摘要：约1/3癫痫患者抗癫痫发作药物或外科治疗均不能控制发作,其原因尚不完全了解。目前外科治疗术前定位重点在确定癫痫源区及发作起始区。上世纪90年代网络理论引入神经病学,以全新的角度深入了解发作的发生、扩布和终止。限局性发作影响全脑网络功能,但与全面性发作脑网络的异常的型式不同。脑网络是数学概念,就癫痫而言与治疗有关的是网络的节点和中心。主要算法为图论和联系性。对癫痫网络的理论研究可以深入理解癫痫的的机制,并有助于改进外科治疗的设计,同时切除癫痫源区,发作起始以及异常的中心节点,可以提高疗效。并可预测预后。甚至未来可研制新药修正异常的网络提高疗效。目前脑网络算法很多,临床医师与生物物理专家合作建立标准化,可以广泛应用的算法,是推广应用的必要条件。

摘要：随着生活节奏加快,倍速播放在学习过程中被广泛应用,对学习认知活动的影响也逐渐被学者所关注。为探究记忆任务的视觉呈现速度对工作记忆的影响及其机理,本研究从EEG脑网络的视角展开研究。设计了快慢两种呈现速度下的实验范式,并对18名被试的脑电数据进行采集,计算各频段的功率谱并选择具有显著性差异(P<0.05)的频段进行分析。采用格兰杰因果的方法计算不同频段脑区之间的因果关系并构建加权因效性脑网络,分析网络的入度、出度和聚类系数这3种网络特征,并使用支持向量机对快慢状态下的脑网络进行分类。结果显示,在快速视觉呈现状态下,脑网络出入度增加,节点聚类系数进一步加强,且具有显著差异节点主要分布于额叶、顶叶和枕叶,显著高于慢速视觉呈现状态(P<0.05),以各频段入度、出度、聚类系数作为特征对快慢状态下的脑网络进行分类,分类准确率分别最高可达90.96%、90.29%、86.53%。本研究表明,随着视觉呈现速度加快,视觉加工进一步激活,被试的工作记忆意识活动逐渐增强,大脑左半球对语言、推理等认知活动的主导作用也在不断加强。本研究为探究播放速度对学习认知活动的影响提供了新的研究思路,也为学习视频设计者设置播放速度提供理论依据。

摘要：基于深度学习的癫痫脑电自动检测方法,能避免人为因素的影响而倍受关注,而其有效性主要取决于深度神经网络模型。为此,本研究将根据癫痫脑电的多尺度、时空特点及导联间的信息流动特征,设计一种基于注意力的多尺度残差网络(AMSRN),并与多尺度主元分析法(MSPCA)相结合,实现癫痫的自动检测。首先,利用MSPCA对原始癫痫脑电信号进行去噪和特征增强;进而,设计AMSRN模型结构与参数。其中,注意力模块(AM)、多尺度卷积模块(MCM)、时空特征提取模块(STFEM)和分类模块(CM)相继完成基于注意力加权机制的信号重表达以及多尺度-时空特征的提取、融合与分类。基于麻省理工学院的波士顿儿童医院(CHBMIT)公共数据集进行5折交叉验证实验研究,AMSRN模型在灵敏度(98.56%)、F1分数(98.35%)、准确度(98.41%)及精确度(98.43%)等方面均取得了较好结果。结果表明,AMSRN模型能够很好地利用癫痫发作引起的脑网络信息流动强化导联间差异性,并有效捕获癫痫脑电的多尺度和时空特征,有利于改善癫痫检测性能。

摘要：针对回声状态网络(Echo state network,ESN)结构设计问题,提出一种基于脑网络的分层模块化回声状态网络(Hierarchical modular echo state network,HMESN)。脑网络的拓扑结构使功能网络具有丰富的动力学特性,因此,从生物仿生学角度出发,对HMESN的储备池进行分层设计,各层级上的神经元采用小世界网络构建算法生成模块化结构,并引入层级连接。基于脑网络分层模块化的拓扑特征弱化了神经元间的耦合程度,从而使神经元的动力学特性更为丰富,在功能与结构上更接近于真实生物神经网络,有效地提高了网络处理问题的能力。采用Mackey-Glass时间序列预测和非线性系统辨识对网络进行验证,证明该网络的有效性和可行性。

