面向高性能计算平台的脑科学仿真技术研究

近年来,脑科学研究成为了热点研究领域,欧盟"人脑计划"、美国"尖端创新神经技术脑研究计划"、日本脑计划的相继提出标志着脑科学研究进入了研究高峰期.高性能计算机经过数十年的发展,计算性能的提升日新月异,应用的范围越来越广.本文结合当下脑科学研究热点生物神经网络以及高性能计算平台TH-1A(天河一号)的计算优势,在TH-1A上部署了神经网络模拟软件NEST,对用NEST构建的神经网络进行了内存占用和可扩展性分析,测试了单计算节点最大仿真规模,发现了NEST软件自身的一些瓶颈,并提出了改进的想法,进而实现了对大规模生物神经网络面向高性能计算平台的仿真研究工作.     

国家自然科学基金重点项目“大脑皮层中兴奋和抑制的动态平衡机制研究”介绍

<正>大脑皮层是由神经元通过突触连接形成的超级神经网络,网络中的各种神经环路是实现大脑认知活动的功能模块。皮层网络主要由兴奋性锥体细胞和抑制性中间神经元组成,这些神经元介导的兴奋性和抑制性信号是相辅相成的,两者间的平衡是大脑发挥正常功能的前提,当平衡被打破时会导致皮层网络活动异常以及脑疾病的发生,如焦虑、精神分裂症、癫痫等。因此,研究大脑皮层中兴奋和抑制的动态平衡机制对了解正常脑功能的神经基础和     

基于多模态MRI的AD分类模型

利用多模态磁共振成像数据,构建静息态功能网络,提取了网络属性及结构像中萎缩灰质的灰质体积作为分类特征,训练SVM分类器。实验结果表明,利用结构和功能组合特征,可以区分MCI与正常对照(准确率91.7%),AD与正常对照(准确率100%),AD与MCI(准确率87.8%),有效提高了两类疾病的分类正确率。结果说明提出的分类模型是一种较好的辅助诊断模型。     

基于WPD和CSP的四类运动想象脑电信号分类方法

针对多通道四类运动想象脑电信号分类问题,引入小波包分解(WPD)与共空间模式(CSP)融合的脑电信号特征提取方法.首先利用小波包对训练集的多路脑电信号进行分解,然后用共空间模式算法对不同分解层子带的脑电信号进行特征提取,最后设计了基于支持向量机(SVM)的分类方法.应用提出的方法对四类运动想象脑电信号进行了特征提取和分类,分类正确率达到71.5%;相对于单纯的CSP特征提取,正确率提高了5.8%,说明了该特征提取及分类方法对该数据集的有效性.     

从系统科学角度探究“哲学始于惊讶”的本质

从柏拉图、亚里士多德开始就认为哲学始于惊讶,但对此问题的研究仍比较粗浅。惊讶是广泛的,它是获得智慧的人脑机能基本过程。惊讶的本质是人脑内思维非简单和的涌现。从系统科学角度探究哲学始于惊讶的丰富本质,使哲学作为智慧和一般知识的关系有一个新角度的认识。     

从神经罗塞塔到数字巴别塔——元宇宙的终极入口在哪里？

如何定义与理解元宇宙概念,当前成为学术界与产业界亟待解决的新问题。该术语主要用来描述一种具有沉浸式虚拟空间体验、高信息量、多模态交互模拟以及去中心化的社会经济愿景等融合交织的混合社会形态,人类文明正在迁入这座数字巴别塔。脑机接口技术的新近成果表明,该技术或是人类完全沉浸式进入元宇宙一个极富前景的可能路径。然而,技术的变革与进步也不可避免地引发诸多的哲学本体论、形上学、认识论以及伦理、法律与政治等方面的全新问题。因此,当元宇宙成为一场资本盛宴时,学术界必须对该技术集群所带来的各类哲学与社会问题提供一些未来的解决方案,避免社会治理的政策真空。     

从“以想行事”到“人工行动”——脑机接口拓展“行动”新视野

基于运行想象的脑机接口具有恢复甚至增强人的行动能力之功能,并形成了脑机接口介导的“以想行事”这一行动新方式,这种行动是否属于传统意义上的“行动”或“人的行动”,以及究竟如何界定和理解“行动”,成为行动哲学和认识论面临的新问题。可以提出“人工行动”的概念来刻画脑机接口介导的新型行动,以其揭示行动中所发生的“心灵行动”与“身体行动”之间关系的结构性变化,展现新的行动方式所蕴含的关于行动的新含义,这也是脑机接口时代为从哲学上理解和阐释行动所拓展的新视野。     

超声脑成像和经颅超声传感增强方法

超声脑成像技术在脑疾病的诊断和治疗方面有着广泛的应用前景,具体包括超声多普勒成像、超声造影成像、超声定位显微成像、超声弹性成像和时延校正成像。由于颅骨声阻抗与背景介质声阻抗存在显著差异,超声经颅传播时会产生强烈的反射、衰减、波形畸变等,导致超声图像的信噪比降低。针对此问题,本文介绍了基于变换声学理论的颅骨互补声学超构材料设计方法,并通过仿真来验证该方法的有效性。仿真结果表明：具有各向异性参数分布的双负声学超构材料能够抵消颅骨畸变层带来的声衰减及波形畸变,使声波在几乎不造成能量损失的情况下通过颅骨畸变层,从而实现超声透射传感增强。该方法对研究基于声学超构材料的无创高分辨率超声脑成像技术具有重要意义。     

基于EEGNet的脑电情绪分类应用研究

针对特定脑电信号数据集的情绪分类问题,研究紧凑型的卷积神经网络EEGNet在不同脑电数据集上的能力与效果,并通过在不同的脑电数据集上对EEGNet进行训练与调试,实现单模态脑电数据集的情绪分类。首先,介绍紧凑轻量型卷积神经网络EEGNet结构在时空数据集上的强大处理能力,提出在对EEG信号特征进行编码时的有效性假设。其次,介绍两种经典的脑电公开数据集SEED和SEED-IV,设计针对性的预处理方法、基于EEGNet的情绪分类实验并与其他经典分类方法进行了比较分析。最终,经过在SEED和SEED-IV数据集上的多轮测试,分别得到了85.3%和73.3%的分类准确率,验证了EEGNet在基于脑电信号的情绪分类任务中具有较好的健壮性与准确率。     

云南白药结合EC胶治疗脑静脉窦损伤23例分析

目的探讨颅脑损伤中脑静脉窦损伤的简单、有效、适用于基层的处理方法.方法对1993年3月～2005年1月我科行中西医治疗的23例脑静脉窦损伤的患者进行了回顾性分析.结果本组23例,治愈21例,救治成功率91.3%,2例死亡,死亡率8.7%.结论云南白药结合EC胶治疗脑静脉窦损伤的效果良好.