面向具身智能的网格细胞群表征空间认知方法

与基于结构化场景建模的传统导航算法不同,哺乳动物通过内嗅皮层和海马体中多种神经细胞的分工协作构建认知地图,实现了适用于非结构化场景且具有强鲁棒性、泛化性的导航.随着认知神经科学、人工智能等领域的发展,类脑导航在近年来受到了广泛的关注,成为实现“具身智能”中机器人环境认知与导航功能的可行方案.本文结合大脑空间认知机理以及同时定位与地图构建算法,提出了一种基于网格细胞群表征模型的移动机器人认知地图构建系统.在该系统中,网格细胞模型与位置细胞模型协同配合完成了位置表征、路径积分的功能.基于公开真实数据集的实验,验证了该系统在认知地图构建任务中的有效性与网格细胞群表征模型的度量特性.此外,这种脑启发式的认知地图构建系统为进一步揭示人脑的空间认知机理提供了有效的实验环境.     

无创式脑调制的神经效应研究进展

无创式脑调制(noninvasive brain modulation,NBM)技术是基于电磁感应原理,采用电场或磁场以非侵入的方式刺激中枢神经系统(central nervous system,CNS),进而改善脑功能.现在,它不仅是诊断和治疗神经精神疾病(neuropsychiatric disorders)的一个有效手段,同时也是研究脑生理和脑功能的常用工具,此外在探索认知、情感、记忆和语言等方面也有着巨大的应用价值.虽然,NBM技术在认知神经科学、神经生理学及神经精神病学等各个领域被广泛成功的应用,但是它对脑功能和CNS的调节机制目前还不清楚,这严重地限制了该类技术的进一步应用以及研发.NBM技术作用的共同规律是通过在脑组织周围产生感应电场来调节相应脑区的神经活动.因此,明确不同电场作用下神经元放电活动的演化规律以及相应的发生机制是揭示NBM技术神经调节机制的关键.本文首先介绍了NBM在神经科学中的应用现状,然后对近年来有关电场神经调节效应的研究成果进行了综述,包括电生理实验和计算模型仿真,最后对未来的研究方向进行了展望.     

基于认知图谱的心理实验标准化测试平台调研

当前精神障碍的诊断评估主要依赖于心理筛查量表和医生诊断,而很多精神障碍的临床表现比较复杂,且具有相似的外显临床症状,难以依靠现有测量方法从内在机制上进行精准区分.我们调研了国内外现有的心理实验测试任务集,分析并比较现有任务集的特征及优劣势,发现基于认知图谱构建心理实验标准化测试任务库,搭建网络和移动多种施测平台,有助于采集大规模的心理特征结构化数据.这些任务可用于构建客观、高效、可靠的精神障碍量化评估工具、指标和模型,以期对多重精神障碍进行多维度心理特征的量化评估,应用于复杂精神障碍进行精准分类,服务于精准医疗.更重要的是,标准化测试平台也将有助于正常人群认知行为测量,增强心理测试的标准性和可比性.     

基于心理生理学视角的共情研究:方法与特点

共情使个体能够理解并分享他人的感受,对人际交往有重要意义.近年来,基于量表、行为范式、生理信号等多个层面的共情研究方法有了长足进展,为研究不同维度的共情(如情绪共情、认知共情)的机制提供了多方面的信息.然而,由于"共情"缺乏统一定义,研究者根据各自理解开发了多样化的研究方法,这阻碍了对现有共情研究结果的比较和整合.本文基于情绪共情和认知共情两个维度对量表、行为范式、生理信号3个层面的常用共情研究方法进行了分类总结.首先,本文围绕共情概念、测量维度等方面简要介绍若干影响力较大的共情量表,如情绪倾向量表、霍根共情量表、人际反应指针量表等.其次,本文总结并比较针对不同共情维度的常用实验材料及行为范式的特点.再次,本文系统介绍如何在共情研究中利用面部肌电、脑电、脑磁和磁共振成像等方法提取共情相关的生理信号并分析其特点.最后,本文综合对比不同层面共情研究方法的特点,并建议研究人员根据研究需要谨慎选择研究方法.此外,针对当前共情研究存在的可比性问题和生态效度问题,建议对不同研究结果进行比较和整合时特别注意共情概念是否一致;未来研究需开发更具生态效度的行为范式,重点探究共情的动态加工过程.     

