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．     

睡眠剥夺影响大脑功能区状态的非线性评价

采用近似熵研究睡眠剥夺（sleep deprivation，SD）对脑认知功能的影响，评价SD引起的大脑功能区状态的非线性变化．12名受试者在正常睡眠和一夜SD之后分别接受视觉注意力测试，记录自发脑电和诱发脑电，采用二维插值构建19导脑电近似熵脑信息图（brain information map，BIM）．结果表明，在SD状态下，自发脑电的近似熵在全脑范围内有不同程度的下降，额叶处大脑偏侧性发生变化，复杂度的中心从左脑转移到右脑；前额叶处诱发脑电近似熵值降低，而顶叶和颞叶处则升高．脑电近似熵可以作为指标来评价SD对脑认知功能的负向影响，BIM的变化趋势与从生理学及影像学角度的分析相吻合，与线性方法的研究结论一致，在一定程度上可以反映大脑功能状态，提供一条评价脑功能区状态变化趋势的思路．     

过度使用互联网对脑电时频特性的影响研究

应用小波变换以及非负矩阵分解的方法研究了过度使用互联网对脑电时频特性的影响．采用经典的oddball刺激实验,分别采集过度使用互联网者与正常受试者在新奇刺激出现时的事件相关电位（Event—related potentials,ERP）,并利用小波变换以及事件相关谱扰动提取ERP的gamma节律时频信息,然后对其ANOVA统计计算的F检验结果进行两分量的非负矩阵分解．结果发现,过度使用互联网导致ERP的P300波幅降低（p〈0．05）,潜伏期延长（p〈0．05）,另外对于gamma节律的影响主要发生在刺激后300ms,频率范围在4050Hz内,主要集中在大脑的中央顶部．此结果说明过度使用互联网对大脑进行信息的整合和编码造成了影响．     

脑损伤后综合征患者脑CT与事件相关电位的研究

探讨脑损伤后综合征患者的事件相关、脑CT和认知功能。应用听觉oddball序列刺激的事件相关电位方法对脑损伤后综合征患者30例（病人组）,健康人30例（对照组）进行比较。病人组较对照组P3潜伏期延长,波幅降低,经统计学处理有显著性差异（P＜0．05）。病人组脑CT检查有病灶者P3潜伏期延长,波幅降低更显著。事件相关电位检测和头频CT对研究损伤后综合征患者的认知功能变化有重要作用。     

过度使用互联网对脑电时频特性的影响研究

应用小波变换以及非负矩阵分解的方法研究了过度使用互联网对脑电时频特性的影响.采用经典的oddball刺激实验,分别采集过度使用互联网者与正常受试者在新奇刺激出现时的事件相关电位(Event-relatecl potentials,ERP),并利用小波变换以及事件相关谱扰动提取ERP的gamma节律时频信息,然后对其ANOVA统计计算的F检验结果进行两分量的非负矩阵分解.结果发现,过度使用互联网导致ERP的P300波幅降低(p<0.05),潜伏期延长(p<0.05),另外对于gamma节律的影响主要发生在刺激后300 ms,频率范围在40-50 Hz内,主要集中在大脑的中央顶部.此结果说明过度使用互联网对大脑进行信息的整合和编码造成了影响.     

睡眠剥夺下人脑功能脑网络分析

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。     

体育运动和体育锻炼领域内ERP的研究

0前言 事件相关电位fERP）也称诱发电位．是人们的大脑在对某一刺激信息进行认知心理加工过程中．在头皮上记录到的脑电位变化。它是以与某种作业有时锁关系的脑电（EEG）信号为基础．将EEG平均叠加得到的脑电活动。ERP的晚成份是与心理因素关系最为密切的一种成份，含5个主要的波：P1、N1、P2、N2、P3，（狭义上ERP是指p300）。     

基于多导脑电特征的生理性精神疲劳分析

通过对4种生理性精神疲劳状态下4导脑电信号进行功率谱和小波熵特征分析，研究了脑电信号各节律相对功率以及小波熵与生理性精神疲劳程度之间的关系，并分析了它们在不同生理性精神疲劳状态下的变化规律及其相关性．实验分析结果表明，脑电信号各节律的相对功率以及小波熵平均值与生理性精神疲劳程度之间存在很强的关联性，对于不同的生理性精神疲劳状态，随着生理性精神疲劳程度的增加，其脑电信号的小波熵平均值逐渐降低，θ、α和β节律高频快波相对功率的平均值逐渐降低，而占节律高幅度慢波相对功率平均值逐渐增加．脑电信号各节律的相对功率以及小波熵平均值有望成为衡量生理性精神疲劳程度的指标．     

