正负面情绪刺激下自闭症谱系障碍儿童的脑电信号分析

自闭症谱系障碍(autism spectrum disorder, ASD,简称自闭症)是一种神经发育障碍,通过脑电活动研究可以对自闭症儿童脑功能发展进行客观评价.在个体社会发展中情绪认知能力十分重要,自闭症儿童的情绪认知缺陷对其社会互动能力造成了极大的影响,阻碍了自闭症儿童的社会性发展.本研究主要通过分析情绪视频诱发被试儿童产生正面与负面情绪过程中的额叶、颞叶、枕叶等脑区的脑电活动,并结合情绪性能指标和认知水平,探索自闭症儿童和典型发展儿童的各自表现以及其脑电差异性.实验共招募80名儿童(自闭症儿童组:40名;典型发展儿童组:40名),通过快速傅里叶变换方法对被试儿童脑电分脑区进行功率谱分析,并探索情绪组别间效应.发现自闭症儿童脑波总体呈现出低频(delta, theta)和高频(beta, gamma)功率过大而Alpha频段功率较低的特点,且不同脑区的差异程度不同.通过比较正负面两种情绪刺激下基于脑波功率得到的情绪性能指标与认知的问答情况发现,自闭症儿童在不同情绪刺激下的情绪变化远小于典型发展儿童,并在正面情绪下有更高的兴趣度与参与度.此外,其情绪认知、空间认知等6个方面的认知情况均低于典型发展儿童,认知问答正确率较负面情绪下高.本研究为提高自闭症儿童情绪认知干预训练提供了客观依据.     

基于多重因素混合设计和眼动追踪的自闭症谱系障碍儿童情绪面孔识别

自闭症谱系障碍儿童普遍存在情绪面孔识别和理解的缺陷,是导致其社交/沟通障碍的核心来源.本研究选取了82名年龄在2～7岁的儿童,包括自闭症(ASD)儿童31名,典型发展(TD)儿童51名,基于多重因素混合设计实验,探索影响ASD儿童情绪面孔识别的主要因素及其交互作用;通过眼动追踪技术分析ASD儿童情绪面孔识别的注视特征及加工模式,以及其对情绪面孔识别任务的影响.结果发现,被试类型、表情类别及表情强度对识别正确率具有主效应,各因素间存在交互作用并共同影响ASD儿童的情绪面孔识别能力;同时情绪面孔识别正确率及反应时在性别和年龄方面存在显著差异;ASD儿童对动态表情的识别能力显著优于2D和3D静态表情,具有动态加工优势.与TD儿童相比,ASD儿童存在特异性情绪面孔加工方式,对面孔区域的平均注视点及注视时间偏低,并且多关注嘴部及无关背景信息、较少注视眼睛等特征区域,倾向于局部特征加工方式.研究结果表明,表情材料、表情类别、表情强度及被试年龄和性别等因素共同作用并影响ASD儿童的情绪面孔识别能力,并且具有动态加工和嘴部注视的优势效应;动态表情更符合真实生活情境,可以作为情绪面孔识别干预的有效训练材料;特异性的面孔加工方式及眼动特征有助于理解ASD儿童的情绪面孔识别障碍,并可以辅助ASD儿童的早期识别.     

自闭症儿童头部旋转运动人际同步缺陷及其与自闭特征的关系

自闭症儿童在社会互动中身体运动的人际同步低于典型发展儿童.除身体运动外,头部旋转运动在互动中也传递了交流信息.为探索自闭症儿童头部旋转运动的人际同步是否也表现出这种缺陷,本研究招募了47名4～6岁的儿童,包括自闭症谱系障碍(autism spectrum disorder, ASD)儿童23名、典型发展(typically developing, TD)儿童24名,以及15名教师,采集了每名儿童与熟悉的教师间社会互动的视频,并比较了ASD组和TD组在yaw、pitch和roll三个方向上头部旋转运动的人际同步.为进一步理解头部旋转运动同步与自闭特征的关系,采用自闭症谱系商量表测量了自闭特征并与头部旋转运动同步进行了相关性分析.结果发现, ASD组儿童与社交同伴的头部旋转运动是同步的,但是yaw和roll方向上的同步程度低于TD组.儿童在互动中表现出的yaw方向上的头部旋转运动同步与自闭特征中的注意转换呈显著负相关.结果表明,自闭症儿童的头部旋转运动表现出人际同步缺陷,这一缺陷与其注意转换相关.本研究从注意的角度揭示了自闭症儿童在自然社会互动过程中的社交行为特点,具有较好的生态效度,有助...     