复杂生理信号的多重分形质量指数谱分析

生理信号属于非稳态的时变信号. 因此, 非线性分析方法能更好地揭示其特性与机理. 已有研究表明, 由复杂自调节系统产生的生理信号具有分形结构. 提出一种新的多重分形复杂度检测方法——质量指数谱分析, 着重刻画谱曲线的整体弯曲程度, 揭示分形结构复杂性. 方法描述了该谱曲线上所有相邻点对应分形维数差异的非线性叠加, 解决原有参数无法充分反映信号分形结构全部子集信息的不足. 用确定性分形系统Cantor集进行检验, 完全可以区分不同复杂程度的混沌序列, 并不受信号非平稳性及噪声干扰影响. 通过对人体心率变异性(HRV)信号和睡眠脑电(sleep EEG)信号统计分析, 可有效判别处于不同生理和病理状态的人群, 在运算速度和准确性上均比传统参数有一定提高. 该研究能够为临床应用提供有价值的信息.     

P300电位中p3b成分的脑电同步功能磁共振研究

采用脑电同步功能磁共振成像技术研究P300事件相关电位中与P3b成分相关的BOLD信号及其脑源定位. 11个受试者在1.5T功能磁共振扫描仪中进行一项Landot圆环作业, 测试过程中每隔4 s采用回波平面成像法对全脑进行一次扫描, 扫描时间为2 s, 扫描间歇2 s, 同时采用与功能磁共振扫描仪兼容的64导脑电采集系统记录受试者脑电信号, 并使用磁共振伪迹清除软件对信号去伪迹得到连续EEG波形. 另外, 设计了P300匹配滤波器检查每次靶刺激出现后的脑电信号段, 筛查出能够诱发产生P300波的靶刺激, 分析这些靶刺激发生前后的磁共振扫描图像序列, 建立磁共振统计参数图并进行校正, 最后完成多参数比较. 其中通过Random effects group方法发现双侧下顶叶和右上顶叶显著激活(P<0.001, 未校正). 研究表明以上区域是记忆比较P300任务中P3b成分的脑激活源, 它们参与这一任务的目标判断过程.     

结合台阵策略的震相拾取深度学习方法

深度学习的突破性发展及其在地震学领域的初步应用,为有效处理和利用地震资料提供了可能.震相拾取是地震资料处理中的基础性工作,目前已经提出了很多基于深度学习的震相拾取方法,取得了很好的效果.但是,为了满足地震学研究中处理连续地震记录的需要,尚需对方法进行进一步的改进.本研究针对性地设计了结合台阵策略,单独识别P波和S波的长时窗震相拾取深度学习模型PP(phase picker)及其训练方式,提出了具有实用性的震相拾取方法APP(array-assisted phase picker).利用阿里余震AI捕捉大赛和Hi-net数据进行测试的结果表明,模型能够有效地在连续波形上拾取体波震相并具有很好的泛化能力.通过比较该模型与其他模型(较短时窗的模型和同时识别P波、S波的模型)的拾取效果,验证了模型设计的合理性.具体的测试样例显示,该方法能够正确地处理地震密集的波形数据并能避免典型噪声的影响.将该方法运用到内蒙古地区台网的观测数据中,检测到了人工目录中98.1%的地震,地震拾取总数为人工目录数的30倍,进一步表明本研究方法具有很好的实用性.     

抑郁症认知功能损伤及异常脑机制研究进展

认知损伤不仅是抑郁症患者的重要症状,也阻碍着抑郁症状的消除和疾病的整体康复,因此,探讨抑郁症认知缺陷及异常脑机制对了解抑郁症的病因、诊断和治疗意义重大.本文从执行功能、注意、记忆、反应速度等维度讨论抑郁症认知功能缺陷,并阐述其背后的异常宏观脑活动和微观分子标记.未来研究我们建议借助心理认知任务定量评估抑郁症认知功能,同时采集患者多模态脑影像和神经生理数据,通过多维数据计算建模分析,探寻抑郁症潜在生物标记,进而对抑郁症进行生物亚型分类,为深入理解抑郁症发病机理和个体化诊疗提供科学依据.     

