本文的神经元功能网络构建方法可行,对于解析大脑神经信息处理机制具有较高的应用价值。

鸽子目标导向抉择任务中锋电位和局部场电位解码性能对比研究

锋电位(spike)和局部场电位(LFP)是神经信息解码中最重要的两种候选信号。目前对于哺乳类动物的spike信号和LFP信号的解码性能已有诸多研究,但是鸟类大脑这两种信号的解码性能并不清楚。本文利用6只鸽子为模式动物,基于留一法和k近邻的神经解码算法(LOO-kNN)研究了目标导向抉择任务中弓状皮质尾外侧区spike信号和LFP信号的解码性能,探讨了通道个数、解码窗口的位置、长度以及最近邻k值等参数对解码性能的影响。本文研究结果表明,spike信号和LFP信号都能有效解码出目标导向抉择任务中鸽子的运动意图,但是相比之下,LFP信号解码性能更优异,而且受通道个数的影响较弱。对于解码窗口而言,最佳解码窗口位于目标导向抉择过程的后半段,而且LFP信号最佳解码窗口长度(0.3 s)明显短于spike信号最佳解码窗口长度(1 s)。对于LOO-kNN算法来说,解码正确率与k值的大小基本成反比,k值越小解码正确率越高。通过以上本文研究结果,期望本文方法有助于大脑神经信息处理机制的解析,对于脑—机接口等进一步深入研究提供一定的参考价值。

双绞微电极制作装置设计与验证

微电极作为外部电子设备与内部神经核团之间的接口,在动物机器人、深度脑刺激、神经假体等方面都起着重要的作用。针对现有微电极制作装置价格高昂且制作工艺复杂等问题,本文提出了一种基于开源电子原型平台(Arduino)和三维打印技术的双绞微电极制作装置,并验证了其电极制作性能及神经刺激性能。实验结果表明,在微电极制作过程中,电极丝的正向绞合圈数一般应设置为其长度的1.8倍左右较适宜,逆向绞合圈数与长度无关,一般为5左右。与同类产品相比,本文所提装置不仅价格低廉、制作简单并具有较好的扩展性,对于微电极制作的个性化、普及化以及降低实验成本都有着积极的促进意义。