共查询到10条相似文献,搜索用时 46 毫秒
1.
研究了静息态下健康人脑的功能连接模式有助于理解人脑在正常或疾病状态下的功能活动规律.利用小波变换从健康志愿者静息态的功能磁共振成像中提取时间序列,计算90个脑区的相关性,设定阈值建立脑功能网络的无向简单图,然后计算特征路径长度和聚类系数,并对度分布进行拟合.结果显示:脑功能网络具有规则网络的大聚集系数又具有随机网络的小特征路径长度,度的拟合显示具有指数截断幂律分布,即脑功能网络具有小世界特性. 相似文献
2.
基于图论方法分析分裂型人格障碍(SPD)患者与健康对照在脑结构网络局部和全局参数上的差异.根据Brainnetome脑图谱将大脑皮层划分为246个脑区,利用扩散加权图像重建脑白质神经纤维束,构建以神经纤维束条数、密度、长度和优化的密度为加权方式的脑结构网络.计算网络节点参数和全局参数,通过假设检验找出具有显著性差异的脑区.结果发现,SPD患者与健康人的脑结构网络在全局参数上无显著性差异;在节点参数上,6个脑区存在显著性差异;差异脑区在位置上显示出左右脑不对称性,在功能上与认知、情感和感知高度相关.研究结果可为疾病诊断治疗提供重要参考. 相似文献
3.
在静息态和睡眠剥夺下分别获取了人脑f MRI数据,通过小波变换提取功能磁共振的时间序列,计算人脑116个脑区的相关性,发现在睡眠剥夺下人脑功能连接相较于静息态下有明显的变化,连接强度、聚类系数、特征路径长度、网络效率、小世界特性都有明显的变化;睡眠剥夺下脑区点效率变化在大脑脑区的激活增强居多,大脑激活补偿增强,而在小脑脑区点效率减弱比较明显,且影响小脑脑区数量相对于大脑更多,这表明睡眠剥夺对小脑影响比大脑更加明显。 相似文献
4.
为探究多层脑功能网络和单层脑功能网络的联系与差异,收集34位健康个体在静息状态下的功能磁共振成像数据,分别构建单层网络和多层网络模型并进行社区检测,分析两种模型的模块划分差异、网络拓扑指标间的联系及脑节点的分类情况.研究结果表明:多层网络的模块数量和质量显著高于单层网络,两种模型的网络拓扑指标间存在显著相关性,多层网络将脑节点划分为21个provincial hubs,49个connector non-hubs和20个peripheral non-hubs.显示了多层网络在研究大脑动态性具有独特优势,揭示了大脑功能的模块化特征,为深入理解大脑动态性提供了重要的思路和方法. 相似文献
5.
相关分析能够找出研究现象之间的依存关系、相关方向以及相关程度,可以发现大数据集里隐藏的关联网络.本文面向语音响度变化认知问题,提出“差异度”的概念,利用相关分析构建大脑功能的复杂网络,探索深层的神经处理机制与脑认知新规律.提出一种短时窗分析方法,构建不同认知阶段的脑网络;基于不同刺激下节点度的拓扑特征,构建基于差异度的脑地形图,实现脑区之间数据关系的可视化表达和动态演化过程表达.结果发现,前额叶、右额颞区和右后颞区分别在听觉处理的早期、中期和晚期对声音响度变化具有显著响应.研究表明脑复杂网络构建与分析技术可以成为研究神经处理机制与认知规律的有效工具. 相似文献
6.
识别大脑功能网络的核心节点对于脑科学与脑疾病研究有重要的指导意义。目前,研究者普遍运用度中心性和k-core分解法来度量网络的核心节点,然而度中心性只考虑节点自身的邻居个数而忽略了其在网络中的位置。k-core分解法只考虑节点在网络中的位置而忽略了其自身的特性。本文综合考虑节点的度值及其在网络中的位置,提出了一种基于度值和节点位置相结合的核心节点评价方法。对正常被试大脑功能网络进行蓄意攻击仿真实验表明:与度中心性和kcore分解法相比,对采用新方法识别出的核心节点进行蓄意攻击后,网络的全局效率下降幅度最大;其次,依据文中提出的中心性指标,找到抑郁症患者和正常被试之间具有显著差异的脑区,并将这些脑区的中心性指标作为分类特征进行分类,使得分类的准确率提高了7%. 相似文献
7.
8.
9.
基于熟人和陌生人的视听觉信息,通过记录对应的脑电信号,对大脑在熟人和陌生人信息刺激下的认知机制展开研究.首先,通过记录被试在视听刺激下的脑电信号,得到对应不同刺激下的事件相关脑电位.通过计算不同导联间的相位传递熵构建有向功能网络,最后对重点网络参数进行分析.结果表明,相比陌生人信息诱发的有向网络,熟人信息诱发网络中关键节点的作用加强,网络聚集能力增强;熟人信息诱发网络的连接更加趋向于全脑化,不同脑区间的信息交换加强,整个网络结构更有利于完成对熟人信息的识别. 相似文献
10.
针对运动想象脑电信号(EEG)识别中信号随时间的结构动态变化与网络分离整合过程被忽视等问题,提出一种基于多层时变功能脑网络的运动想象特征提取方法.本方法截取运动想象有效片段投入EEGLAB进行信号预处理;依据滑动窗口方法,设定合适长度与步长,将信号分成连续且部分重叠的时间窗口,将时间窗口截获的脑电数据生成多个脑网络,以节点间锁相值构建多层时变网络模型.首先通过多层时变网络不同层的网络拓扑分析与层间相似度量指标自适应确定其中核心网络层,提取其节点度和聚类系数用以描述网络空间功能连接;然后结合多层参与系数和多层聚类系数,描述脑电信号网络动态变化与分离整合特征,并组合两者成为多层时变脑功能网络特征向量,完成运动想象识别任务.用支持向量机识别的结果表明:基于所构建的网络特征向量分类准确率高达89.14%,高出对比所用的单层网络特征6.61%. 相似文献