基于多层时变功能脑网络特征的运动想象识别

针对运动想象脑电信号(EEG)识别中信号随时间的结构动态变化与网络分离整合过程被忽视等问题,提出一种基于多层时变功能脑网络的运动想象特征提取方法．本方法截取运动想象有效片段投入EEGLAB进行信号预处理;依据滑动窗口方法,设定合适长度与步长,将信号分成连续且部分重叠的时间窗口,将时间窗口截获的脑电数据生成多个脑网络,以节点间锁相值构建多层时变网络模型．首先通过多层时变网络不同层的网络拓扑分析与层间相似度量指标自适应确定其中核心网络层,提取其节点度和聚类系数用以描述网络空间功能连接;然后结合多层参与系数和多层聚类系数,描述脑电信号网络动态变化与分离整合特征,并组合两者成为多层时变脑功能网络特征向量,完成运动想象识别任务．用支持向量机识别的结果表明：基于所构建的网络特征向量分类准确率高达89.14%,高出对比所用的单层网络特征6.61%.     

基于时变特性的多层脑网络拓扑属性分析及脑疾病分类

多层脑功能网络已经广泛应用于疾病的诊断。现有研究大多利用动态功能连接的改变诊断疾病,极少探索多层网络拓扑属性对疾病分类的影响。目前主要通过计算所有单层网络拓扑属性的均值或标准差来表征多层网络拓扑属性,但这忽略了有代表性的特定属性值及拓扑属性整体分布情况的影响。因此,提出基于统计指标的多视角多层脑网络拓扑属性计算方法,综合表示网络的拓扑结构。具体来说,在现有方法的基础上,引入极差、相对极差、离散系数计算多层网络拓扑属性,并用于疾病的分类。结果显示,无论是自闭症还是阿尔兹海默症的诊断,基于相对极差、离散系数视角的分类准确率均显著高于传统方法。这表明,本研究所提出的方法有效提高了疾病的分类效果且具有较好的可扩展性。同时,多视角融合特征获得最好的分类结果。因此,从多个角度表征多层脑网络的拓扑特征,有利于更好地识别精神疾病,从而在临床诊断中具有重要的应用价值。     

基于链路预测的脑功能网络重构方法及应用

【目的】传统的静息态功能磁共振成像脑网络构建方法可能存在虚假链接或者缺失边，网络表达不够准确，重复测量的稳定性有待进一步提高。【方法】基于3种局部信息指标和4种节点定义策略，将链路预测算法用于脑功能网络重构，并利用两组测试数据对重构网络拓扑指标的可靠性进行分析。【结果】实验结果表明，重构网络提高了重复测量的稳定性。此外，利用重构网络对阿尔兹海默症(alzheimer’s disease, AD)患者脑网络进行组间差异分析，结果发现重构网络存在显著的组间差异，符合已有研究结果。     

基于脑电的磁刺激神门穴脑功能网络研究

研究磁刺激神门穴状态下与静息状态下9名健康被试的脑电信号样本,分别构建两种状态下的脑功能网络,并对不同的网络测度进行分析.首次从复杂网络角度探索神门穴的治病机理,期望为穴位磁刺激疗法提供实验参考.分析结果表明磁刺激神门穴时脑电信号之间的关联系数值相比静息状态下降低,平均聚类系数、平均最短特征路径长度以及平均度在阈值区间均发生显著变化,小世界属性指标增强,并存在显著性差异(P<0.01).磁刺激神门穴状态下各节点通道间的紧密程度降低、连接情况较为松散、网络中各节点同步能力减弱、效率降低、网络规模减小,这时的大脑很可能处于一种比较镇静的状态而有利于睡眠的产生.     

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.     

基于样本熵的磁刺激穴位加权脑功能网络研究

脑功能网络的构建与分析可帮助探究大脑工作机制。本研究旨在构建并分析磁刺激内关穴脑功能网络,为探索针灸学作用机理提供理论依据。目前,为简化网络计算的复杂性,很多相关研究集中于二值脑功能网络,忽略了节点间连接强度。本研究采集磁刺激内关穴前、中、后3种状态的脑电信号并基于样本熵和互信息方法构建3种状态下反映节点间真实连接程度的加权脑功能网络;利用复杂网络理论对3种状态下加权脑功能网络拓扑性质进行对比性分析。实验结果表明,刺激状态与刺激前状态相比,网络的平均度、平均聚类系数、全局效率均有提高;刺激状态与刺激后状态相比,网络的平均度、平均聚类系数、全局效率整体也呈增强趋势;刺激后状态与刺激前状态相比,除少数被试的网络拓扑特征基本保持不变或小幅度减少外,其余均呈增长趋势,且增长程度不同,考虑与刺激的累积效应和个体差异有关。研究结果表明,磁刺激内关穴使网络各通道间连接强度提高,集群化程度加强,信息传递效率提高。     

