学前儿童静息态脑功能网络研究述评

静息态技术在探讨脑加工网络方面有独特的优势,并迅速被医院及科研单位应用推广。以往静息态技术大多数用于成人和学龄儿童的实验研究,这些研究并不足以揭示早期脑加工网络发展的特点与规律。儿童神经科学借鉴该研究技术具有广阔的发展前景,一些研究借助于静息态技术探讨了学前儿童脑加工网络,推动了儿童脑科学研究领域的发展。但是,由于儿童实验对象难以获得,该领域目前的研究数量十分有限,而且在儿童脑功能发展理论的探索,统计方法技术等方面都存在一些缺陷与不足。因此,研究拟对儿童脑加工理论、研究方向、发展趋势及研究方法等方面加以深入分析与讨论。     

静息态人脑功能网络的小世界特性

研究了静息态下健康人脑的功能连接模式有助于理解人脑在正常或疾病状态下的功能活动规律.利用小波变换从健康志愿者静息态的功能磁共振成像中提取时间序列,计算90个脑区的相关性,设定阈值建立脑功能网络的无向简单图,然后计算特征路径长度和聚类系数,并对度分布进行拟合.结果显示:脑功能网络具有规则网络的大聚集系数又具有随机网络的小特征路径长度,度的拟合显示具有指数截断幂律分布,即脑功能网络具有小世界特性.     

大学新生网络成瘾的静息态脑功能结构特征

为了找出涉及网络成瘾(IAD)机制的关键脑区,同时探查IAD者脑功能和结构特征,招募IAD组和对照组大学新生被试,扫描和比较分析静息态功能磁共振和结构磁共振数据.结果表明:网络成瘾者的右枕叶和右舌回的静息态脑自发活性呈亢进,左眶额叶呈降低;右海马旁回、右枕叶和右舌回的皮层灰质密度显著降低;右枕叶的功能和结构异常水平都与网络成瘾量表(IAT)分显著相关.右枕叶在网络成瘾的发病机制中的作用值得进一步探察.     

基于光学脑成像的抑郁症前额皮层静息态网络的研究

抑郁症患者通常表现出心境低落,并且伴随许多认知和生理症状. 文中使用功能性近红外光谱成像技术(fNIRS)来测量28名抑郁症患者和30名对照组8 min前额皮层的自发血液动力活动. 通过图论和拓扑分析对大脑前额皮层静息态网络属性进行分析,结果表明,抑郁症患者前额皮层网络表现出异常的模式：显著降低的网络密度（低的平均节点等级）、显著降低的聚集程度（低的聚类系数）、显著降低的网络信息传输效率（高的平均路径长度）以及显著增加的随机性（低的小世界属性）. 这些结果表明使用近红外光谱技术能够揭示抑郁症患者脑网络的异常特性.     

静息态亚健康失眠脑功能网络分析

针对亚健康失眠者根据匹兹堡睡眠质量指数筛选被试参与实验,利用128导脑电（EEG）分析仪,提取静息态64导脑电信号,通过多通道脑电信号同步性分析,脑功能网络的构建和分析,研究亚健康失眠者与健康人脑电信号的特异性差异,同时进一步比较分析亚健康失眠者与健康人脑电的负相关特性.分析结果表明亚健康失眠者与健康人相比,脑电信号同步性降低,脑功能网络的连接减弱,大脑的活跃度降低,并且这种差异性在脑电负相关特性中表现更为明显.     

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。     

基于机器学习的静息态人脑功能活动差异的分类研究

本研究在睁眼(eyes-open,EO)和闭眼(eyes-closed,EC)两种静息态下提取了45位健康被试的脑功能参数比率低频振幅(fractional amplitude of low frequency fluctuation,fALFF)和局部一致性(regional homogeneity,ReHo)数据,比较并分析了基于线性核的支持向量机(SVM)、基于RBF核的支持向量机、朴素贝叶斯、决策树、随机森林和自适应增强(Adaboost)6种机器学习方法在数据上的分类效果.实验表明,对单一特征数据分类时,朴素贝叶斯算法对fALFF数据的分类效果最好,线性核的SVM算法对ReHo数据的分类效果最好;对fALFF和ReHo数据相融合的多层次特征数据分类时,朴素贝叶斯算法的分类效果最好.此外,本研究对单一特征数据与多层次特征数据在6种机器学习方法上进行分类比较,结果表明利用多层次特征数据时,基于RBF核的SVM,朴素贝叶斯和随机森林算法的分类效果有所提升.本研究基于不同机器学习方法和不同层次特征数据的分类比较,为EO和EC静息态脑功能活动和其他脑病理的研究提供了相关的参考依据.     

