双耳差频声刺激下的脑电特征

为了研究双耳差频声刺激影响大脑状态的神经机制,采用功率谱、Lempel-Ziv复杂度(LZC)和基于互信息的脑网络等线性及非线性方法,深入探讨了两种不同模式的双耳差频声刺激(alphabeta)对脑电的影响规律.13名受试者分别进行了alphabeta差频刺激,结果表明自发脑电的功率谱并没有发现频率跟随响应效应,LZC也没有显著变化.而脑网络图则能够发现在alpha差频刺激下大脑皮层不同区域的信息连接性显著减弱,在beta差频声刺激下信息连接性则显著增强.因此,互信息脑网络图可以有效地监测大脑在双耳差频声刺激下的变化,为双耳差频声刺激的生物学效应提供了一种合理的解释.     

基于相关维数的磁刺激穴位脑功能网络构建与分析

针灸经临床实践已证明其疗效,然而其作用机制仍不清楚,磁刺激穴位为研究针灸理论提供了一种新的方法.本研究采集安静状态和磁刺激内关穴(PC6)状态的脑电(EEG)信号,基于非线性动力学特征(相关维数)和互信息方法构建脑功能网络,基于复杂网络理论对所构建脑功能网络进行分析,对比分析了安静和磁刺激两种状态下的脑功能网络的拓扑性质.实验结果表明,基于磁刺激内关穴构建的脑功能网络与安静状态相比,其拓扑结构发生了改变,网络连接增强,信息传输效率提高,并且"小世界"属性增强.     

血管性痴呆患者脑电信号的多通道线性描述符特征研究

为提取能有效区分血管性痴呆(VaD)患者与正常老年人的神经电生理特征标识,采用多通道线性描述符对两组受试者在执行oddball视觉探测任务过程中的脑电(EEG)信号进行特征提取研究.通过对任务状态和平静状态下多通道EEG的3个多通道线性描述符分析表明,在执行探测任务过程中,VaD患者的场强变化率Φ和空间复杂度Ω明显高于正常老年人,而在平静状态下却无显著差异,两组受试人群的有效场强均没有显著差异.分别对比不同受试人群在任务状态和平静状态下的3个描述符,结果表明,两组受试者在任务状态下的有效场强Σ比平静状态明显增高,Φ和Ω明显降低,而且VaD患者3个描述符任务状态相对于平静状态的变化率要明显低于正常老年人.因此,多通道线性描述符可以有效地反映人脑认知功能的衰退,为VaD患者的脑电特征提取提供了一种新的方法.     

不同复杂度心算任务基于脑电的因果连接流增益研究

已有的关于心算脑电的研究大多是从时域角度出发,该文旨在从频域上研究三种不同复杂度心算任务的多通道脑电的因果连结流增益特征变化,以及在不同脑区之间的差异。利用定向传递函数的方法估计得到因果连接矩阵,计算δ、θ、α、β、γ频段下信息流增益特征,得到三种任务流增益均在中央-顶叶较活跃;并且复杂的心算相对于简单心算引起了F4通道的流增益活跃。不同脑区比较得到三种任务在高频段,尤其是β频段更具有显著性差异。复杂的心算能够增加右侧额区和高频段左颞区的信息流活动,减少顶区的信息流活动。     

基于时窗复杂度序列的睡眠脑电分析

运用时窗复杂度序列来分析睡眠脑电,减少了非平稳性及状态空间的不均匀性造成的脑状态信息的丢失,在一定程度上克服了复杂度的自身的局限,有助于不同睡眠期状态特征的提取.另外本文采用ICA、小波变换等方法对脑电进行预处理,实验表明它们能有效地去除脑电中的一些生理干扰,有利于提高复杂度算法在睡眠分期应用中的精确度.     