脑网络组学构建分析及应用研究

大脑是自然界最为复杂的系统之一。脑网络作为复杂网络理论在神经科学中的重要应用,极大程度上表现了不同尺度的脑结构或功能连接模型,提供了解释人脑这一复杂系统在结构组织及信息加工模式等问题的重要工具。同时,脑网络在脑疾病的临床应用研究中,也已证明很多脑疾病,在网络层面中均体现了不同程度的拓扑结构差异。这些成果为在系统水平上揭示脑疾病的病理机制提供了新的思路。笔者将以脑网络研究为重点,介绍脑网络的构建方法,包括不同影像类型下节点及边的定义方法;关联矩阵的阈值选择及稀疏度的划分方法;网络度量指标的计算,包括度、小世界属性、模块化等;脑网络的比较方法及其在抑郁症的临床应用及未来可能的研究方向。     

基于神经元连接的脑网络减边演化算法

神经元间的连接以先增大后减小的方式演化,这提示了大脑神经元网络在演化过程中存在“剪除”过程。以“剪除”为启发,本文首先使用数学方法对大脑网络进行建模,然后基于大脑网络中的神经元连接方式,设计了网络减边演化算法。最后,考虑布线消耗和信息传输之间的效率,建立了大神经元优先与距离优先的演化博弈模型,探索该模型对脑网络拓扑结构特性的影响。实验结果显示,在此演化过程中呈现了中心节点度≈200、小世界特性S>1和高效率代价比等性质, 表明该算法能够有效模拟仿神经元剪除机制。上述算法和模型为有效模拟高效低能耗的脑网络提供了一种新途径。     

孤独症儿童静息态脑电Gamma频段功能网络研究

有研究表明,孤独症儿童的功能障碍可能和脑电中的Gamma频段异常有关。通过采集17例孤独症儿童和17例正常儿童睁眼静息态脑电,利用定向传递函数方法计算导联间的因果连接,构建Gamma频段(35~50 Hz)功能网络。用图论方法分析两组差异。结果表明相同阈值下,孤独症儿童脑功能网络全局效率、局部效率以及节点度均低于正常对照组儿童。提示孤独症儿童认知、行为异常可能与其大脑Gamma频段连接较弱、信息整合效率较低有关。     

基于解剖距离的功能脑网络建模方法研究

为了分析解剖距离对静息态功能脑网络建模的影响,在解剖距离的基础上将节点共同邻居引入到功能脑网络的建模中。设计三个模型,分别是基于解剖距离,节点共同邻居个数和解剖距离与节点共同邻居个数。借鉴残差的方法创建最优静息态功能模型网络评价标准。在每种模型网络中选出最优的模型网络。然后将每种模型中的最优网络与真实数据fMRI网络对比选出能够最大程度模拟真实网络的模型网络。结果证明在AAL模板下单独基于解剖距离建立的功能脑网络能最大化的模拟真实的网络。     

基于rs-fMRI数据的脑功能网络构建与分析

从脑网络的角度研究大脑功能脑区之间的连接关系,对于理解大脑的工作方式乃至探究精神疾病的病理机制具有重要意义。本文基于静息态功能磁共振成像(rs-fMRI)数据,计算264个脑区间的相关性,提出了3个合理的假设来确定相关系数阈值,构建出相应的脑功能网络。通过计算网络的聚类系数和平均最短路径长度等属性,结果表明脑功能网络具有小世界特性。针对脑区节点数大于信号时间序列长度情况下的偏相关计算,提出了一种矩阵变换法,获得脑区间的偏相关系数,能够消除其他节点的间接影响。最后在标准脑图上实现了脑功能网络连接关系的可视化。实验证明本文的构建和分析算法是可行的,为脑功能网络分析提供了有益的探索。     

多radio无线mesh网络跨层路由协议

与传统的无线多跳网络不同,多radio无线mesh网络的路由器是固定的,节点具有异构性。提出一种协作的异构多radio无线mesh系统路由设计模型,该路由协议模型按路由发现过程,分4个子模块,分别为半同步式邻居发现机制r、adio异构刻画的路由metric、分层的信息发布模型、满足业务需求的路由算法。该路由协议模型对多radio的异构性进行了刻画,采用分层协作方式共享网络拓扑信息。实验证明这种适应异构无线环境的跨层路由设计方案比传统方案更符合用户需求。     

多层航线聚合网络建模及相关性分析

为研究航空公司航线网络结构特征,基于复杂网络理论以机场为点,机场间的直通航线设边,建立由46个航空公司子网络聚合的多层航线网络模型,计算并分析其参数指标。结果表明:航空公司航线网络分布具有明显地域偏好性和较短平均路径长度;网络平均度与网络密度、聚集系数呈强正相关性,与平均路径长度有强负相关性;航线规模与网络直径无明显关系。聚合后的多层航线网络具有明显的小世界网络和无标度网络特性;节点度对网络指标影响最大,与网络中心性指标、介数呈强正相关,与点聚集系数和最短路径呈负相关性;介数与介数中心性具有强正相关,与特征向量有弱的负相关性;聚集系数与网络其他指标均呈负相关性;最短路径与网络接近中心性和特征向量中心性影响最大。     