摘要：脑电信号与人类情绪具有强相关性,情绪脑网络的节点重要性研究为分析情绪脑机制提供了有效手段。本文采用一种新的节点重要性排序方法--加权K-阶传播数法,设计实现了一种情绪脑网络的分类算法。首先基于DEAP情绪脑电数据构建互样本熵脑网络,对正、负情绪下的脑网络分别进行节点重要性排序,以获得多阈值尺度下的特征矩阵。然后通过特征提取和支持向量机实现对情绪的二分类,分类准确率达到83.6%。结果表明采用加权K-阶传播数法提取脑网络节点重要性特征进行情绪分类研究是有效的,为复杂网络的特征提取和分析提供了一种新的方法。

摘要：背景:探讨功能磁共振在中医药治疗缺血性脑卒领域的研究现状与前沿热点,把握未来研究趋势,以期为后续该领域相关研究提供参考依据。目的:采用CiteSpace知识图谱结合二元Logistic回归方程可视化解析基于功能磁共振中医药治疗缺血性脑卒中领域中的研究热点与前沿,把握未来研究趋势,并进一步探索与脑卒中后功能障碍类型相关的神经活动异常脑区分布。方法:检索中国知网、万方、维普、中国生物医学文献数据库及Web of Science核心集数据库的相关文献,采用CiteSpace软件绘制关键词共现、关键词聚类时间线、关键词突显性检测、共被引文献图谱可视化分析该领域研究热点与前沿热点;采用二元Logistic回归分析拟合与缺血性脑卒中后不同功能障碍相关的神经活动异常的脑区分布。结果与结论:①共纳入354篇文献进行Citespace知识图谱分析,国内外年度发文量显示,该领域研究热度自2000-2022年总体呈上升趋势,发展前景良好,但核心力量主要集中在国内。②关键词共现与聚类时间线分析结果显示,失语、偏瘫和认知障碍为热点卒中后功能障碍类型;电针、针刺、头针为热点干预措施;功能连接为热点分析方法,静息态功能磁共振为热点扫描技术;各研究热点时间跨度均较长,提示具有一定的研究价值且研究逐步深入,推动了该领域研究进展;但目前干预措施以针刺为主,缺少对中药、中成药、针药并用等其他中医药疗法的研究。③关键词突显性检测结果显示,功能连接、图论、度中心性、默认网络、随机对照试验的影响力大,爆发力强,为该领域当下及今后的前沿热点词,提示该领域未来研究应加强对全脑网络信息整合的研究,同时加强对临床试验设计的科学性与严谨性。④共被引文献分析结果显示,缺血性脑卒中的流行病学调查、针刺治疗脑卒中的安全性及有效性、不同任务下大脑激活模式、脑卒中后脑网络功能异常的神经病理机制为该领域研究的理论基础;探索中医药靶向脑区与神经网络,揭示中医药促进脑卒中后神经重构的脑效应机制为该领域的研究方向。⑤共纳入255篇文献进行二元Logistic回归分析结果显示,感觉运动皮质、运动前区的神经功能异常与脑卒中后运动功能障碍的发生呈正相关;海马、小脑后叶、楔前叶、颞下回、前扣带回的神经功能异常与脑卒中后认知障碍的发生呈正相关;楔叶、角回、前额叶的神经功能异常与脑卒中后情感障碍的发生呈正相关;前扣带回、小脑后叶的神经功能异常与脑卒中后吞咽障碍的发生呈正相关。⑥上述脑区是感觉运动网络、默认网络及奖赏环路的核心脑区,提示为缺血性脑卒中的危险因素,其中与功能障碍相关的脑网络内或网络间功能异常可能是中医药干预的潜在靶区,但神经活动激活或抑制的具体变化仍有待未来研究补充完善。