基于对称导联EEG特征分析的脑损伤部位判别

提出了一种基于对称导联的脑电(EEG)分析方法,以探讨脑电特征和脑损伤部位之间的对应关系,实现损伤部位的判别.研究样本由脑损伤导致的严重意识障碍患者25例(其中左侧损伤11人,右侧损伤14人)和对照组正常人8例组成.首先,提取安静状态下的脑电信号低频段(δ+θ)和高频段(α+β)的功率谱比值和近似熵2种特征参数,并分别计算对称导联的EEG特征参数的比值;然后,分析不同对称脑区的特征参数比值,基于此特征参数比值对损伤部位进行判别;最后将判别结果同CT图像诊断结果进行匹配对比.结果表明,严重意识障碍患者的脑损伤和未损伤部位对称电联之间脑电特征参数比值具有显著性的差异(P<0.05),基于对称导联EEG特征分析的脑损伤部位判别结果和基于病例CT图像的诊断结果相吻合.因此,基于对称导联的EEG分析法能够简便可靠地实现脑损伤部位的判别,在脑功能研究和临床辅助诊断中有一定的应用推广价值.     

融合多模态数据的自闭症谱系障碍儿童智能化识别及其有效性

自闭症发病率呈逐年上升趋势,早期发现和及时干预可以显著改善预后,能够很大程度上改善自闭症儿童的语言能力、认知能力以及行为习惯,因此,自闭症的早期识别工作意义重大.传统识别方法能够获得较好的识别结果,但过程耗时且高度依赖于专业人员的操作,而已有的智能化识别方法的识别精度难以满足应用需求.本研究探索了融合多模态数据的自闭症儿童智能化识别方法,通过对行为数据和认知数据的分析发现,自闭症儿童和典型发展儿童在眼动、面部表情、认知得分和认知反应时数据上存在显著性差异.本研究利用数据差异性分析进行特征选择,构建了融合多模态数据的自闭症儿童识别框架,该框架根据数据来源和时间同步性将数据进行分层融合,进而得到最终的识别结果.同时,将融合多模态数据的自闭症儿童智能化识别方法以及各单模态识别方法分别与传统方法识别结果进行一致性检验,验证融合多模态数据识别方法的泛化能力和有效性.结果表明,与各单模态识别方法相比,融合多模态数据的自闭症谱系障碍儿童识别与传统方法识别结果一致性程度最高,识别正确率与传统识别方法的正确率最接近,是一种有效的自闭症儿童智能化识别方法.     

欺骗的认知神经网络模型

欺骗是一种当事人有意试图让他人相信某种错误信念,从而为自己或他人获取利益或规避损失的心理过程.已有的研究为揭示欺骗的神经机制提供了启示,但欺骗这一复杂行为中大规模脑网络的整体性作用尚未得到足够的关注.本文总结了欺骗的相关理论和研究,以及欺骗行为涉及的认知和情感加工过程,并在此基础上提出了欺骗的认知神经网络模型.该模型中,欺骗行为产生于动力系统、情感系统、认知系统和执行系统之间的动态交互过程,而奖赏网络、突显网络、中央执行网络和默认网络的激活和相互作用是其背后的神经基础.模型建立了欺骗相关的研究和理论、心理过程、心理功能、脑区与神经网络之间的联系,并有望对欺骗行为及其神经机制作出更为整体性、系统化的解释.     

发展认知神经科学:人脑毕生发展的功能连接组学时代

神经影像技术促进了脑科学研究的巨大进步,促成了发展认知神经科学的诞生.作为心理学与神经科学的交叉学科,发展认知神经科学在揭示心脑关联的内在机制上发挥着越来越重要的桥梁和纽带作用.人脑毕生发展的连接组学机制是该学科研究的核心科学问题之一,它将有望从毕生发展的视角深度解析微观底层(如分子与激素水平)与宏观高层(如个体与社会心理行为)相互作用的神经机制.本文将介绍当前发展认知神经科学的最新进展及人脑功能在毕生发展不同阶段的具体特征;阐述人脑毕生发展轨线绘制和常模构建的可行性和必要性,同时对人脑毕生发展常模建构的一系列问题,如数据采集、分析和处理等的规范,及已有的工作基础、研究前景与面临的挑战进行系统性的讨论.     