基于个体差异的大样本脑影像数据在心理学研究中的应用

心理学研究通常借助认知神经科学的技术手段,揭示人格、认知以及情绪等心理结构的脑机制.然而,以往的研究结果通常会受到被试样本量较小、实验设计和数据分析技术的制约.同时,个体在行为反应、认知或情绪加工中所表现出的个体差异也容易被忽视.人类的行为活动是基因、脑和环境相互融合、相互关联统一的有机过程.因此,调查个体成长的相关环境因素和生活经历,并收集相关的人格、情绪和认知等大样本化的行为、多模态脑影像数据,有利于从个体差异的角度探讨:(1)人格特质个体差异的神经基础;(2)情绪相关的个体差异的神经基础;(3)认知能力的神经基础;(4)建构环境-人格-大脑-行为反应相互关联的预测模型.本文选择性地阐述近期国内外一系列探讨大样本脑影像与行为之间关系的研究,从个体差异的角度探讨行为活动、人格、情绪以及认知能力的神经基础.     

饮食对自闭症的影响研究进展

自闭症是一种发育障碍类疾病,患者常出现严重的行为异常,丧失语言能力和社会交往能力,生活基本不能自理,并且可能需要持续一生的治疗.随着发病率的攀升,自闭症已经给患者家庭和社会造成了严重的社会和经济负担.自闭症的病因和机理尚未完全明晰,尚缺有效的治疗或干预方法.目前的研究表明,饮食与自闭症关系密切,不良的饮食习惯,食物中的有害物质,对营养物质的吸收、利用和代谢异常,可能影响免疫、内分泌和能量代谢系统,最终影响大脑的发育.食物是肠道微生物的重要影响因素,而肠道微生物对人体健康至关重要,且通过微生物-肠道-脑轴(菌肠脑轴)影响大脑的正常工作和发育.食物中的营养、促生长物质及本身负载的微生物为肠道微生物的生长和组成提供了充足的物质基础.饮食干预不仅能改善自闭症患者的营养状况,还能缓解一些胃肠道症状以及睡眠、刻板、自残、多动和暴躁等异常行为,甚至社交和语言能力等也有所好转.其中,给自闭症患者服用益生菌,在明显改善患者的肠道菌群的同时,自闭症症状得以改善.因此,将肠道微生物作为自闭症的诊断和干预靶标正在引起广泛关注,饮食、肠道微生物与自闭症的关系正在成为当前的研究热点.     

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.     

肠道微生物与自闭症研究进展

自闭症是一种严重的神经发育障碍,其患病率急剧上升,不符合哈迪-温伯格平衡,表明环境因素对其影响远大于遗传因素.自闭症与肠道微生物失衡及肠-脑轴异常密切相关.由于肠脑发育与头脑发育同步,因而在婴幼儿发育的关键期肠道微生物发育异常可增加自闭症风险.肠道微生物可通过代谢产物、免疫、神经内分泌以及迷走神经等途径影响自闭症.特定有益微生物菌株主要通过微生物-肠-脑轴、调节微生态平衡和抗感染、调节宿主代谢和吸收、改善肠漏等方式改善和治疗自闭症.益生菌以肠道菌群为靶点或可成为自闭症有效辅助治疗方法.本文对近年来与肠道微生物相关的自闭症研究进行综述,为我国今后全面防治自闭症提供人体共生微生物领域的参考.     

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.     

面向大社交数据的深度分析与挖掘

社交网络在线化是大数据时代的典型特点,也是大数据产生的重要原因之一.本文从大数据的特点着手,结合互联网络尤其是在线社交网络的发展趋势,介绍大数据在提升国家信息产业科学化水平、引领新型互联网经济发展、推动社会学与信息科学交叉发展等方面带来的重大机遇;分析在线社会网络中存在的关键问题,阐述网络大数据研究在语义理解与分析、多模态关联与融合、群体行为分析与挖掘、多维分析与可视化、系统的研发与集成等方面面临的巨大技术挑战,以及当前国内外在大数据分析和在线社交网络领域的主要研究工作;总结和展望网络大数据研究的未来方向和前景.     