摘要：音乐是人们传递信息、表达感情的媒介,同时它对认知活动有很大的影响。设计改进型Sternberg工作记忆任务实验,选择20名被试参与实验,采集被试在古典音乐和摇滚音乐背景下记忆英语单词的脑电数据,采用互相关的方法计算各通道间的皮尔逊相关系数,利用脑功能网络构建以及脑功能网络属性的分析,探究两种音乐刺激对工作记忆的影响。结果表明,古典音乐和摇滚音乐状态下大脑额叶和枕叶区域的连接相比无音乐状态显著增加,且摇滚音乐状态下大脑额叶和枕叶区域的连接显著多于古典音乐的状态;摇滚音乐和古典音乐刺激下构建的脑功能网络相对于无音乐状态脑功能网络节点度增大,介数中心度增大,聚类系数增大,紧密度增大,平均路径长度变短,小世界属性增强,全局效率提高。这说明音乐刺激使大脑的活跃度提高,证明不同音乐刺激对记忆任务有显著性影响。行为学数据结果显示,在无音乐、古典音乐和摇滚音乐状态下,被试的反应正确率分别约为91%、86%和80%,平均反应时长分别为728、761、818 ms。可以看出,音乐刺激使得被试的反应正确率下降,反应时长增加,说明音乐刺激对工作记忆产生干扰。

摘要：工作记忆是认知行为的基础,脑疲劳会导致记忆力衰退、反应迟钝等认知表现下降的现象。利用N-back实验范式设计脑疲劳实验,采集15名被试正常态和疲劳态下4种工作记忆负荷的脑电数据,使用互信息算法构建功能性脑网络,计算并分析节点度、节点中间中心度、节点聚类系数、节点特征路径长度4个网络特征参数,对行为学数据(反应时间、正确率)进行统计分析。结果表明,4种工作记忆负荷下,疲劳态下的脑网络相对于正常态下的脑网络节点度减小,节点中间中心度减小,节点聚类系数减小,节点特征路径长度增大,且具有显著差异节点主要分布于额叶、顶叶和枕叶。行为学数据结果显示,正常态下4种工作记忆负荷的平均反应时间分别为(578±46)、(664±45)、(868±44)、(959±42)ms,疲劳态下4种工作记忆负荷平均反应时间分别为(656±41)、(721±46)、(941±50)、(1038±50)ms,平均反应时间疲劳态显著高于正常态(P<0.05),提示脑疲劳对4种负荷下的工作记忆产生消极影响。在所施加的4种工作记忆负荷下,脑疲劳对工作记忆产生一定影响,会抑制大脑活跃度的提高,且对高负荷的影响比低负荷的影响更明显。

摘要：传统的最小生成树特征提取方法使用局部可量化指标来分类脑疾病,忽略了低权重的连接和集群在大脑网络中信息处理的重要作用,造成网络中一些有用信息的丢失。较其他网络特征而言,其特征有效性和分类准确率都明显偏低。为解决这些问题,本文以最小生成树拓扑指标作为特征,在局部差异最小生成树脑网络上进行提取特征并构建分类器,在抑郁症患者数据集上进行验证。实验结果显示,该方法相比于传统最小生成树特征提取方法可以提供更多有效特征,能够有效地提高分类精度。本文提出的新方法可以为脑网络的构建以及特征提取提供重要的可参考依据,也有助于医学辅助诊断和脑疾病的研究。

摘要：为解决面向一般图的频繁子图挖掘忽略了脑网络自身特点的问题,根据脑网络结点唯一性的特点,提出面向脑网络的不确定图上的频繁子图挖掘算法。针对已有的不确定图判别性特征选择方法分类精度不高的问题,提出几种判别性特征选择方法。通过计算子图模式在样本中出现概率的均值、方差等指标,结合已有确定图中的判别分数函数,计算子图模式的判别分数。实验结果表明了该方法的有效性。