焦虑的脑科学研究与临床应用进展

焦虑障碍是我国患病率最高的精神障碍,也是全球第六大致残原因.如何建立精准有效的个体化预防-诊断-治疗体系,成为当前亟须攻克的难题.焦虑障碍主要包括广泛性焦虑障碍(GAD)、惊恐障碍(PD)和社交焦虑障碍(SAD)的亚型;其发病机制和分型机制尚不清楚.本文系统综述了近年来临床焦虑障碍和亚临床焦虑的研究进展,特别是本团队的研究进展,重点从神经认知机制的理论模型和临床应用方面寻求新的见解和研究线索.基于经典认知模型、杏仁核和脑岛中心神经模型,以及静态脑网络模型,我们提出了动态焦虑脑网络模型:强调突显网络、执行控制网络、默认网络和感知网络之间的动态相互作用,这是情绪和认知控制交互作用的基础;网络间的神经振荡负责资源转换和信号同步;去甲肾上腺素系统,特别是蓝斑(LC)-去甲肾上腺素(NE)系统,通过神经递质调节上述过程.本文还总结了焦虑的诊断和预测指标,包括遗传特征、认知特征和神经生物标志物,特别强调了特异频段的神经振荡模式,以及动态脑网络连接,以预测个体化焦虑症状和其他精神疾病.通过在体脑成像、神经环路示踪技术、单细胞组学等技术,全面精准解析焦虑障碍的多维度发病机制,揭示国家一类创新药物GW1...     

16导脑电信号分形强度的交叉分布

通过分析人闭目觉醒时的16导脑电信号(EEG)的多重分形特性, 发现人脑16导EEG信号具有不同强度的分形特性且存在稳定的分布现象, 强弱分布表现为在人脑的左右对应区域强弱相对、同侧相邻区域强弱交叉; 顶区、额区、前颞区、后颞区的左右对应区信号的分形强度左强右弱, 且左右差别较大; 在枕区、中央区、前额、中颞区分形强度右强左弱, 且左右差值较小. 通过对40名病人和10名健康人的分析和对比, 病人组和健康组的对应导联信号的多重分形强度虽然不同, 但其强弱分布的关系是不变的. 同一导联信号相比, 精神分裂症和抑郁症病人各导信号的多重分形强度大于健康人, 这表明人脑EEG信号的多重分形强度在诊断人脑非正常状态有潜在的应用价值.     

人脑形态网络及其在脑发育研究中的应用

人脑是一个极其复杂的系统,数以万亿的神经元通过突触构成了庞大的连接网络,如何系统而全面地刻画大脑内部的组织模式一直是神经科学家致力解决的热点问题.随着非侵入神经成像技术的兴起,基于磁共振成像的脑网络研究为揭示人脑的复杂结构提供了新的契机.其中,脑形态网络因其图像易获得、质量稳定和分析方法简单等优势引发了研究者的广泛关注.传统的脑形态网络是利用一组受试者的某种形态学指标构建的被试间协方差网络,只能反映大脑形态的群组特征.个体水平脑形态网络则针对个体大脑刻画脑区间的形态相似性,保留了个体的形态信息.多指标甚至多模态数据的应用,进一步整合多种互补的结构信息,能够综合表征皮层形态的拓扑连接模式.近年来,脑形态网络在探究人类大脑发育进程方面体现了重要价值.研究发现,胎儿时期形态网络从高度模块化的原始状态开始逐渐整合,至出生时已形成小世界拓扑,出生后至童年早期网络变得分离,童年晚期至青春期又逐渐整合,初级网络率先达到成熟而高级网络长期持续发育.这些结论为理解大脑认知功能的形成和发育障碍的起源提供了重要的理论支撑.本文介绍了两种脑形态网络的构建方法和图论模型的基本概念,回顾了脑形态网络在胎儿、婴儿、...     

