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．     

睡眠剥夺对大脑状态影响的时-频-空分析

结合脑电信号EEG的小波变换和非负矩阵分解,寻求正常睡眠和睡眠剥夺（sleep deprivation,SD）两种条件下,大脑状态在时域、频域和空域的主要差异,探讨其发生机制,并建立综合评价方法．为此,获取两种条件下11名受试者的听觉诱发电位,对脑电gamma频段做小波变换得到时频信息,采用ANOVA统计计算每个时频点的F检验值,对此进行两分量的非负矩阵分解结果表明,SD引起的大脑状态变化主要发生在40Hz左右,刺激后约400ms处的额叶和前额叶位置．基于此,分别从时频复合域、时域和空域的角度来分析具体的变化,发现SD引起gamma振荡减少,活动时间延迟,额叶功能区兴奋性降低,推断SD的作用机制在于降低了神经元的活动和同步化效应．分析表明结合EEG的小波变换和非负矩阵分解,可以建立一条从时、频、空三域全面评价大脑状态主要变化的途径．     

老年性痴呆症患者的EEG近似熵特征初探

老年性痴呆症是一种后天获得性中枢神经系统退行性疾病，严重地危害着人们的身体健康和生活质量，为了探索老年性痴呆症脑电图中隐含的信息，对老年性痴呆症患者和健康对照者的脑电图（EEG）近似熵进行分析，并绘制其脑电脑电信息图，对照健康人，发现患者EEG近似熵普遍下降，尤以右额叶，颞叶区显著，提示EEG近似熵与大脑功能状况有一定联系，在一定程度上可以反映大脑功能状态。     

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．     

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4~8 Hz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。     

培养神经元网络自发活动规律性和复杂度分析

采用近似熵（approximate entropy,ApEn）的新统计方法衡量神经元不同自发放电活动时间序列数据的规律性和复杂度,对多电极阵列上培养的海马神经元网络自发活动的复杂度进行研究．结果表明不同自发放电活动的近似熵动态变化曲线有明显差别．静息期时近似熵值范围1．0-1．2;典型爆发活动时近似熵值呈现迅速下降而后上升再下降小幅振荡（0．2-0．6）;而伪爆发活动时近似熵值在0．2—0．7范围,沿平行时间轴的某一直线上下波动;连续发放锋电位时近似熵值在0．8-0．9范围;而随机单发锋电位时近似熵值0．6—0．8范围．以上分析结果说明近似熵动态变化曲线能够体现爆发活动和锋电位发放过程的规律性和复杂度变化,并可以有效地识别培养神经元网络自发的不同电生理信号,因而在神经元电信号分析中有着潜在的应用价值．     

近似熵在大鼠状态识别中的应用

以大鼠作为实验动物,采用近似熵的方法,分析大鼠初级视觉皮层的自发脑电信号,从而判别大鼠安静、睡眠和活动3种状态.实验结果表明,采用近似熵算法,使用较短的数据就能对大鼠的状态进行有效识别,减少了冗余的计算量,解决在复杂隐蔽环境中对大鼠状态的识别问题.     

基于近似熵的认知能力对事件相关电位的影响研究

选择青年组、血管性痴呆(VD))组以及与VD同一年龄段的正常老年组作为被试人群,其中VD组又依据简易智能量表的测试结果细分为轻度和重度VD组.采用视觉通道诱发的oddball实验模式,并对事件相关电位(ERP)信号进行近似熵分析.通过对不同被试组的近似熵对比发现,重度VD患者近似熵在整个实验过程中基本保持稳定,没有显著变化,而其余被试组随着刺激任务的开始,近似熵下降,随着任务的结束,近似熵升高.其次,轻度VD组的近似熵值明显高于老年组和青年组,尤其是在任务反应阶段其差异程度更为显著.ERP的近似熵分析较为清晰地展现出具有不同程度认知能力的被试者在执行认知任务过程中脑活动的变化,有效地反映了其大脑认知加工的过程和能力的大小.因此,近似熵为VD的早期诊断及程度分级提供了一个有效的途径.     