诱发脑电信号执行控制力特征识别研究

斯特普(Stroop)干扰试验常被用于执行控制力研究中,结合脑电在认知能力领域中的应用,采用数字Stroop干扰试验来诱发脑电信号,通过以样本熵为参数试验条件下脑电信号复杂度分析,观察脑电复杂度变化规律,建立执行控制力脑电特征识别方法.随机选取35名大学生进行数字Stroop干扰试验,同时采集被试的脑电信号,对脑电复杂度分析发现:试验过程中被试脑电样本熵值先降低后上升,最后回到正常水平;Stroop干扰试验下测评分数越高的被试,其样本熵的降低幅度越小.相关性统计分析得到,样本熵变化值与执行控制力相关系数为-0.699,呈显著负相关.研究表明基于Stroop干扰试验下脑电信号复杂度能够反应被试的执行控制力.     

颅内压增高皮层脑电的复杂度分析

为研究颅内压增高对脑功能的影响,以家兔为实验对象建立侧脑室灌注加压的单纯颅高压模型.采集皮层脑电信号并同步记录颅内压(ICP)、心电、呼吸、动脉血压等信号,采用迟滞粗粒化方法和Lempel-Ziv算法计算脑电信号的复杂度,分析不同ICP状态下脑电信号的非线性变化特征.发现以灌注加压前基础ICP时的状态为对照,ICP为2,4倍基础值时的脑电信号复杂度显著降低(P＜0.01);ICP越高,复杂度越低;ICP恢复正常后,脑电复杂度有恢复趋势.研究结果表明,脑电信号的复杂度可用于检测由于ICP增高引起的脑损伤并有可能对其损伤程度进行定量评估.     

休息和心算状态下正常脑老化过程的复杂性分析

研究了休息和心算状态下正常脑老化过程的复杂性变化情况。共招募15名健康年轻人和13名健康老年人,采用多尺度样本熵(MSE)方法对休息和心算状态下的脑电图(EEG)记录并进行复杂性分析。研究结果表明,相同状态下,老年人组休息状态的MSE值在全脑大部分范围高于年轻人组,而老年人组心算状态的MSE值在全脑范围低于年轻人组,但差异均不具有统计学意义。不同状态下,老年人组和年轻人组心算状态的MSE值在全脑大部分范围均较休息状态降低,其中老年人组的差异具有统计学意义,几乎涵盖全脑,其中前额叶区域最为明显,但年轻人组的差异不具有统计学意义。因此,正常脑老化对脑功能复杂性的改变并不明显;相比于休息状态,执行心算任务更能反映老化对脑功能复杂性的影响,且前额叶与脑老化及记忆密切相关。     

酗酒者认知脑电能量的头皮分布

为了理解酗酒对大脑功能的影响,已有研究多数是对被试者的脑电各节律特性分别进行分析,而缺乏分布特性研究.通过3种不同类型的实验,对酗酒者和正常对照组的脑电节律能量的头皮分布进行深入分析.结果表明,在3种不同认知任务下,酗酒者的α节律、δ节律和θ节律在枕区的能量都显著低于正常对照组;而酗酒者脑电β和γ节律在额区与颞区的能量显著高于正常对照组.不同的实验任务对各节律影响也不尽相同.α节律随着任务的不同,能量大小发生变化;枕区的θ节律、额区和颞区的δ节律能量分布在不同任务条件下也各不相同;而β能量则不受实验任务的影响.不同实验类型下酗酒者额区的脑电γ能量有所不同,而正常人却没有显著变化.因此慢波节律在不同区域能量的降低和快波节律在不同脑区能量的增加可能表明酒精长期作用会对大脑造成一定程度的损伤,进而影响大脑的认知过程,而且这种影响还通过皮层电活动头皮分布特性的不同得以体现.     

心算负载任务对事件相关电位信号特征影响的研究

事件相关电位是神经科学研究中重要的一种认知电位,也是脑机接口中常用的特征信号之一。心算任务引起的心理负载能够诱发事件相关电位。常用的信号特征主要为时域波形特征。无法全面分析评估特征特点。研究中设计了三种心算任务,时域上研究诱发的事件相关电位的波形特征,频域上利用格兰杰因果关系分析方法研究任务脑功能网络连接,探讨三种心算任务诱发事件相关电位特征信号的效果和特点。为构建基于ERP特征信号的脑机接口新范式提供理论依据和技术支持。     

