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.     

基于互信息的帕金森病脑皮层功能连接

帕金森病的早期症状是很难察觉的,目前还没有一个明确的生物标志物可以准确地检测出早期的帕金森病。本文为了探究帕金森病的潜在生物标志物,分析15名帕金森病患者和15名健康对照者闭眼状态下的溯源后的脑电信号。首先,使用互信息测量两组受试者的大脑各个区域之间的功能连接。之后,对两组受试者之间的每个连接对的互信息值进行独立样本t检验,检测两组受试者之间显著差异的连接边。最后,将具有显著差异的连接边作为特征进行分类。结果表明,帕金森病患者的大脑各个区域之间的互信息值整体小于健康对照组,并发现在额顶叶和顶枕叶之间的功能连接差异十分显著（p<0.01）。利用互信息功能连接指标对帕金森病患者和健康对照组分类时,测试准确率为76.7%,验证了基于互信息的脑功能连接对帕金森病研究的有效性。这些发现表明额顶叶和顶枕叶之间功能连接性的降低可能是帕金森病的一个潜在生物标志物。本文系首次使用互信息这一功能连接指标对帕金森病进行研究,这为帕金森病的神经机制研究提供了一个新的途径。     

闪光刺激前后脑电信号的时频多分辨分析

目的:用基于傅立叶变换的时频多分辨分析方法,分别获取脑电信号的4种特征波来研究脑电信号在闪光刺激前后的功率变化.方法:自愿受试者10名,分别对闪光刺激前和闪光刺激后两种状态下的脑电信号进行时频多分辨分析.结果:采用此方法能获得闪光刺激前后脑电信号各成分的频域谱分布,以及功率、带宽等定量信息.结论:本文所采用的基于傅立叶变换的时频多分辨分析可方便用于脑电信号时、频域信息提取,易于获取各个选择频段的信息,特别适宜用于研究与刺激有关的高级神经系统的活动,为视觉生理和临床研究提供了新的方法.     

基于子带信噪比估计和软判决的鲁棒双耳声源定位算法

为了提高噪声和混响环境下的双耳声源定位算法性能,提出了一种基于子带信噪比估计和软判决的双耳互功率谱和耳间时间差估计算法.首先根据每帧中每个子带双耳声信号的自相关矩阵估计子带信噪比;其次,将子带信噪比映射为软判决值,并对双耳互功率谱进行加权;最后利用加权后的互功率谱估计耳间时间差,从而判断目标声源方位.仿真测试和实际环境测试均表明:与基于互相关函数、过零率的传统双耳声源定位算法相比,所提算法在噪声和混响的复杂声学环境下,显著提高了双耳声源定位性能.     

基于低频段光诱发的EEG和fMRI同步化特性分析

采用脑电和功能磁共振成像同步技术,研究低频段光(θ波段)诱发的脑电信号及脑局部激活分布的同步化特性,旨在探索脑功能激活区和脑电相关区域存在可能关联.通过定量分析志愿者脑电θ波在刺激与静息2种状态下的功率谱,研究发现θ波功率在枕部(O2)、顶部(P4)、中央(C3)和颞部(T6)等区域均有较明显的增强.通过分析光刺激前后fMRI扫描图像序列,由Fixed effects模型分析发现志愿者枕叶(-3.42,-92.98,-4.77)、后扣带回(-8.00,-65.72,11.17)有较明显正激活,前额叶(7.97,42.21,39.63)、顶叶(-8.00,-54.36,49.87)、颞叶(-39.84,3.59,-22.98)、中脑(-3.42,-25.95,-7.04)等有明显的负激活.对EEG与fMRI信息的同步化特性初步分析表明光刺激脑电信号变化与局部脑激活局部区域(如枕叶)有较强的一致性.     

不同思维模式下的脑电奇异谱分析

人脑是极为复杂的系统,脑电(EEG)是脑内大量神经元电活动合作与竞争的综合反映,由局部和非局部频率分量构成,这些局部分量与特殊的内在神经网络状态紧密相关,在宏观上反映了脑的机能状态.脑电信号的非线性分析是近年出现的一种脑电分析方法,它反映了大脑处理信息活动的有序程度,为研究大脑高级认知活动提供了新的思路.越来越多的研究表明,传统的非线性动力学方法采用单一的参数不能充份描述脑电信号的复杂行为,多重分形用一个谱函数从不同层次描述了分形体的整体生长特征,采用多重分形方法描述系统的非线性动力学行为能够得到更多的信息.本文对不同思维模式下脑电的多重分形特性进行分析,发现EEG的奇异谱在不同的思维状态下具有差异.进一步对这种差异进行统计分析表明大脑思维的EEG多重分形特性受到人脑的思维方式的影响,EEG多重分形奇异谱强度分布反映了大脑思维模式的差异.     

基于Fisher判据时频分析的运动相关脑电特征选择及优化

提出了一种基于Fisher判据的运动相关脑电特征优化选择的时频分析方法,为优化选择与运动意识最相关的有效脑电频率成分提供了理论依据.在此基础上,利用具有高时频分辨率的Morlet小波方法,提取与脑电特征优化过程最为匹配的特征信息,对4个受试者运动相关脑电模式进行分类,平均最大分类正确率达到87.95%,通过最大分类正确率、最大互信息两项评价指标比较,验证了基于匹配追踪和Fisher判据时频分析的特征优化方法对改善大脑运动意识任务分类性能的有效性.实验结果表明,该文所提出的方法可望应用于脑机接口系统的运动相关脑电特征优化和选择中.     

基于功率谱分析的头皮电位和心率变异性关系研究

通过对数学运算任务中头皮脑电信号和心率变异性的功率谱分析,研究了头皮脑电活动和心脏自主神经活动的关系.实验显示：数学运算过程中心率明显增加（P〈0.01）,心率变异性功率谱总能量减少（P〈0.05）,归一化高频功率明显降低（P〈0.01）,归一化低频功率明显升高（P〈0.01）;数算时脑电信号的α节律相对功率显著降低（P〈0.05）,θ节律谱能量值显著增加（P〈0.05）,相关分析显示F8、FT8、C4、P4和T8导脑电信号的θ节律功率谱能量值与心率变异性谱成分具有显著相关性（P〈0.05）.结果表明,数算任务中大脑有意识的精神活动增多,大脑中枢神经活动减少与心脏自主神经活动有关,脑中央前回、顶区和颞叶通过增加交感神经活动和减少迷走神经的作用来影响心率,它们在调节心脏自主神经活动中起重要作用.     

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.     

基于信息积累技术的大脑运动意识任务分类

提出了将信息积累技术结合Fisher判别式分析的方法,实现大脑想象左右手运动意识任务的连续分类,获得了满意的结果.利用Morlet小波滤波方法提取优化的运动相关脑电特征,对两组实验数据4个受试者的运动相关脑电模式进行分类,平均最大分类正确率达到87.95%.通过最大分类正确率、最大互信息等评价指标的比较,验证了信息积累技术对改善大脑运动意识任务分类性能的有效性,从而为脑机接口系统应用中大脑运动意识任务分类提供了新的思路.