运动态人脑默认模式网络脑电信息传递动力学行为分析

为探究人体进行运动相关任务时大脑默认模式网络与其他脑区间的连接规律，基于运动及运动想象脑电信号公开数据集，通过快速傅里叶变换对不同状态下的脑电信号划分频段并进行滑动加窗处理，得到静息与运动态下同皮层不同频段的平均时间序列。采用动态传递熵的构造方法，分析默认模式网络到运动皮层、默认模式网络到前额叶皮层的信息交互，并在多个数据集下进行显著性检验。将动态传递熵的分析方法结合逻辑回归、决策树、XGBoost算法对不同任务进行分类研究，结果表明：大脑不同皮层功能区在进行不同任务时具有显著差异；相较于静息态，前额叶皮层和运动皮层在运动过程中更加活跃，γ频段相较其他频段也更加活跃；相较于静息态，运动态及运动想象态下默认模式网络到运动皮层、默认模式网络到前额叶皮层的信息交互都更强烈，其结果在不同样本空间的显著性检验P值小于0.025,此方法稳健；脑电信号动态传递熵方法可以将机器学习算法的分类准确率提高20%以上。研究可为运动态脑电信号辨识提供理论参考。     

Effects of sleep deprivation on gamma oscillation of waking human EEG

This study compares and evaluates the effect of sleep deprivation （SD） on human brain cognition by analyzing the recorded EEG data under normal and 24 h sleep deprived states. EEG auditory event-related potentials were collected from 14 healthy volunteers, and the statistical values of wavelet-transformed EEG in gamma band were decomposed by parallel factor analysis （PARAFAC） to identify where the differences appeared in the time, frequency and spatial domains. The results showed that the changes of brain states caused by SD appeared around 40 Hz at about 400 ms after stimulation on prefrontal and frontal lobes. Negative effects of SD on neuronal activity and oscillation were observed. The analysis of the EEG data by the wavelet transform and PARAFAC can be an integrated way to estimate the change of brain states in the three domains.     

基于对称导联脑电信号分析方法的脑损伤区域的判别

为研究采用脑电信号判别脑损伤的部位,提出了基于对称导联的信号分析方法。首先,获取安静状态和唤名刺激下脑电数据,提取脑电信号的近似熵和频谱特征;然后,分别计算对称导联的EEG特征,并对损伤区和非损伤区两组的特征值进行单因素方差分析;最后,选取一个病例,分析不同部位的特征参数比值进行损伤部位的判别,并同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极之间脑电特征参数比值具有显著性的差异(P0.05)。单一病例的分析结果表明,采用本文提出的方法所得出的判断结果是正确的。因此,该方法能够简便可靠地实现脑损伤部位的判别,在临床辅助诊断中有一定的应用推广价值。     

脑疲劳状态下脑功能网络研究与分析

旨在研究连续长时间脑力活动引发的脑疲劳对大脑连接性的影响,探索大脑疲劳评价的客观指标.通过持续认知任务实验诱发脑疲劳,选用互相关方法对采集到的脑电信号进行了不同导联间时域关联特性分析,构建并比较分析了正常态和脑疲劳态的脑功能网络.最后基于复杂网络理论对脑功能网络的特征参数进行了统计分析.结果表明,持续认知任务后,主观感觉疲劳程度显著增加,脑功能网络的平均度、平均聚类系数和网络密度与正常态相比均显著降低,而平均路径长度显著增大.脑功能网络参数可以很好地反映脑疲劳后大脑的连接性变化情况.     

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。     

功能性近红外光学成像在运动认知神经科学中的应用

 运动认知神经科学是运用运动认知神经科学技术,探讨运动改善大脑认知功能的多学科交叉领域。近年来,fNIRS成为该领域新兴的热点技术。研究发现,在单任务步行中老年人的前额叶激活水平比年轻人激活水平更高,而在双任务步行中,老年人前额叶激活水平更低;中等强度急性有氧运动是提升认知水平和增强大脑激活水平最佳锻炼方式,而缺氧状态下运动则会损害认知功能;长期有氧运动或高强度间歇运动能提升认知成绩和大脑激活水平,但对老年人而言,长期运动可能会降低大脑激活水平。未来fNIRS研究应排除运动情境中系统生理因素对大脑皮层激活影响,加强长期运动对认知功能脑机制的随机对照实验研究,运用多模态脑成像方法系统全面地考察运动认知神经机制,积极探索运动认知领域的运动处方。     

基于复杂网络构建与分析技术的语音响度差异神经处理机制研究

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.     

基于非线性特征提取的EEG信号支持向量分类器

为提高癫痫脑电(EEG)信号的正确识别率,设计了一种基于非线性特征提取的EEG信号支持向量分类器.分类器首先将EEG信号通过四层小波包变换分解到不同频段,然后计算各频段小波系数的近似熵(ApEn)值,作为特征向量,最后使用支持向量机(SVM)进行分类.实验结果显示该分类器能有效提高正确识别率.