广义线性模型在神经电生理信号分析中的应用

大脑在完成思维等功能活动时,脑中的神经细胞会产生表征不同生理状态的电活动,大脑不同功能区也会呈现不同的放电特征,例如,参与学习记忆等认知活动的海马脑区以产生尖波涟漪事件为典型特征。本研究利用多通道电生理技术记录到神经元胞外电信号,通过海马区节律性场电位进行了3种常见生理状态(清醒、快速眼动睡眠和非快速眼动睡眠阶段)的划分,并介绍了利用海马区尖波涟漪事件研究海马区和皮层区的放电特征的方法。最后,利用5折交叉验证的广义线性模型预测神经信号的方法,以特定时间窗内神经元群体放电个数矩阵为自变量,该时间窗或其他时间窗内的单个神经元放电个数向量或尖波涟漪事件是否出现为因变量,进行预测,与解耦不同生理意义下的神经活动结果进行对比。本研究将有助于分析及解码不同生理状态下大脑功能区的神经信号特征,尤其是对研究学习记忆功能及其相关脑区之间的相互作用提供方法学依据。     

基于电生理的脑网络研究报告

电生理信息(EEG、局部场电位、神经元单位放电)和血液与代谢信号(f MRI)提供了神经活动的明显不同、但又相互紧密耦合的不同方面的信息。脑电/电生理对发生在毫秒量级的瞬态神经活动敏感,可以动态地揭示脑功能活动的动态连接性。由于EEG和f MRI信号的产生机理不同,决定了EEG/f MRI两种技术在时-空两方面具有互补性。通过信息融合将两种技术的优点进行集成是一个受到高度关注的研究策略。该研究重点关注电生理的脑网络分析方法,同时考虑电生理与fM RI信息的融合问题,并将发展的新技术方法用于临床神经精神疾病的脑机制研究。成功建立了精神分裂症猕猴模型,为该研究应用发展的数据处理方法在疾病模型上的验证研究奠定了基础;在多模态信息融合方面,提出了借助经验Bayes理论,实现EEG-f MRI信息并集的网络融合方法;基于颅内电生理技术,发现了产生SSVEP信号的网络机制。     

自由活动动物的脑电信号分析与识别

通过脑电信息识别意识行为并控制外围设备运行的脑机接口(Brain-computer interface,BCI)技术研究已成为神经科学与信息工程技术交叉学科的热点课题,分析行为活动中的脑电特征是BCI研究中的一个重要内容。利用自制金属微电极通过多道生理信号采集处理系统采集大鼠脑电局部放电,提取出与特定行为(抓食)相关的脑电活动特征信号,为大脑对行为的控制研究提供了一个有效的方法。     

《自然科学进展》2007年第17卷总目次

题目作者期页专题评述脱水蛋白在逆境下的分子作用机制研究进展……………………………………………………………张玉秀王梓11核磁共振脑功能成像BOLD信号的特征及其神经电生理机制………………………………吴义根赵小虎郭胜利111关于智能产生机制的思考———智能与信息………     

实时动态闭环电生理硬件在环平台设计与实现

神经系统电刺激已经成为一种日益重要的神经科学机制探索工具和基本神经系统疾病的治疗手段，但基于期望响应的刺激信号获取需要大量的重复性实验．而且生理实验存在伦理性问题，基于纯软件仿真的电生理实验难以复现对应模拟量信号．利用硬件在环平台获取期望响应的最优刺激可解决上述问题，因此本文设计并实现了一个实时动态闭环电生理硬件在环平台，基于平台可以实现神经系统电生理，通过神经调控策略获取刺激信号，进行神经系统的刺激机制探索和基本神经调控手段的优化．本文设计的平台包括硬件回路和图形用户界面，其中硬件回路主要在数字信号处理器上构建，实现了人工神经系统和闭环控制器的片上集成；上位机图形用户界面的开发实现了人机交互，用户可根据需要进行不同模型、控制算法的闭环电生理实验．基于该平台，本文实现了皮层-基底核-丘脑回路神经网络的实时硬件计算，并获得了期望网络状态的刺激信号．结果表明，相比于I5-8400中央处理器的仿真模拟，该实时动态闭环电生理硬件在环平台可将神经元网络状态的高速计算提升近40倍．而且平台实现的迭代学习控制策略可进一步缓解传统比例积分闭环电生理实验中参数整定的难度，有效提高刺激信号的调控精度．     

脑功能网络建模及分析研究进展

大脑是一种典型的复杂系统,理解大脑的结构以及运作机制对生命科学、医药工程、人工智能等领域重大问题的研究具有重要意义.功能核磁共振成像(fMRI)等技术可以实现比较精细的大脑神经活动信号的无创采集,是观察和分析大脑功能活动的重要辅助技术;同时,复杂网络理论与方法则为探索大脑的工作机制提供了重要的理论和技术基础.本文回顾了近年来基于fMRI等大脑神经活动信号采集技术进行脑功能网络建模与分析的研究进展,包括脑功能连接的相关性、因果性分析,白质纤维束投射连接分析,脑活动状态空间的能量图景分析等.文中介绍了这些方法的原理、适用性及局限性.目前基于数据分析的脑网络建模研究已经取得了丰硕的成果,然而,随着神经影像技术的不断发展及高质量神经活动数据的不断积累,复杂系统理论在脑科学领域的应用仍然具有广阔的前景.     

