基于小波相干性算法的孤独症儿童脑电评估

孤独症是一种先天的大脑发育障碍性疾病, 孤独症儿童的早期评估诊断尤为重要. 脑电图(Electroencephalography, EEG)是大脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映. EEG信号中包含了大量的生理与疾病信息, 可为某些脑疾病提供诊断依据. 本文按照国际10-20系统标准电极分布将全脑划分为5个脑区, 采用小波相干性算法对孤独症(Autistic spectrum disorder, ASD)儿童和正常(Typical development, TD)儿童任意两通道之间在不同节律下的连接性进行计算, 按脑区进行划分, 得到脑区内和跨脑区功能连接结果, 随后应用独立样本t检验分析和FDR (False discovery rate)多重校正方法后给出脑区内和跨脑区在不同节律下的组间差异.结果表明, ASD组相对于TD组跨脑区连接和脑区内连接普遍较弱, 除delta频段外其他频段均差异显著, 尤其是额叶与其他脑区连接. 多重校正后通道间长程连接中额叶与枕叶、中央区与枕叶在四个频段差异显著较明显, 通道间短程连接额叶在theta和alpha频段较显著, 其他频段其他脑区对比不显著.     

用于动物实验的经颅直流刺激仪研制

为优化经颅直流电刺激(tDCS)相关实验,提出了一种用于动物实验的tDCS仪的设计方案.设备具有直流电刺激及脑电(EEG)监测功能,采用单片机MSP430F2618作为控制器,利用蓝牙实现上、下位机间的通信.上位机通过LabVIEW平台搭建软件实现功能切换、控制刺激电流强度以及EEG波形显示及数据存储.研究可实现利用电刺激后采集的EEG数据分析实验动物的脑部活动,为tDCS动物实验提供了一种小型化、无线化设备.     

八通道经颅刺激脑电调控系统的设计

为提高经颅电刺激治疗的精确性和实现个性化治疗,设计了一种八通道经颅刺激脑电调控系统,在经颅电刺激的前和后监测并分析脑电信号,根据脑电信号状况调整经颅电刺激的参数,评价经颅电刺激治疗的效果;以STM32F407VET6为核心控制器件实现经颅电刺激与脑电信号采集的功能切换,软件上利用C#和MATLAB混合编程实现脑电信号的波形显示、频谱分析以及刺激参数的调整;实验结果表明,系统在输出经颅电刺激前和后成功地采集到脑电信号并进行数字处理;脑电信号眨眼波形与静息态α波形明显,系统可输出直流电刺激和标准方波、标准三角波以及自定义波形的交流电刺激,刺激电流幅值0～2 mA,频率0～1 000 Hz。     

改进模糊熵算法及其在孤独症儿童脑电分析中的应用

模糊熵（Fuzzy entropy,FuzzyEn）是衡量时间序列在维数变化时产生新模式的概率,反映时间序列复杂性和无规则程度的参数指标.本文针对传统模糊熵算法只针对时间信号序列进行总体分析,忽略了瞬时信号变化的问题,提出了一种改进模糊熵的算法.算法将指数函数的宽度进行了优化设置,设置为0.15倍一阶差分时间序列的标准差,以此保证充分提取时间序列瞬时复杂性特征.与传统模糊熵相比,改进模糊熵包含更多时间模式信息.基于改进模糊熵结合锁相位算法,分析孤独症儿童脑电信号（Electroencephalogram,EEG）复杂性与同步性,结果表明：孤独症（Autism spectrum disorders,ASD）前颞叶的脑电信号同步性下降、复杂性降低,具有显著性差异（P < 0.05）.     

基于多重多尺度熵的孤独症静息态脑电信号分析

面向孤独症儿童脑功能状态评估问题, 提出一种多重多尺度熵脑电特征提取算法.算法针对传统多尺度熵信息丢失问题, 在移动均值粗粒化基础上, 采用延搁取值法构建多个尺度上的多重脑电信号序列, 再进一步计算各个尺度的样本熵.算法不仅克服了传统多尺度熵的信息丢失问题, 还能充分挖掘脑电信号的细节信息, 同时减小了尺度间的波动.基于该算法分析了16名孤独症儿童和16名正常儿童的19个通道的脑电信号.结果表明:正常儿童F7、F8、T4、P3通道的多重多尺度熵和复杂度均高于孤独症儿童, 且存在显著性差异(P < 0.05).表明前颞叶(F7、F8)可以作为孤独症儿童脑功能状态评估的敏感脑区, T4、P3可以作为辅助干预的敏感通道.     

