计算神经在脑认知与脑疾病中的研究

发布时间：2020-09-04 20:50

　　近年来,脑科学、神经科学及信息科学的快速发展,各国纷纷推出“脑计划”。中国“脑计划”也已经基本完成规划,旨在以研究脑认知神经原理为主体,研究脑疾病诊治新手段和类脑智能新技术。计算神经科学能够从计算角度解释脑的认知功能,以及为脑疾病的研究提供新的技术手段。因此,基于计算神经的脑认知与脑疾病研究已经成为一个重要课题。本文将利用微状态、Lempel-Ziv复杂度、共空间模式和稀疏表达分类这几种计算神经科学的方法从以下三个方面对脑认知与脑疾病进行研究:(1)提出了一种微状态研究方法从脑电信号的时空变化角度来考察心理旋转认知过程。采集11位被试在12种不同角度刺激下心理旋转认知任务的脑电数据,利用基于K-means的微状态聚类方法研究心理旋转过程中事件相关电位的微状态,得到四类微状态模式(A,B,C,D)。根据微状态序列、脑地形图、半球偏侧性、微状态持续时间指标表征微状态在心理旋转过程中的动力学。统计分析结果表明:1)微状态序列具有一种特定的模式A→B→A;2)微状态模式A具有半球偏侧性;3)微状态模式A的持续时间具有明显的“角度效应”。(2)提出了Lempel-Ziv复杂度(LZC)分析方法研究脑卒中患者脑电数据特征。利用Lempel-Ziv复杂度分析方法研究卒中患者的心理旋转认知任务的大脑活动特征。经实验分析:由LZC值得到的脑地形图较好的反应卒中患者的病灶区;卒中患者病灶区各导联的LZC值普遍低于正常被试对应导联的LZC值。(3)提出了基于共空间模式与稀疏表达分类的脑卒中脑电信号识别方法。通过共空间模式算法从脑卒中患者与正常被试的脑电信号中提取特征,再使用稀疏表达分类方法对两者的脑电信号进行分类。通过实验证明了CSP提取特征的有效性,并且SRC分类准确性为90%左右,在S4、S10(180o)的视觉刺激角度下,分类准确率高于95%。通过计算神经方法在脑认知与脑疾病中的应用表明,计算神经方法能为分析心理旋转认知过程提供新的有效途径,并且为脑卒中的早期诊断提供依据,为未来探索有效的脑卒中治疗手段奠定基础。
【学位单位】：杭州电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN911.7;R741
【部分图文】：

流程图,脑电采集系统,流程图,硕士学位论文

脑电采集系统流程图

脑电,导联,位置,中央区

14 图 2.3 脑电 EEG 分析的 32 导联的位置Fig 2.3 EEGelectrodes position了方便下面的研究，根据脑电数据采集的通道以及电极的位置，将划区，分为 13 个区域：前额叶（Fp1, Fp2）、左额叶（F7, F3）、中额（F4, F8）、左颞叶（T7）、左中央区（FC5, FC1, C3, CP5, CP1）、）、右中央区（FC6, FC2, C4, CP6, CP2）、右颞叶（T8）、左顶区（

模式图,微状态,视觉刺激,模式

23 图 3.1. 12 种视觉刺激下微状态模式的特征Fig 3.1 Feature of microstate modes for 12 visual stimuli针对所有被试的四种微状态模式，计算微状态模式的平均持续时间（Duration）以及微状态模式的时间占比（Coverage）。评估了视觉刺激编码阶段的微状态模式指标，发现了一个特定的微状态模式序列 A→B→A。从表 3.1 得出，微状态模式 A 和微状态模式 B 的平均持续时间的变化范围为 63.11 ms -110.23ms，微状态模式时间占比的变化范围为 21.15% - 36.93%。此外，通过计

【相似文献】