基于节点相似性有偏游走的多层时序网络节点重要性评估

时序网络中关键节点的挖掘引起了社会广泛的关注。针对时序网络建模中存在忽略时间信息、未考虑时间切片间的交互关系进而影响关键节点识别的准确性和科学性的问题,构建了多层时序网络模型,并提出了一种基于节点相似性有偏游走的关键节点识别算法：多层时序有偏PageRank（MTB-PR）。本文中网络模型的构建引入多层网络分析方法,完整涵盖了时序网络的结构演变。同时,基于所构建的网络模型,综合层内相邻节点间相互作用及其层间影响的双重因素来区分节点的不同影响力;通过数据分析,探讨了一些偏差参数变化对节点重要性能指标的影响。最后,将模型和算法应用于真实网络中,通过实验数据验证了该方法的合理性和有效性。     

基于局域社团的人类脑功能网络生成模型

研究了人类脑功能区域间拓扑结构与解剖结构两种因素对脑功能网络建模的影响,提出了基于局域社团的人类脑功能网络生成模型.模型中的局域社团拓扑结构采用功能区域间的共同邻居及邻居间的局域连接表示,解剖结构用人脑区域间的解剖距离代表.为了衡量模型生成网络与基于fMRI数据构建的真实数据网络之间的相似性,提出了用于校验网络间接近程度的相似性能量指标.实验结果表明,相比传统生成模型,基于局域社团的脑功能网络生成模型在网络效益、聚集系数、模块性、度分布等属性方面都能够更精确地模拟真实数据网络.     

无线传感器网络能量模型

随机抛洒的无线传感器节点形成何种逻辑拓扑结构将直接影响高层通信协议和网络运行能耗,而合理使用有限能量资源是无线传感器网络研究的核心问题.基于传感器节点工作能耗分布特点和数据传输能耗模型,建立传感器节点能量模型和网络传输模式模型,对单跳传输和多跳传输两种方式下的网络总能耗和单节点能耗进行理论计算,并分析不同网络拓扑结构对网络能耗和网络运行的影响.通过理论计算推导出不同网络拓扑结构和传输模式下无线传感器网络总能量消耗公式和网络能耗分布规律,为设计能量有效的无线传感器网络拓扑结构提供指导,为实现无线传感器服务质量体系下的高层通信协议提供理论基础.     

基于分层同步的脑结构和功能网络关系研究

脑通过结构分割和功能整合达到局部专注又整体协作的工作模式,因此了解脑结构网络和功能网络之间的关系对深入理解脑活动具有重要意义.将耦合神经元群模型作为脑结构网络中的节点,其协同动力学可以重现脑神经活动的主要特征.基于模型分层同步的时间序列,构造脑功能网络并通过对比脑结构与功能网络的拓扑研究二者的关系.在猫和猿猴脑结构网络上进行的分层同步实验表明,脑结构和功能网络具有相似的连接模式,分层同步活动与结构网络的层次结构具有一致性,并基于结构网络中节点之间的相似性对二者的一致性进行了定量研究.数值试验的结果支持了脑结构网络的分层结构是脑功能分割和整合的基础,并且脑功能的整合和分割是通过神经元集群的协同活动实现的.     

基于B/S和C/S的多层网络环境下的综合教务管理系统设计

将B／S技术和C／S技术结合，进行多层网络环境下综合教务系统的设计．从层次和功能等多个方面对系统进行了分析和说明．通过中间件技术解决了各个模块之间的数据共享和联系，最后给出了自动排课等技术难点的算法．     

静息态功能脑网络核心节点评价方法及其在抑郁症分类上的应用

识别大脑功能网络的核心节点对于脑科学与脑疾病研究有重要的指导意义。目前,研究者普遍运用度中心性和k-core分解法来度量网络的核心节点,然而度中心性只考虑节点自身的邻居个数而忽略了其在网络中的位置。k-core分解法只考虑节点在网络中的位置而忽略了其自身的特性。本文综合考虑节点的度值及其在网络中的位置,提出了一种基于度值和节点位置相结合的核心节点评价方法。对正常被试大脑功能网络进行蓄意攻击仿真实验表明:与度中心性和kcore分解法相比,对采用新方法识别出的核心节点进行蓄意攻击后,网络的全局效率下降幅度最大;其次,依据文中提出的中心性指标,找到抑郁症患者和正常被试之间具有显著差异的脑区,并将这些脑区的中心性指标作为分类特征进行分类,使得分类的准确率提高了7%.     

基于神经元连接模式的脑网络减边演化博弈算法

神经元间的连接以先增大后减小的方式演化,提示了大脑神经元网络在演化过程中存在"剪除"过程。以"剪除"为启发,首先使用数学方法对大脑网络进行建模;然后基于大脑网络中的神经元连接方式,设计了网络减边演化算法。最后,考虑布线消耗和信息传输之间的效率,建立了大神经元优先与距离优先的演化博弈模型,探索该模型对脑网络拓扑结构特性的影响。实验结果显示,在此演化过程中,呈现了中心节点度约为200、小世界特性S1和高效率代价比等性质,表明该算法能够有效模拟仿神经元剪除机制。上述算法和模型为有效模拟高效低能耗的脑网络提供了一种新途径。