基于贝叶斯估计的神经信息流

判断神经网络之间的相互影响是一个重要的神经科学问题. 目前已提出了多种成熟的方法计算神经网络之间的耦合强度, 但是对于神经网络之间耦合方向(信息流)的研究还属于起步阶段. 一般的香农熵计算方法仅仅利用了样本重复概率的统计信息, 而贝叶斯估计则充分利用了整体先验知识和样本重复概率. 基于最小平方误差的贝叶斯估计提出了一种新的基于信息论的相位耦合方向指数计算方法. 经过集总参数神经网络模型所产生的仿真信号检验表明, 提出的方法能够准确地判断两个系统间的耦合方向, 并且减少了对数据长度的依赖性, 使分析短时高噪的复杂生物信号成为可能. 应用该新方法分析了癫痫病人临床信号, 结果表明该方法能判断出癫痫发作时各区域之间的影响方向, 并揭示了癫痫传播机制.     

创造性的大脑网络连接特征与研究展望

创造性是人类智慧的重要体现,其复杂的认知加工依赖于多个脑区的相互作用而非受单一脑区的调控.人脑连接组学的发展为深入揭示创造性的脑网络基础提供了可能,创造性的脑机制研究也正逐渐从局部脑区拓展到脑网络连接层面.功能网络研究表明,默认网络、突显网络、额顶控制网络的协作模式在创造性思维各阶段发生着动态变化;这些网络在静息状态下的功能协作也与创造性有密切联系,高创造性个体的大脑自发性神经活动具有灵活易变的特点.结构网络的证据进一步确认了默认网络与额顶控制网络分别负责不同类型的创造性认知能力,如远距离概念的检索生成与组合评估.基于创造性思维的双加工模型,已有研究认为,默认网络主要通过自发性联想在记忆系统中检索和提取新颖信息,控制网络负责根据任务要求对当前观点进行评估和选择,突显网络可能根据联想内容的新颖性负责默认网络和控制网络之间的灵活转换.未来研究需要不断整合创造性领域的数据资源,确定创造性的主要成分及对应的测评工具,结合多模态脑影像揭示创造性的功能网络动态协作模式及结构网络的独特作用,并利用多组学多模态的大数据优势实现对个体创造性水平的精准预测评估,探索创造性培养的有效途径和大脑可塑性机制.     

编者按

心理学的终极目标是要理解人的意识起源及其生物学基础,这首先要从研究人类行为出发.认知神经科学的兴起和发展反映了认知心理学和神经科学的交叉融合的趋势,它以理解人类的信息加工过程为核心,包括感知觉、注意与意识、学习与记忆、语言、情绪以及决策等,是一门探讨心理是如何被组织而产生意识和智能以及这些过程是如何在脑中实现的学科.对人类行为的研究,离不开各种技术手段的发展.在过去20多年里,脑科学、     

大视觉构想——记年轻的视觉科学家伊罗·西姆内斯利

用数学家求实的眼光来诠释人类的视觉,以巧妙的方法将这些知识转化为图像压缩技术——传统上,神经科学分为理论和实验两部分。理论学家通常专注于理想化的数学抽象,游离于基于真实的实验生理数据之间;而实验神经科学家则不屑于研究这些问题,认为它们太理论化于自己没有什么实际用途。对此,纽约大学霍华德-休斯医学院的视     

计算神经科学

计算神经科学的最终目标,是要阐明大脑是怎样使用其电信号和化学信号来表达信息、处理信息的。这一目标并不是新近才提出来的,但在近10年内,它在许多方面已经发生了变化。神经科学的进展,使我们现在对大脑有了更多的了解;更强有力的计算装置的出现,使我们能够对神经系统进行真实的仿真研究;对一些大规模神经元网络简化模型的研究,使我们得到了许多新的真知灼见。人们利用脑模型,正在把通过分子、细胞技术获得的微观水平上的知识与通过行为研究获得的系统水平上的知识联系起来。