初孵扬子鳄端脑基底中枢的组织学研究

用光镜对初孵扬子鳄端脑基底中枢的组织学结构进行了研究.基底中枢可分为背侧区、中心区、腹侧区、隔区及周围神经核:嗅前核、侧嗅束核、嗅结节、Broca斜角带核、横核等.本文对这些区域及核团进行了定位,并就其特征同其他脊椎动物进行了比较.     

基于主成分分析和极端学习机的测谎方法研究

为了克服当前基于P300的测谎方法训练时间长、个体识别准确率不够高的缺点,提出了将主成分分析(Principal component analysis, PCA)和极端学习机(Extreme Learning Machine,ELM) 相结合的PCA_ELM测谎方法.该方法使用典型的三刺激测谎范式,记录30名随机划分的撒谎和无辜者在Pz电极上的脑电(EEG)信号, 选择探针刺激响应并对每名受试者的每5个响应波形进行平均,然后对两类信号提取小波特征.PCA被用于对原始特征空间进行特征选择.降维后的特征样本被送到ELM分类器,该分类器学习速度快,泛化能力强,但是对于其隐层节点数的指定一直未有有效的解决方法.我们通过对特征子空间的维数和ELM的隐层节点数进行二维的网格搜索算法,基于交叉验证的方法,对两个参数进行同步优化选择,训练得到最佳参数下的分类模型.实验结果表明,提出的PCA_ELM方法不仅在训测谎准确率上高于当前的广泛使用的分类模型,而且训练时间大大缩短,尤其适合于在线的测谎系统.     

运动想象脑机接口的判别迁移特征学习与分类

为了解决不同时间采集的运动想象脑电数据之间存在的分布差异,避免跨时段使用前长时间的重校准步骤,提出了一种基于判别迁移特征学习（discriminative transfer feature learning, DTFL）的运动想象分类方法。DTFL通过联合匹配源域和目标域之间的边缘分布和类条件分布来减少域间的差异,同时最大化类间距离和最小化类内距离来保留类判别信息,从而提升对运动想象的分类性能。基于DTFL的运动想象分类方法无需目标域脑电样本的类别信息,可以有效避免长时间的校准。在脑机接口竞赛数据集上的实验结果表明,DTFL显著优于其他迁移学习方法,有效缓解跨域分布的不一致性,提高了运动想象的分类正确率。     

不同年龄和认知功能成人脑涨落图功率空间构型的比较

梅磊教授建立了一种新的脑电波分析技术——脑涨落圈技术(encephalofluctuograph technology，ET)，从功率和频率两个角度分析脑波的涨落过程，以研究脑功能的自组织活动及其时空构型，并已出版专著和开始临床应用，认知活动是人及的高级功能，包括知觉、注意、记忆、思维、盲语等能力，是整个大脑复杂活动和自组织的产物，鉴于所获得的结果比较丰富，本文只着重扼要地报告我们对不同年龄和认知功能成人脑涨落圈功率空间构型比较研究的主要结果。     

人脑优越在哪里

大家知道,人为万物之灵,人类和别的动物比较,最大的差别就在于头脑发达。既然如此,那么从结构角度来看,人脑优越性又表现在哪些方面呢?首先,让我们来比一比脑子的大小吧!人脑的平均重量是1300克,这个数值比起许多动物来都要大得多,但却称不上"绝对冠军"。因为一些大     

小鼠脑内钙调神经磷酸酶内源底物的研究

钙调神经磷酸酶是哺乳动物脑内含量极丰富的唯一依赖Ca~(2+)及钙调素的磷蛋白磷酸酶.该酶(calcineurin,CaN)在脑外组织如精子细胞、淋巴细胞及肌肉组织中也有分布,但含量远远低于脑.CaN由18kD Ca~(2+)结合的调节亚基和61kD钙调素结合的催化亚基组成.除可与Ca~(2+)结合外,该酶还可与Mn~(2+),Ni~(2+),Co~(2+)等金属离子结合而影响其活性.CaN催化亚基已有至少5种cDNA同型物分别从大鼠、小鼠和人基因库中调出.这些基因型是从分别     

牛脑皮层Gs和腺苷酸环化酶在脂质体上的重建

腺苷酸环化酶体系是细胞膜上与信号跨膜传导密切相关的蛋白复合体,它由受体、激活型G-蛋白(Stimulatory GTP-binding protein,Gs)和腺苷酸环化酶(Ademylate cyclase,AC)所组成,体系中各组分的分离、纯化及其体外重建实验是研究信号跨膜传导分子机理的重要方法之一.牛脑Gs的分离和纯化已获成功,纯化的Gs含三个亚单位(α:Mr=45000—52000,β:Mr=3500—36000,γ:Mr=8000—11000),α-亚单位是其功能单位,Gs通过其α-亚单位的     

脑扫描图像可测谎言

美国研究人员最近称,在识别说谎者方面,脑扫描是除标准测谎器测验之外的又一个选择,而且前者可能要比后者更可靠。     

脑电近似熵分析的思维分类识别

以近似熵为指标,分别计算6导脑电信号的复杂度,作为神经网络分类器的输入特征向量,对5种思维任务进行分类识别.测试结果表明,针对5次练习的均值而言,平均识别率为73%,说明利用多导脑电的复杂性进行思维辨识是可行的.