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。