脑电逆问题中求逆方式与信号去噪的研究

提出了一种空间总集全局寻优的求逆方式，改进了在脑电逆问题的研究中，传统的时空全局寻优求逆及静态求边方式的不足。为了能够利用单次或少量几次刺激对脑电诱发响应信号进行定位求逆，提出了空间因子求逆方式及相关噪声抵消法，有效地消除了脑电诱发响应中强背景噪声的影响。仿真研究表明，利用这些方法，在信噪比为－１０ ｄＢ的情况下，仍能对诱发响应信号进行准确的定位和提取。     

脑电信号的现代分析方法

脑电图（EEG）是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。临床实践表明，脑电信号中包含了大量生理与疾病信息，通过对脑电信号的处理，不仅可以为医生提供临床诊断依据，而且可以为某结脑疾病提供有效的治疗手段。作者从脑电信号的分析出发，论述了频域分析、时域分析等脑电图分析中常用的信号分析方法和特点，特别介绍了Wigner分布、小波变换和匹配跟踪等时频分析方法、人工神经网络和非线性动力学方法在脑电信号分析和处理中的应用情况。     

基于fMRI脑机接口的数据分类方法的研究

为了解决脑机接口中功能磁共振成像(functional magnetic resonance imaging,fMRI)信号的数据分类问题,提出了使用后顶叶皮层进行特征选择的支持向量机分类方法。首先通过核磁设备采集数据,对数据预处理后,将后顶叶皮层的体素选择为特征,然后把血氧水平依赖(blood oxygen level dependent,BOLD)值的峰值和累积变化作为特征提取,最后使用支持向量机进行数据的分类。实验表明,选择后顶叶皮层作为特征是可行的;使用BOLD峰值的分类精度要高于使用BOLD累积变化的分类精度。     

脑电采集用电极制造技术研究进展

脑电图作为录制脑部神经生理反应产生的电化学活动的有效成像手段,诞生于20世纪20年代。脑电采集用电极作为一种能够有效地将脑部电化学活动产生的离子电位转换成测量系统电子电位的传感器,被广泛应用于临床检测、诊断和康复等研究领域。近年来,由于脑电采集用电极在脑电图采集领域的迫切应用需求,各种脑电采集用电极结构及制造方法不断涌现。通过对现有的脑电采集用电极进行分类(包括传统银/氯化银电极、微针电极、半干电极、电容/非接触电极、杂类电极),对其制造工艺、结构和使用方法进行了全面的综述;最后分析了脑电采集用电极在使用中存在的问题并对应用前景进行了展望。     

基于fMRI颜色和形状特征绑定的神经机制研究

利用fMRI脑成像技术探讨了图形形状和颜色特征绑定的神经机制。根据图形不同特征设计了一种形状和颜色相互对比的实验任务,任务涉及到形状和颜色特征绑定问题。利用广义线性模型和BOLD信号分析法进行分析,结果发现:与控制任务相比,图像对比任务在枕叶、颞叶中回和下回、右侧中央前回、额叶上/中回等脑区有显著激活。简单任务激活区域较复杂任务较少,且知觉信息整合与右侧前额叶有关。     

基于双向长短时记忆神经网络的步态时空参数脑肌电解码方法

针对脑电(EEG)信号对连续步态轨迹解码结果与实际轨迹相关性低的问题,提出一种基于双向长短时记忆(BiLSTM)神经网络的步态参数解码方法。首先,构建基于双向长短时记忆神经网络的步态时空参数解码模型,根据脑肌电信号特性设计解码模型的超参数;其次,同步采集脑电、下肢运动相关肌肉的表面肌电信号(sEMG)和下肢关节运动信号,并对脑电和表面肌电信号的步态相关特征进行分析;然后,以多通道脑电和下肢运动相关表面肌电信号作为解码模型的输入,自动提取脑肌电融合信号中步态相关特征并构建膝踝关节运动轨迹与特征之间的非线性回归模型;最后,以多通道脑电作为解码模型的输入,构建步态相关脑电信号和表面肌电信号之间的非线性回归模型。实验结果表明：所提方法与传统支持向量机方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数提高了0.12;与单独采用脑电、表面肌电信号和脑肌电信号平均绝对值特征融合信号进行解码方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数分别提高了0.81、0.19和0.63。该方法可实现从脑电信号中对部分表面肌电信号波形的解码,解码波形和实测波形的平均Pears...     