孤独症儿童脑电与眼动追踪研究

孤独症谱系障碍(ASD)是一种复杂脑发育障碍,儿童时期是孤独症问题行为诊断和干预的关键时间窗.本研究基于脑电和眼动追踪来探索孤独症儿童和正常儿童的发展规律.实验1为脑电发展研究,共招募351名年龄范围为3~9岁的儿童(孤独症组:80名,健康对照组:271名),记录静息态脑电,通过Pwelch方法对儿童脑电进行相对功率谱分析,并建立线性模型探索年龄和诊断组别主效应.结果发现,随着年龄的增长,孤独症儿童慢波波段相对功率谱的发展趋势和正常组具有相似的下降趋势,但是在alpha波段,孤独症儿童的发展趋势与正常儿童存在着显著偏差.实验2为眼动注视模式研究,共招募了293儿童(孤独症组:104名,健康对照组:189名),以一岁作为间隔对孤独症儿童兴趣区域注视时间统计分析,发现孤独症儿童注视共同注意缺失,而更多注意视频材料中的背景和身体部分.经研究表明,脑电神经振荡活动和眼动注意特征可用于儿童发展的客观发育评价,并能揭示脑电特征和注视行为模式随年龄变化的规律,有助于孤独症儿童的早期识别.     

描述辐射场的新设想

考虑到一个波函数不能描述单个体系而只能描述一个系综,我们建议用一对状态矢量来表示一个体系的状态。本工作将这一建议用于辐射场的描述,结果内容丰富。 首先考虑辐射场中的单模态,用q_0=(k_0,e_2)标记它的波矢和极化矢量。这单模场的状态按照我们的建议由下面一对状态矢量确定:     

抑郁症患者的表情及微表情识别

选取不同程度的临床抑郁症患者和与之匹配的健康人为被试,采用宏表情识别测验、短暂表情识别测验和微表情识别测验3个研究范式,分别从宏表情、短暂表情和微表情3个方面考察被试识别表情及微表情的能力,探究抑郁症患者与健康人之间表情及微表情识别的差异.结果显示,抑郁症患者表情识别正确率普遍低于健康人,微表情识别绩效低于宏表情,并且表情及微表情的识别绩效与HAMD抑郁量表得分存在负相关.这些结果说明,临床抑郁症患者的表情加工缺陷不受表情呈现时长的影响,对表情及微表情的识别绩效在某种程度上反映了抑郁严重程度.     

多媒体信息检索研究进展：从检索到推荐再到生成

正人类通过视觉、听觉、触觉、嗅觉等从周围环境中获取信息,大脑对这些感知信息进行加工实现认知能力,例如产生记忆和知识、进行联想和想象,并用语言描述所见所闻和万事万物。在人类社会发展的历史长河中,一直在探索利用外物对越来越多信息进行存储和检索。在计算机发明以前,主要借助纸张等对信息进行记载,并用关键词索引进行检索。计算机诞生之后,信息开始用文本、图像、音频和视频等越来越多模态的数字媒体数据进行存储。     

基于面孔加工异常的孤独症儿童识别

眼动追踪技术在孤独症谱系障碍的早期诊断中具有潜在的应用价值.为研究孤独症儿童对不同面孔加工的特点,应用机器学习算法对其进行自动识别,本研究选取3～6岁孤独症儿童40名和性别、年龄相匹配的正常儿童41名观看异国陌生面孔、本国陌生面孔和本国熟悉面孔,根据两组儿童眼动坐标数据,使用机器学习算法进行自动划分兴趣区、特征选择和分类,来判断不同面孔的扫描模式是否可以用于识别孤独症儿童,并从准确率、特异性、敏感性和可靠性4个方面对分类模型进行评估.结果显示,基于不同面孔扫描模式的机器学习算法可以提取足够的信息来区分孤独症和正常儿童,最大分类准确率为90.28%,对应AUC(area under the ROC curve)为0.9317.因此,眼动追踪技术结合机器学习能够为临床诊断提供辅助的评价指标.     

面向脑电数据的知识建模和情感识别

心理科学研究依赖于对生理、心理数据的分析,情感是心理研究的重要内容.近年来随着认知神经科学研究技术的成熟,研究者利用脑电(electroencephalogram,EEG)等可以反映脑功能活动的生理信号,直接研究情感问题,如情感识别、情绪脑等.但是,生理信号将会产生TB级甚至PB级的数据量,认知研究和临床神经科学在过去几十年中已产生大量生理数据,对这些大数据的表示和情感知识挖掘需要更高级的工具.构建能够表示数据含义和情感相关知识的模型,能够给心理研究者提供一个知识共享平台,以便使用这些大数据进行情感方面的科学研究.本文构建一个可以表示EEG数据语义和被试者上下文信息的本体模型,并基于该模型使用推理引擎进行基于EEG生理信号数据的自动情感识别.实验结果表明,模型在e NTERFACE 2006数据集上能够以99.11%的平均准确率识别被试者的情感状态,并从实验结果分析发现基于EEG数据情感识别最关键的特征是Beta波与Theta波的绝对功率比.     