基于脑电波复杂度的麻醉深度监测

脑电(EEG)是能反映麻醉深浅程度的电生理信号，为了能从非线性、非平稳的脑电信号中提取与麻醉深度相关的有效信息，笔者采用由Lempel和Ziv提出的复杂度算法，对实测SD大鼠在不同麻醉状态下脑电信号的复杂度进行计算，比较了不同麻醉深度下脑电复杂度的变化情况．从实验观察的现象与数据比较结果可见，利用复杂度来表征脑电信号的特征值可以很好地反映麻醉的深浅程度，而且算法简单、实时性好，是一种量化庆醉深度的新方法．     

睡眠剥夺对脑认知和脑电复杂性的影响

为研究睡眠对大脑功能的影响，考察了正常睡眠与睡眠剥夺情况下脑认知能力的变化，分析了两种状态下自发脑电和事件相关电位复杂性的差异．通过事件相关电位P300的潜伏期与幅度反映不同状态下的脑认知能力，采用小波熵方法分析其复杂性．实验采用数字脑电图仪记录19导脑电信号，用OB序列诱发视觉事件相关电位．结果发现，睡眠剥夺组的靶刺激反应时间明显增长，而P300幅度显著降低、潜伏期明显增加；小波熵分析结果表明，与正常睡眠组比较，睡眠剥夺组自发脑电的256点小波熵和事件相关电位的32点小波熵均值都显著降低．故得出结论：睡眠剥夺对人的认知和脑电复杂性均产生了负向影响．因此，睡眠对维持大脑的功能具有重要作用．     

Information flow among neural networks with Bayesian estimation

Estimating the interaction among neural networks is an interesting issue in neuroscience. Some methods have been proposed to estimate the coupling strength among neural networks; however, few estimations of the coupling direction (information flow) among neural networks have been attempted. It is known that Bayesian estimator is based on a priori knowledge and a probability of event occurrence. In this paper, a new method is proposed to estimate coupling directions among neural networks with conditional mutual information that is estimated by Bayesian estimation. First, this method is applied to analyze the simulated EEG series generated by a nonlinear lumped-parameter model. In comparison with the conditional mutual information with Shannon entropy, it is found that this method is more successful in estimating the coupling direction, and is insensitive to the length of EEG series. Therefore, this method is suitable to analyze a short time series in practice. Second, we demonstrate how this method can be applied to the analysis of human intracranial epileptic electroencephalogram (EEG) recordings, and to indicate the coupling directions among neural networks. Therefore, this method helps to elucidate the epileptic focus localization.     

混沌系统延迟时间确定的符号化方法研究

采用等概率符号分析方法估算混沌系统的互信息,按互信息极小规则确定混沌系统中的最佳延迟时间,分析了在等概率符号化过程中,短序列长度L对符号序列的影响.指出:如果L太小,导致符号序列丢失了一些确定性信息;如果L太大,数据的相关性变差,从而影响最佳延迟时间的确定.通过对Lorenz系统和脑电信号的仿真实验得到的结果表明:短序列长度L影响着最佳延迟时间的确定,且不同系统对于L变化,其延迟时间变化敏感程度不同.     

干扰条件下基于互信息量准则的弹载雷达波形优化

弹载雷达发射波形设计在导弹制导系统中有着重要作用。为解决复杂电磁环境下,弹载雷达受到噪声、杂波和干扰影响导致目标探测性能降低的问题,基于互信息量（mutual information,MI）准则提出了一种新的同时存在噪声、杂波和电子干扰影响时的发射波形优化算法,通过拉格朗日乘子法得到最大化目标响应与雷达回波间互信息量的最优波形表达式,并利用一阶泰勒级数近似简化该表达式。仿真实验对比了不同杂波和压制干扰、不同发射能量约束下优化前后所获互信息量;结果表明,当平均功率限制为100 W时,相比于原始波形,采用优化信号情况下所获互信息量翻倍。优化发射波形能够通过优化信号的频域能量分布,主动避开干扰和杂波影响大的频率,使接收回波包含更多目标信息。     