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．     

应用于组织切片的传感阵列技术及其在神经传导研究中的应用

应用于组织切片的传感阵列技术是在组织电生理研究的基础上发展起来的一种用于体外研究组织电生理及神经传导的前沿技术.该技术能够对组织进行多点、实时、无损检测,在研究组织和细胞的电生理活动、揭示细胞网络属性、分析不同细胞或细胞群之间的兴奋与抑制关系等方面具有独特的优势.文中综合评述了目前国际上应用于组织切片电生理检测的传感阵列技术及其在神经传导机制研究中的应用.并结合我们的研究工作,主要介绍了传感阵列技术在嗅球组织电生理研究中的进展,对未来传感阵列技术的发展及其在神经传导中的研究进行了展望.     

应用于组织切片的传感阵列技术及其在神经传导研究中的应用

应用于组织切片的传感阵列技术是在组织电生理研究的基础上发展起来的一种用于体外研究组织电生理及神经传导的前沿技术.该技术能够对组织进行多点、实时、无损检测,在研究组织和细胞的电生理活动、揭示细胞网络属性、分析不同细胞或细胞群之间的兴奋与抑制关系等方面具有独特的优势.文中综合评述了目前国际上应用于组织切片电生理检测的传感阵列技术及其在神经传导机制研究中的应用.并结合我们的研究工作,主要介绍了传感阵列技术在嗅球组织电生理研究中的进展,对未来传感阵列技术的发展及其在神经传导中的研究进行了展望.     

深度学习的睡眠脑电特征波检测

回顾了深度学习（deep learning，DL）技术在睡眠脑电检测上的应用．以睡眠脑电过程中的纺锤波检测问题为例，探讨了睡眠脑电检测的各类方法，以及相较于传统信号处理算法，DL算法在睡眠脑电纺锤波检测问题上具有精度较高、对数据适应性更强的特点．针对进一步提高网络检测性能与硬件适用性需求，提出特征融合与脉冲神经2种改进型网络，并获得较高的检测性能，进一步阐释了DL技术在睡眠脑电特征波检测方面的应用潜力．      

基于脑电反馈的难治性癫痫病人的近似熵分析

为解决目前对脑电生物反馈疗效的评价多局限于患者症状改善的问题,该文从神经电生理角度出发,将近似熵引入癫痫的反馈治疗效果评价中。以6个难治性癫痫患者为研究对象,强化患者12~15 Hz的感觉运动节律波,抑制4~8Hz的θ波。一定疗程后,6病例的癫痫症状均有明显改善,16导联脑电(electroencephalogram,EEG)近似熵也有不同程度的增加,尤其以训练点C4附近同侧导联脑电信号的近似熵增加更加显著,说明脑电反馈治疗有助于皮层神经元群体电生理活动向更加混沌的状态转化,从而改善癫痫病态症状。实验结果表明,近似熵能够表征大脑生理状态的改变,可用于脑电生物反馈疗效的评价。     

基于FSWT和GBDT的癫痫脑电信号分类研究

为解决癫痫脑电信号分类类别以及分类精度不足的问题,使用频率切片小波变换对脑电数据进行信号重构,得到5 个频段的节律信号,再利用非线性指标近似熵和线性指标波动指数共同作为癫痫信号的特征值,充分提取信号的特征信息。随后使用梯度提升树算法对得到的特征数据集进行多分类。实验表明,该算法对癫痫脑电信号的三分类识别率为98． 4%。较传统Adaboost 算法,该方法采取了GBDT( Gradient Boosting Decision Tree) 作为分类算法,成功利用更多的数据集,并且使得分类精度更高。     

基于小波变换的表面肌电信号去噪方法

表面肌电信号是通过表面电极记录下来的神经肌肉活动时发放的生物电信号,它反映了神经、肌肉的功能状态。表面肌电信号在临床医学、运动医学、康复医学、神经生理学、电生理等领域被广泛应用。本文所研究的肌电信号是在右下臂上采集到的一组表面肌电信号,通过小波变换等方法对肌电信号进行去噪处理。实验表明,该方法能够有效的去除肌电信号的噪声,为下一步的信号分析打下良好的基础。     

手指按键相关脑磁图信号的功能源提取

独立分量分析(ICA)可用于分离多通道脑磁图信号(MEG)中的信号源。基于约束ICA的思想,通过在ICA模型中加入能够反映事件相关皮层神经活动特征的功能约束条件,实现了一种脑磁逆问题的解决方法,即功能源提取(FSS)方法。文中利用该方法对一例手指按键诱发MEG信号进行功能源提取,结果表明功能源位置位于对侧中央前回皮质运动区,且通过验证功能源提取所得到的分离向量与SAM法计算得到的空间滤波器系数间的相关性,验证了所提取的功能源有效。同时,功能源提取方法所提供的神经活动源的时域与频域信息,为在大量样本中探索大脑对手指运动控制的时间演化机制奠定了基础。