精神分裂症患者攻击行为与事件相关电位P300的相关性研究

目的探讨P300作为精神分裂症患者攻击行为的脑电生理学预测因子的可行性。方法采用病例对照研究方法,收集30对有或无攻击行为的精神分裂症男性患者。对两组患者的人口学资料、简明精神病量表（BPRs）各因子分、修改版外显攻击行为量表（MOAS）总分和各因子分、冲动量表（BIS-11）总分、敌意量表（BDHI）总分和各因子分、P300潜伏期及P300振幅进行比较和分析。结果①两组在婚姻状况、文化程度、职业、精神分裂症首次发病年龄、病期、治疗情况、自杀史、早年不良家庭环境方面的分布差异均无统计学意义（P〉0．05）。②研究组MOAS总分、MOAS自身及对他人攻击因子分、BIS-11总分、BDHI总分、BDHI躯体攻击因子分及易激惹因子分均高于对照组,差异均有统计学意义（P〈0．01）。③研究组中央顶部（Cz）事件相关电位P300振幅比对照组降低,P300潜伏期比对照组延长,差异有统计学意义（P〉0．05）。结论有攻击行为的男性精神分裂症患者比非攻击对照组事件相关电位P300（CZ）潜伏期延长,振幅降低,提示男性精神分裂症攻击个体可能存在更严重的认知功能障碍。     

基于脑电节律的小波熵分析方法

 针对现有小波熵方法的影响因素分析不明确,影响认知特性的分析结果和可比性,本文确定了分解层数和P_n（第n个子空间信号能量与信号总能量之比）的选择和计算原则,在此基础上结合脑电节律特性,提出了一种基于节律特征的脑电小波熵分析方法,以构成节律信号的所有子空间为单元,统计所有子空间的能量和作为该节律的能量,经过计算得到脑电节律小波熵。基于该方法提取的脑电小波熵值描述了脑电节律信号的分布情况,同时结合小波熵值与脑电节律的联系,分析了小波熵值变化的原因,可追溯到脑电节律信号的变化规律,进而分析相应的认知特性,初步建立了脑电信号-脑电节律-脑电节律小波熵-认知特性的联系。     

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.     

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．     

诱发电位的关联维数研究

研究了视觉刺激前后脑电(EEG)以及视觉诱发电位的非线性特征,计算了单次和多次叠加平均情况下EEG的关联维数,结果表明:诱发电位具有一定的非线性特征,诱发电位的关联维数低于自发脑电,说明诱发电位的复杂性低于自发脑电.     

睡眠脑电的非线性动力学方法

在8例健康成年人的睡眠脑电监测实验基础上,利用已有的专家人工分期结果,提取睡眠各阶段特征数据,应用近似熵、复杂度和功率谱熵三种方法进行分析,从客观量化的复杂性度量来刻划睡眠深度的变化情况,对每个睡眠分期选取5000点数据,数据窗取1000点,逐次延时一个采样间隔得到几个时间序列,分别求复杂度,最后取均值即得此分期复杂性测度值,结果表明三种方法均与专家人工分期结果相吻合,近似熵算法复杂不适合在线分析;复杂度算法较简单,但数据粗粒化处理容易丢失信息;功率谱熵算法简单、快速及有效,因而用统计分析方法分析,表明功率谱熵能较好地反映睡眠深度的变化情况。     

运动对事件相关电位(P300)的影响

P300作为事件相关电位中最稳定的成分,在认知研究过程中得到广泛应用,被视为观察心里的"窗口",多数研究发现适量的体育运动可使P300的峰值增大,潜伏期减少。     

心算任务下脑电信息传输

通过计算多导脑电的互信息传输时间序列的复杂度,研究了心算任务和安静状态下不同认知水平的对象脑电特异表现.结果表明,不同的实验状态、不同认知能力的被试者以及大脑的不同部位均可对互信息复杂度产生显著影响.抑郁症在心算任务下的互信息传输复杂度显著低于（P<0.001）安静闭目状态下的复杂度,而正常对照组虽然在心算任务下的脑电互信息传输复杂度也较安静闭目状态时有所下降,但不具有统计意义.据此推测,完成认知作业时的脑电互信息复杂度在一定程度上反映了认知水平的不同.     

心算负载任务对事件相关电位信号特征影响的研究

事件相关电位是神经科学研究中重要的一种认知电位,也是脑机接口中常用的特征信号之一。心算任务引起的心理负载能够诱发事件相关电位。常用的信号特征主要为时域波形特征。无法全面分析评估特征特点。研究中设计了三种心算任务,时域上研究诱发的事件相关电位的波形特征,频域上利用格兰杰因果关系分析方法研究任务脑功能网络连接,探讨三种心算任务诱发事件相关电位特征信号的效果和特点。为构建基于ERP特征信号的脑机接口新范式提供理论依据和技术支持。     

Altered brain response to verbal learning following sleep deprivation

The effects of sleep deprivation on the neural substrates of cognition are poorly understood. Here we used functional magnetic resonance imaging to measure the effects of 35 hours of sleep deprivation on cerebral activation during verbal learning in normal young volunteers. On the basis of a previous hypothesis, we predicted that the prefrontal cortex (PFC) would be less responsive to cognitive demands following sleep deprivation. Contrary to our expectations, however, the PFC was more responsive after one night of sleep deprivation than after normal sleep. Increased subjective sleepiness in sleep-deprived subjects correlated significantly with activation of the PFC. The temporal lobe was activated after normal sleep but not after sleep deprivation; in contrast, the parietal lobes were not activated after normal sleep but were activated after sleep deprivation. Although sleep deprivation significantly impaired free recall compared with the rested state, better free recall in sleep-deprived subjects was associated with greater parietal lobe activation. These findings show that there are dynamic, compensatory changes in cerebral activation during verbal learning after sleep deprivation and implicate the PFC and parietal lobes in this compensation.