基于稀疏张量分解的动态功能网络分析

静息态功能磁共振成像(RS-fMRI)是目前研究人脑功能的重要技术之一,脑功能连接的动态分析为研究大脑内部状态变化提供了一种有效的手段。文中提出了一种基于稀疏张量CP分解算法的动态脑功能网络分析方法。首先利用静息态fMRI数据不同维度的信息构建张量模型,并对其进行优化求解。然后使用动态检测法对时变网络的状态进行划分,构建脑功能连接网络,并与常用的滑动窗口方法进行对比分析。实验结果表明,该方法能够准确识别出静息态fMRI数据的时间维度信息,捕获静息态fMRI数据中的动态功能连接。     

基于复杂网络特征的大脑功能网络分析

为了从大脑不同区域的连接关系去区分耳鸣患者与正常人的脑功能网络,通过每两路导联脑电信号的锁相值建立高密度(128通道)大脑功能网络,计算该网络的度、聚类系数、特征路径长度、小世界指标、网络密度、介数中心性、同配系数和网络结构熵8种复杂网络特征指标,验证了所建立的大脑功能网络具有小世界特性,而且这些特征指标能有效描述大脑...     

基于基因基础的静息态功能脑网络及分类研究

为了判断基因是否对抑郁症患者的功能脑网络存在影响,以及是否与抑郁症疾病状态之间存在相互效应,本实验选择了GSK-3β基因,利用功能脑网络的特性对其进行统计分析,再根据统计检验方法,构建分类模型.结果表明,SVM和神经网络在特征数目为25-30左右,分类模型的正确率比较高,疾病状态分别达到了77.30%和73.50%,基因型分别达到了77.35%及76.30%.由此可见,基因对静息态功能脑网络存在一定影响,也证明了基因与抑郁症疾病状态之间存在相互效应.     

脑磁图脑功能连接网络癫痫棘波识别方法研究

脑磁图（MEG）现在被广泛用于临床检查及很多领域的医学研究中,基于静息态的脑磁图脑网络分析能用于研究大脑生理或病理机制。脑磁图分析对癫痫疾病的诊断具有重要的参考价值。对癫痫脑磁信号的自动分类可以及时对患者的情况作出判断,在临床上有很重要的意义。现有文献中对癫痫脑电信号的自动分类方法的研究已比较充分,但对癫痫脑磁信号的研究比较薄弱。提出了一种基于脑功能连接网络的全频段机器学习癫痫脑磁棘波信号自动判别方法,对四种分类器进行了综合判别对比,选择了效果最优的分类器,判别准确率可达到93.8%。因此,该方法在脑磁图癫痫棘波的自动识别与标记方面有较好的应用前景。     

基于动态功能性脑网络的情感分析

人脑活动是在秒级与毫秒级动态变化的,因此采用静态连接方式构建的功能性脑网络,会造成部分与时间相关有效特征的缺失.该文旨在研究情绪变化期间不同大脑区域之间相互作用的时空变化,提出了一个系统的分析框架.该框架包括相关性度量,脑状态分割,代表性时间片段提取以及动态网络构建和分析.首先,利用皮尔逊相关系数量化不同脑区之间的功能...     

基于网络同步的链路预测连边机理分析研究

链路预测是研究复杂网络结构演化趋势的重要组成部分, 用于预测网络丢失的连边和未来可能出现的连边, 具有极大的理论和应用价值.当前链路预测研究成果主要基于网络结构特征对连边进行预测, 具体分析其连边机理的研究较少.网络同步的研究能够深刻反映节点的动力学演化行为与网络结构之间的内在机理.本文针对链路预测考虑的静态网络引入节点动力学模型构成动态网络, 通过分析链路预测连边与动态网络模型同步之间的关系, 对链路预测连边机理进行分析研究.通过实验与理论分析总结发现了链路预测连边具有同步能力稳定性的规律.进一步讨论了链路预测连边的动力学机理, 并揭示了链路预测连边机理与真实网络演化的差别.     

基于多注意力机制的维吾尔语人称代词指代消解

针对深度神经网络模型学习照应语和候选先行语的语义信息忽略了每一个词在句中重要程度, 且无法关注词序列连续性关联和依赖关系等问题, 提出一种结合语境多注意力独立循环神经网络(Contextual multi-attention independently recurrent neural network, CMAIR) 的维吾尔语人称代词指代消解方法. 相比于仅依赖照应语和候选先行语语义信息的深度神经网络, 该方法可以分析上下文语境, 挖掘词序列依赖关系, 提高特征表达能力. 同时, 该方法结合多注意力机制, 关注待消解对多层面语义特征, 弥补了仅依赖内容层面特征的不足, 有效识别人称代词与实体指代关系. 该模型在维吾尔语人称代词指代消解任务中的准确率为90.79 %, 召回率为83.25 %, F值为86.86 %. 实验结果表明, CMAIR模型能显著提升维吾尔语指代消解性能.     

