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。     

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.     

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。     

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.     

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 homoge-neity,ReHo)数据...     

基于近似熵静息态fMRI的大脑功能性别差异研究

引入度量时间序列复杂度的近似熵(ApEn)方法探讨健康年轻成人静息态下大脑功能性别差异.利用功能磁共振成像(fMRI)技术对74名健康年轻成人(其中:男36名,女38名)进行扫描以获取静息态fMRI数据,使用DPABI软件进行数据预处理,采用ApEn方法比较健康男女大脑功能活动,确定健康男女大脑功能活动的差异区域.结果发现,较男性健康组,女性健康组在右侧枕中回、右侧角回、右侧颞中回及双侧楔前叶的ApEn值更高;较女性健康组,男性健康组在右侧梭状回、右侧枕下回、右侧舌回、左侧额中回及左侧背外侧额上回的ApEn值更高.该结果表明,静息态下大脑功能活动存在性别差异,尽管差异区域与以往线性方法得到的结果并不完全一致,但都一致认为这些差异可能与大脑结构以及行为和认知上的性别差异有关.     

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.     

三招解决失眠困扰

虽说亚健康失眠不是病,但长期睡眠质量不佳会导致免疫力下降,精神不振,加速衰老,记忆力也会严重衰退。事实上,令人苦不堪言的亚健康失眠也并非无法治疗和预防。有关专家给出了三种办法．让你轻松摆脱这一痛苦。     

静息态脑区的活动特征研究

静息态脑区的活动处于一种相对稳定的状态。但是,静息态机能性磁共振成像(functional Magnetic Resonance Imaging,fMRI)实验中,被试者可能会受到各种噪声的影响,因此,统计分析所得到的静息态脑区的活动强度和体素数都可能受此影响。为了更进一步研究静息态脑区的活动特点,分别对16名被试采集了8′14″的静息态fMRI数据,将这些数据按照时间等分为5个部分,对每个部分分别采用低频振幅方法进行分析。实验结果显示:楔前叶和后扣带皮层包含活动体素的个数随时间变化较小,处于一种相对稳定的状态;额内侧皮层和顶下小叶中活动体素个数随时间变化差异较大,处于不是很稳定的状态。实验结果表明,静息态脑区中,楔前叶和后扣带皮层对于外界噪声的干扰不敏感,额内侧皮层和顶下小叶对于外界噪声比较敏感。     

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.     

任务背景下腹侧注意功能网络的fMRI研究

基于静息状态的功能磁共振成像(functional MRI,fMRI)已经成为当前人脑功能研究的重要手段之一,本研究采用任务背景来获取一种更为\"纯净\"的静息状态,其中脑区的\"任务背景\"被定义为那些不会激活感兴趣脑区的任务.由于到目前为止还不清楚在\"任务背景\"下人脑除默认网络外的其他\"高级\"功能网络内部是否被中断,本文研究了人脑听觉背景下腹侧注意网络内部的功能连接.结果表明在听觉背景下该网络内部存在显著的功能连接,这一结果说明简单的感觉任务不会中断人脑的腹侧注意网络.本研究首次证明在任务背景下,除默认网络之外,人脑还有一些高级功能网络内部存在显著功能连接.     

基于线图的无权脑超网络超边学习及融合特征分类

脑功能超网络已广泛用于脑疾病的分类诊断中.在现有研究中,研究人员集中于改进脑功能超网络的构建却忽略了脑超网络拓扑对于分类诊断的影响,大多使用节点特征表征脑网络的拓扑.而研究表明超边信息能够弥补超网络的特征,同时超边间的传递有助于整体学习.考虑到该问题,提出基于线图的无权脑功能超网络超边学习,以分析超边对脑功能超网络拓扑和分类性能的影响.具体来说,首先,基于功能磁共振数据,使用星型扩展方法构建脑功能超网络;其次使用线图理论构建超网络的线图模型;然后使用超边密度提取线图的局部属性特征并使用非参数检验方法进行局部特征选择;接着使用基于图的子结构模式挖掘算法提取线图的子图特征并使用频繁分数特征选择方法选取判别子图;最后分别利用支持向量机构建分类模型.结果表明,所提方法分类结果优于传统脑功能超网络分类结果,达到86.79％.这表明脑功能超网络模型的超边拓扑信息影响分类模型的构建.此外,基于线图模型所求得的融合特征优于任一单一类型的特征,达到88.68％.可见对于超边拓扑信息提取,不仅需要考虑超边的属性信息,还需考虑超边间的空间传递信息能力.     

Resting state brain activity and functional brain mapping

Functional brain imaging studies commonly use either resting or passive task states as their control conditions, and typically identify the activation brain region associated with a specific task by subtracting the resting from the active task conditions. Numerous studies now suggest, however, that the resting state may not reflect true mental "rest" conditions. The mental activity that occurs during "rest" might therefore greatly influence the functional neuroimaging observations that are collected through the usual subtracting analysis strategies. Exploring the ongoing mental processes that occur during resting conditions is thus of particular importance for deciphering functional brain mapping results and obtaining a more comprehensive understanding of human brain functions. In this review article, we will mainly focus on the discussion of the current research background of functional brain mapping at resting state and the physiological significance of the available neuroimaging data.     

基于模式识别的高水平运动员RS-fMRI数据分类研究

为弥补传统的广义线性模型(generalized linear model,GLM)方法的不足,并探索模式识别在运动脑科学当中的应用价值.使用支持向量机(support vector machine,SVM)模式识别算法,以低频振幅(fractional amplitude of low-frequency fluctua-tions,fALFF)、局部一致性(regional homogeneity,ReHo)和度中心度(degree centrality,DC)作为学习特征,对射击运动组和滑冰运动组(分类1)、射击运动组和对照组(分类2)以及速滑运动组和对照组(分类3)之间进行二分类,并计算每一个脑区在分类算法当中的权重.使用留一交叉验证法计算分类正确率,使用总的准确率、接受者操作特性曲线(receiver operating charac-teristic curve,ROC)、以及预测准确率来衡量机器分类算法的优劣性.结果表明:分类1中SVM算法的正确率较高且分类效果更稳定,总的准确率(total accuracy,tACC)可以维持在96.67％以上,曲线下面积(area under curve,AUC)均为1,说明SVM算法对区分不同项目运动员脑静息态功能特征时更有优势;在分类2和分类3中,SVM算法效果取决于使用的指标.其中,使用fALFF或者综合使用三个静息态指标的分类效果较稳定(tACC均在80％以上,AUC均在0.88以上);小脑在分类1算法中占较多的权重,提示不同运动项目运动员的脑功能活动之间差异最明显的部位主要在小脑上.而分类2和3中,除了小脑,还有一些与运动执行和控制及其他功能活动相关的脑区参与了算法的构成.通过SVM分类算法的应用获得较为理想的结果,展示了模式识别方法在运动科学领域的应用价值.研究成果有助于体育科学研究者从新的角度更加全面地理解运动与脑的关系.     

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。     

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．