因果关系在探求大脑效应连接中的应用

发布时间：2017-03-25 19:01

  本文关键词：因果关系在探求大脑效应连接中的应用，由笔耕文化传播整理发布。

【摘要】：大脑是一个非常复杂的系统，在这个系统中，多个神经元、神经元集群或者多个脑区相互连接成庞杂的结构网络，并通过相互作用完成脑的各种功能。大脑是神经系统的中心。神经系统复杂性的一个主要方面是涉及到系统的复杂形态，特别是神经元素的相互连接性。神经的连接模式长时间吸引着神经解剖学家的注意，在决定神经细胞和神经系统的功能特性方面起着至关重要的作用。脑连接模式可以分为结构连接（解剖连接）、功能连接和效应连接。结构连接指的是物理或结构上神经细胞或神经元素的连接；功能连接是指相对空间较远的神经单元之间的相互关系，体现了不同脑区域之间的统计依赖关系，不具有方向性；效应连接描述的是一个神经元素对另一个神经元素方向性影响的网络，具有方向性。为了探究大脑的效应连接，本文以运动想象过程为研究对象，利用因果关系方法主要分析大脑三个区域（C3，Cz和C4所在的区域）的相互影响。 本文分别从时域和频域，深入研究了两个变量的格兰杰因果（GC）关系和新型因果（NC）关系理论，同时将两种因果关系进行比较，区分它们的不同，发现格兰杰因果关系的不足与新型因果关系具有的优点。并且通过具体的例子模型，形象地表现出因果关系方法的应用，以及两种因果关系的不同之处。 运动想象任务作为本文的研究对象，我们需要深入了解有关它的相关知识。因此，本文研究了脑电信号（EEG）和脑-机接口（BCI）基础、运动想象机制与特点。运动想象的Mu节律特点是本文关注一个重要内容，因为因果关系需要在Mu节律上体现出来。研究的数据来自国际BCI竞赛公开的运动想象数据集，以体现出本文研究的真实性与可靠性。 本文研究的重点内容是将因果关系方法运用于运动想象数据集的分析，发现C3，Cz和C4三个通道两两之间的因果影响。首先，通过功率谱分析，展现运动想象的Mu节律特点。然后，对于通道之间的因果关系，，我们重点关注Mu节律上体现出的特征，比如因果关系值的大小比较，是否有峰值出现。通过对9位试验者的27组数据的分析，我们得出以下结论： 1)想象左右手运动过程，Cz到C3/C4的因果关系大于C3/C4到Cz的因果关系，即Cz区域对C3/C4区域有因果影响。 2)想象左手运动，C4到C3的因果关系大于C3到C4的因果关系，即C4区域对C3区域有因果影响。 3)想象右手运动，C3到C4的因果关系大于C4到C3的因果关系，即C3区域对C4区域有因果影响。 将GC的结果与NC的结果进行比较，发现NC方法比GC方法能更准确地表现出两个时间变量的因果关系。 本文的因果关系应用于运动想象脑电数据的分析研究提供了新的证据：证实了新的因果关系法比格兰杰因果关系法更准确的反应真实的因果关系的大小。新的因果关系法必将取代格兰杰因果关系法在各个领域得到大量的普及应用。
【关键词】：脑效应连接 格兰杰因果关系 新型因果关系 脑-机接口 运功想象 Mu节律
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R338;TN911.7
【目录】：

• 摘要5-7
• ABSTRACT7-9
• 目录9-11
• 第一章 绪论11-18
• 1.1 研究背景与意义11-12
• 1.2 脑连接的分类12-14
• 1.3 因果关系方法14-16
• 1.3.1 格兰杰因果关系方法14-15
• 1.3.2 新型因果关系方法15
• 1.3.3 因果关系在神经科学领域的应用15-16
• 1.4 本文研究的内容16
• 1.5 论文结构16-18
• 第二章 格兰杰以及新型因果关系理论18-36
• 2.1 引言18
• 2.2 线性回归模型基础18-23
• 2.2.1 自回归（AR）模型19
• 2.2.2 最小二乘法拟合自回归模型系数19-20
• 2.2.3 回归模型阶次的选择20-23
• 2.3 两个时间变量的格兰杰因果关系23-28
• 2.3.1 时域的格兰杰因果关系23-25
• 2.3.2 频域的格兰杰因果关系25-28
• 2.4 两个时间变量的新型因果关系28-31
• 2.4.1 时域的新型因果关系28-30
• 2.4.2 频域的新型因果关系30-31
• 2.5 通过具体模型比较两种因果关系方法31-35
• 2.5.1 GC 方法的缺陷31-32
• 2.5.2 时域中 GC 与 NC 的比较32-34
• 2.5.3 频域中 GC 与 NC 的比较34-35
• 2.6 本章小结35-36
• 第三章 基于 EEG 的运动想象及其数据采集36-50
• 3.1 引言36
• 3.2 脑电信号研究基础36-41
• 3.2.1 脑电信号的产生及组成36-38
• 3.2.2 脑电信号采集38-40
• 3.2.3 脑电信号的分析方法40-41
• 3.3 脑-机接口41-44
• 3.3.1 脑-机接口的定义41-42
• 3.3.2 基于 EEG 的脑-机接口的研究现状42-44
• 3.4 运动想象介绍44-46
• 3.4.1 运动想象概念44
• 3.4.2 运动想象 Mu 节律44-45
• 3.4.3 运动想象的研究状况45-46
• 3.5 数据集描述46-49
• 3.5.1 实验范式46-47
• 3.5.2 数据记录47-49
• 3.6 本章小结49-50
• 第四章 运动想象过程的因果关系分析50-66
• 4.1 引言50
• 4.2 时域中因果关系研究50-53
• 4.2.1 Cz 与 C3/C4 之间的因果关系50-52
• 4.2.2 C3 与 C4 之间的因果关系52-53
• 4.3 EEG 数据的频域分析方法53-57
• 4.3.1 傅里叶变换53-54
• 4.3.2 功率谱密度54
• 4.3.3 非参数谱估计法54-56
• 4.3.4 基于 AR 模型的功率谱估计56-57
• 4.3.5 运动想象数据的频谱分析57
• 4.4 频域中因果关系研究57-62
• 4.4.1 Subject 1 的数据分析58-60
• 4.4.2 Subject 2 的数据分析60-62
• 4.5 本章小结62-66
• 第五章 总结与展望66-69
• 5.1 全文总结66-67
• 5.2 展望67-69
• 致谢69-70
• 参考文献70-75
• 附录75-76
• 详细摘要76-79

【参考文献】

中国期刊全文数据库 前2条

1 李颖洁;樊飞燕;陈兴时;;脑电分析在认知研究中的进展[J];北京生物医学工程;2006年03期

2 钟元;王慧南;焦青;张志强;郑罡;于海燕;卢光明;;基于Granger因果检验和PCA的脑网络效应连接方法[J];华南理工大学学报(自然科学版);2010年01期

中国博士学位论文全文数据库 前1条

1 李洁;多模态脑电信号分析及脑机接口应用[D];上海交通大学;2009年

  本文关键词：因果关系在探求大脑效应连接中的应用，由笔耕文化传播整理发布。

本文编号：267607