基于改进互信息的特征提取的文本分类系统

文章提出并实现了一种改进互信息的特征提取和支持朴素贝叶斯的文本分类系统,改进的互信息算法加强了负值单词的互信息值,弥补了原来互信息预处理算法的不足,从而提高了分类精度.实验结果表明本算法和系统具有较高的分类准确率。     

基于样本熵的磁刺激穴位加权脑功能网络研究

脑功能网络的构建与分析可帮助探究大脑工作机制。本研究旨在构建并分析磁刺激内关穴脑功能网络,为探索针灸学作用机理提供理论依据。目前,为简化网络计算的复杂性,很多相关研究集中于二值脑功能网络,忽略了节点间连接强度。本研究采集磁刺激内关穴前、中、后3种状态的脑电信号并基于样本熵和互信息方法构建3种状态下反映节点间真实连接程度的加权脑功能网络;利用复杂网络理论对3种状态下加权脑功能网络拓扑性质进行对比性分析。实验结果表明,刺激状态与刺激前状态相比,网络的平均度、平均聚类系数、全局效率均有提高;刺激状态与刺激后状态相比,网络的平均度、平均聚类系数、全局效率整体也呈增强趋势;刺激后状态与刺激前状态相比,除少数被试的网络拓扑特征基本保持不变或小幅度减少外,其余均呈增长趋势,且增长程度不同,考虑与刺激的累积效应和个体差异有关。研究结果表明,磁刺激内关穴使网络各通道间连接强度提高,集群化程度加强,信息传递效率提高。     

Multifractal mass exponent spectrum of complex physiological time series

Physiological signal belongs to the kind of nonstationary and time-variant ones. Thus, the nonlinear analysis methods may be better to disclose its characteristics and mechanisms. There have been plenty of evidences that physiological signal generated by complex self-regulated system may have a fractal structure. In this work, we introduce a new measure to characterize multifractality, the mass exponent spectrum curvature, which can disclose the complexity of fractal structure from total bending degree of the spectrum. This parameter represents the nonlinear superpositions of the discrepancies of fractal dimension from all adjacent points in the curve and therefore solves the problem of original parameters for not fully reflecting the information of entire subsets in the fractal structure. The evaluations of deterministic fractal system Cantor measure validate that it is completely effective in exploring the complexity of chaotic series, and is also not affected by nonstability of the signal as well as disturbances of the noises. We then apply it to the analysis of human heart rate variability (HRV) signals and sleep electroencephalogram (EEG) signals. The experimental results show that this method can be better to discriminate cohorts under different physiological and pathological conditions. Compared with the indicator of singularity spectrum width, there are some improvements both on the computing efficiency and accuracy. Such conclusion may provide some valuable information for clinical diagnoses.     

不同脑负荷脑电特征的近似熵表征研究

目的研究不同生理状态下的脑电特征(EEG)。方法利用一种度量时间序列复杂性的非线性统计方法——近似熵(ApEn)方法。结果近似熵能够有效地反映脑电信号的变化情况。结论近似熵是一种值得重视且很有发展前景的复杂性分析方法。     

基于小波熵的网络成瘾脑电复杂性分析

通过考察青少年网络成瘾患者的脑电复杂性参数即小波熵及其脑电信息图,分析网络成瘾患者与正常人的差异,试图揭示网络成瘾对患者大脑产生的影响,并为网络成瘾综合症的诊断提供依据．分别采集9名网络成瘾者（实验组）和9名正常受试者（对照组）在上网前后的自发脑电,然后对其进行小波熵及其脑电信息图分析．结果发现网络成瘾患者上网前的自发脑电的小波熵值明显低于正常组上网前的自发脑电小波熵值（P〈0．05）,但上网40min后,其脑电小波熵值明显升高（P〈0．05）,此时与正常组无显著性差异;而正常组受试者上网前后的脑电小波熵值没有显著性的差异（P〉0．05）．此结果证实了网络成瘾患者在上网前,其脑电复杂性较低,大脑活动水平较低,而通过网络可以唤起其大脑的活动,因此小波熵值可以作为网络成瘾综合症诊断的客观指标之一．