基于随机分块模型的静息态功能脑网络可信度优化

为了提高静息态功能脑网络可信度,引用基于随机分块模型的网络重构方法对脑网络进行重构。通过网络指标的分析,验证该方法在脑网络中的适用性,找到网络中的虚假边;采用网络最大联通子集的方法来分析虚假边对网络连通性的影响。实验结果表明,该方法可用于脑网络的重构,通过重构可以找到影响脑网络连通性的虚假边,提高了连通性的可信度。     

静息态脑功能成像评价平衡针对正常人的中枢作用

目的:应用静息态脑功能磁共振成像技术,探讨平衡针的中枢作用机制.方法:选择10名健康志愿者,于针刺平衡针前后分别进行磁共振腩功能成像扫描,应用功能连接方法处理功能磁共振(fMRI)成像数据,针刺前后两组数据采用组间配对t检验统计分析.结果:针刺后的双侧颞中回、双侧眶上同、双侧尾状核头、双侧岛叶、左侧腹背侧核、双侧额上回...     

基于静息态fMRI的人脑功能网络的小世界特性

从19个健康志愿者静息态的功能磁共振成像中提取了时间序列,计算了90个脑区的功能相关性,设定阈值建立脑功能网络的无向简单图,然后计算了一些网络测度.结果显示人脑功能网络具有小世界特性;性别分层后并没有发现各网络测度在全脑水平有显著性的性别差异.     

静息状态脑活动及其脑功能成像

目前应用无创性磁共振功能成像技术的脑功能成像研究常把无任务的静息状态作为对照,特定的脑功能区活动是任务状态脑活动与对照状态相减所得.但是近年来研究发现,所谓静息状态时大脑也存在功能活动.显然这种脑活动将会影响与目的任务相关的脑功能成像结果以及对这种结果的解释.因此理解静息状态脑活动及其生理意义,对解释脑功能成像的结果以及全面了解大脑功能具有重要意义.文中就静态脑活动的研究背景、存在证据、活动特点、生理意义及其功能成像研究进展做简要评述.     

利用多模态光学脑成像研究前额叶静息态功能连接

多模态光学脑成像包括近红外光谱及漫射相关谱,前者探测大脑皮层的血氧代谢水平,而后者测量皮层的脑血流.皮层血氧代谢和血流是不同的两类血液动力学参量,可以从不同方面反映大脑的神经活动强度. 本研究利用多模态光学脑成像测量了人脑前额叶的静息态功能连接. 10个正常成年人参加了实验测量,分别用近红外光谱和漫射相关谱在前额叶的相同位置记录了大脑8分钟的自发波动信号,测量覆盖区域包括左侧额下皮层及左背外侧前额叶. 低频段血氧代谢信号（包括含氧血红蛋白、脱氧血红蛋白及总血红蛋白浓度）用来揭示基于血氧信号的静息态功能连接,而相同频段的脑血流信号用来确定基于脑血流的静息态功能连接. 两类血液动力学参量的静息态功能连接均揭示：背外侧前额叶区域内的连接大于背外侧前额叶与额下皮层之间的区域间连接,显示相邻的背外侧前额叶和额下皮层是不同的功能区域. 此外定量比较基于两类血液动力学参量的功能连接发现,基于血氧代谢的连接有更大的连接强度,表明在同一个功能区内,静息时血氧代谢信号的时间同步性更高.     

静息状态下脑网络建模及功能连接特性

实验采集静息状态下功能磁共振成像数据,经预处理后结合种子相关分析方法、t-检验法以及复杂网络理论和方法构建正常人脑功能网络.针对脑网络构建中种子相关分析法存在阈值设定随意性大的问题,引入两个原则,即设定的阈值需保证网络的整体性和小世界特性,使建立的脑网络模型充分具有实际系统的特征.在建模基础上进一步研究脑网络功能连接特性,发现网络具有明显的小世界特性;并通过计算网络中心化指标推测出后扣带回、楔前叶、楔叶以及顶上小叶等是静息状态下脑功能网络的关键脑区.     