不同时间尺度的静息态功能脑网络对抑郁症识别的影响

研究显示,功能连接为特征被用于抑郁症机器识别的研究受到人们关注,但不同时间尺度的静息态功能脑网络能捕获抑郁症神经病理信息的水平尚不明确,对抑郁症识别效果的影响也未知.本研究采用非线性回归方法,建立了不同时间尺度的脑网络对抑郁症识别效果影响的模型,并阐明了典型时间尺度的脑网络所捕获的抑郁症病理信息.研究分析了64例临床抑郁症和53例健康对照被试的数据.首先,建立功能脑网络,获得抑郁组显著的功能连接;其次,将显著连接输入支持向量机训练、测试,获得敏感、特异以及精确度;再次,建模识别效果随时间变化的规律,获得识别效果的模型.初具识别能力的网络时间尺度约为46个重复时间(repetition time,TR),主要捕获后扣带回与眶额叶皮层间,右眶部额中回与左角回间,左回直肌与左海马间强化的功能连接.获得最好识别效果的网络时间尺度约为114个TR,且多捕获了右角回与双侧顶下缘角回、额中回间,左杏仁核与左缘上回、右中央沟盖间弱化的功能连接.随时间的增加,脑网络可能捕获某些与抑郁症不直接相关的连接,使识别效果降低.因此,抑郁症识别效果随静息态功能脑网络时间尺度的增加呈现倒U形趋势.这将为进一步研究抑郁症的神经病理机制和提高其智能识别效果提供参考.     

基于神经网络技术的星图识别方法

星敏感器是一种高精度的姿态敏感测量系统, 如何实现星敏感器的星图识别是姿态测量的关键. 由于星图识别问题可以认为是一种模式识别, 根据这个特点, 提出了一种基于神经网络技术的星敏感器的星图识别方法, 并设计了一个包含多个并联BP子网的识别系统. 通过用PC机模拟星图识别过程, 表明此过程用神经网络技术来实现有效的克服了传统算法在识别成功率、识别时间与存储量之间的矛盾, 并且容易实现.     

燃煤颗粒物三模态的有效识别

为有效识别燃煤颗粒物模态, 提出了一种新的基于Al元素粒径分布的识别方法, 结果证明燃煤颗粒物实际上呈三模态分布, 而非传统的双模态分布. 分析表明超细模态产生于无机物的气化-凝结过程, 粗模态主要由熔融矿物的聚合形成, 而中间模态主要由气态组分在细小残灰颗粒上的异相冷凝/反应生成. 对S元素粒径分布的研究进一步证明了Al元素粒径分布在燃煤颗粒物三模态识别中的合理性和有效性. 研究表明利用Al元素粒径分布不仅能有效识别颗粒物三模态, 而且能准确地定义各模态的分界粒径, 比常用的质量或体积等粒径分布具有更大的优越性, 为深入揭示颗粒物的形成机理及其物化特性表征提供了新的研究思路.     

趣闻

正儿童多吃鱼有助睡眠美国一项新研究显示,每周至少吃一次鱼的儿童不仅睡得更好,而且智商也会提高。因此,相关研究人员建议,应尽早让儿童吃鱼,最早10个月大就可以。该研究报告日前发表在英国《科学报告》杂志上。鱼类富含的OMEGA-3脂肪酸不仅能提高认知能力,还能改善睡眠,但鱼类摄取、提高认知和睡眠改善间究竟存在什么关联?为此,美国宾夕法尼亚     

大数据融合的城市暴雨内涝灾害应急管理述评

日益频发的城市暴雨内涝灾害已成为快速城镇化建设中急需应对的严峻挑战;但当前与暴雨内涝相关的气象数据、灾情数据和社会经济数据等尚未能有效融合,不能快速有效地生成内涝灾害应急决策方案,这成为灾害应急管理的障碍.本文从城市暴雨内涝灾害大数据融合的几个方面入手,分别评述了大数据的本体技术、数据融合方法、数据降维与灾害识别、灾害的社会经济损失评估,以及应急决策的生成与评估方法等相关理论与实践进展,并对未来研究进行了展望.最后指出,在大数据融合背景下开展城市暴雨内涝灾害的应急管理研究,具有丰富的理论和实践价值.