脑信息特征的评价分类方法

对脑信息处理的能力特征量和总体偏离度特征量进行了确定性评价分类.在分类数上,提出了common分类法,以一般人的特征作为分类基准,在common两边展开,以确定分类数.在分类边界上,提出了根据特征量的正态分布确定分类边界的方法.若特征量分布不是正态分布,则采用了博克斯和考克斯变换将其变为正态分布,最终得到能力特征量和总体偏离度特征量的分类规则.由于人的行为是脑信息处理在宏观上的表现,所以其研究成果可直接用来评价人的能力和行为特征.     

Group Lasso方法的脑功能超网络构建及分类研究

传统的超网络构建方法受到脑区间组效应的影响,所构建的超边存在一定的随机性,从而缺少解释分组效应信息的能力,最终降低了分类准确率。提出了一种基于Group Lasso的超网络构建方法,并将其应用在自闭症患者的自动诊断中。利用该方法所构建的超网络,将传统方法中单一变量的选择替换为组变量的选择,即在预先定义的变量组的基础上进行变量选择。结果表明,与传统超网络构建方法相比,基于Group Lasso的超网络构建方法可以有效地去除组效应的影响,并提高分类准确率。     

节点属性的功能脑网络连接方法比较研究

为了比较构建功能脑网络时,不同功能连接定义方法所构建脑网络的可信度,弥补传统方法忽略网络结构特征的不足,提出了基于节点属性,通过多种网络结构属性,研究不同功能连接定义方法所构建功能脑网络差异的方法,比较功能脑网络的可靠性。实验结果说明,本方法对衡量网络连接定义之优劣非常有效。此外,实验结果还表明对于使用皮尔逊相关、偏相关与小波相关方法所构建功能脑网络边的可靠性而言,皮尔逊方法优于小波相关方法,偏相关方法略差于小波相关方法。     

慢性吸烟者的脑静息态fMRI局部一致性研究

为了纵向研究慢性吸烟者在未戒烟和戒烟一段时间后静息态局部脑功能活动发生的变化,本文结合功能磁共振成像(fMRI)和局部一致性(ReHo)方法,对12名慢性吸烟的健康志愿者,在未戒烟和戒烟一周后的脑静息态扫描数据进行组内比较分析,结果:与未戒烟状态相比,吸烟者戒烟一周后额叶(左侧眶内额叶、右侧额中回、右侧背外侧额叶)、左侧楔前叶、左侧后扣带皮层、左侧楔叶和右侧初级运动皮层的ReHo显著降低;双侧颞上回、左侧距状裂沟回、左侧舌回、左侧梭状回、左侧海马旁回、右侧中央后回和左侧豆状壳核的ReHo显著增强。研究表明,慢性吸烟者在戒烟一周后上述脑区的神经元活动一致性发生了变化,这为ReHo应用于戒烟疗法提供了一定依据。     

不同节点尺度下基于共同邻居的功能脑网络建模方法研究

采用脑网络的结构特性与功能特性相结合的建模方法,探索了3种不同节点尺度下的建模效果好坏。结构特性采用解剖距离;功能特性采用共同邻居这一相似性指标,从脑网络的全局属性与局部属性的角度分析了建模效果,并提出了一种评估构建的模型网络与真实网络的拟合相似程度的指标E值。结果表明,采用共同邻居相似性这一指标,在3种尺度下构建的脑网络与真实网络的属性拟合程度不同,90个节点下的拟合程度最好,其他2种次之。     

粗糙神经网络方法及其在HSV疗效分类上的应用

引进了一类粗糙神经网络算法，研究了其性质、特点，并应用该算法对用高选择迷走神经切断术（HSV）方法治疗后的十二指肠溃疡病人的疗效进行分类。结果表明，该算法较粗糙集算法明显提高了分类正确率。粗糙神经网络算法具有极高的应用价值及应用前景。     

基于局部差异最小生成树脑网络的抑郁症分类研究

传统的最小生成树特征提取方法使用局部可量化指标来分类脑疾病,忽略了低权重的连接和集群在大脑网络中信息处理的重要作用,造成网络中一些有用信息的丢失。较其他网络特征而言,其特征有效性和分类准确率都明显偏低。为解决这些问题,本文以最小生成树拓扑指标作为特征,在局部差异最小生成树脑网络上进行提取特征并构建分类器,在抑郁症患者数据集上进行验证。实验结果显示,该方法相比于传统最小生成树特征提取方法可以提供更多有效特征,能够有效地提高分类精度。本文提出的新方法可以为脑网络的构建以及特征提取提供重要的可参考依据,也有助于医学辅助诊断和脑疾病的研究。