基于分布式光纤传感的热网膨胀节膨胀量测量方法

在热力管网中,膨胀节作为缓冲管道的关键部分,极易因变形扭曲引发泄漏故障,进而致使热网瘫痪.实时准确测量膨胀节的膨胀是评估管网健康状态的有效途径.对此,本文提出一种基于分布式光纤传感技术的膨胀节膨胀量的新型检测方法,建立了膨胀量检测模型,并通过实验验证了方法的有效性.研究结果表明,测量误差随着光纤绕制圈数增大而减小,通过调节绕制圈数,可以将误差范围控制在3%以内.这不仅为热网膨胀节的膨胀量检测提出了一种新思路,同时也为分布式光纤传感技术在热网健康状态检测领域的应用奠定了一定的理论基础.     

基于Q学习的受灾路网抢修队调度问题建模与求解

受损路网的修复是灾害应急响应中的一个重要环节, 主要研究如何规划道路抢修队的修复活动, 为灾后救援快速打通生命通道.本文首先构建了抢修队修复和路线规划的数学模型, 然后引入马尔科夫决策过程来模拟抢修队的修复活动, 并基于Q学习算法求解抢修队的最优调度策略.对比实验结果表明, 本文方法能够让抢修队从全局和长远角度实施受损路段的修复活动, 在一定程度上提高了运输效率和修复效率, 可以为政府实施应急救援和快速安全疏散灾民提供有益的参考.     

独立RNN和胶囊网络的维吾尔语事件缺失元素填充

提出了注意力机制独立循环神经网络和胶囊网络并行的维吾尔语事件缺失元素填充模型(Att IndRNN CapsNet).首先, 抽取18项事件和事件元素的内部特征, 作为结合注意力机制的独立循环神经网络模型的输入, 进一步获取高阶特征; 同时, 引入词嵌入技术将事件触发词和候选元素映射为词向量, 通过胶囊网络挖掘事件和事件元素的上下文语义特征; 然后, 将两种特征融合, 作为分类器的输入, 进而完成事件缺失元素的填充. 实验结果表明, 该方法用于维吾尔语事件缺失元素填充准确率为86.94 %, 召回率为84.14 %, 衡量模型整体性能的F1值为85.52 %, 从而证明了该方法在维吾尔语事件缺失元素填充上的有效性.     

基于多局域的恐怖组织网络择优增长演化模型

恐怖组织网络是一种特殊的复杂网络,其时空演化规律反映出恐怖组织活动的特征.为更准确地理解恐怖组织网络的动态演化规律,提出一种基于多局域的恐怖组织网络择优增长演化模型,并对此模型进行了仿真与模拟.该模型能准确地描述在局部信息条件下,新节点的择优和网络的增长过程及其规律;并且利用网络信息中心度来衡量恐怖组织网络节点的信念水平,动态地刻画了恐怖组织网络的增长过程.实验结果表明：恐怖组织网络的局域度分布仍服从幂律分布,网络信息中心度具有集中与分散性的特征;最后,对多个恐怖组织网络按该模型进行仿真演化,验证了该模型的准确性与科学性.     

基于栈式循环神经网络的血液动力学状态估计方法

利用fMRI数据准确地估计血液动力学状态, 能得到一种更接近神经元层面的大脑活动的客观表示, 这将促进人们对大脑运行机理的深刻理解, 推动脑认知的进一步发展.迄今为止, 人们已经提出了许多血液动力学状态估计方法.然而, 这些方法大都只考虑了相邻时刻血液动力学状态之间的关系, 忽视了更深层次的时序特征.而对模型参数先验信息的需求也使一些方法在实际应用中受到了限制.为此, 本文提出了一种基于循环神经网络的血液动力学状态估计新方法.首先, 利用血液动力学模型中非线性函数的反函数建立BOLD信号与血液动力学状态之间的映射关系, 并构建模型的反演过程.然后, 采用一种堆叠三个RNN模块的栈式神经网络结构来拟合这种映射关系, 使其能够以BOLD信号作为输入, 得到血液动力学状态的估计值.最后, 在仿真数据上验证新方法的性能.实验结果表明:与一些代表算法相比, 新方法能够更合理地提取fMRI数据中的时间特性, 有效地拟合BOLD信号与血液动力学状态之间的动态非线性关系.     

基于同步性静息态脑网络的原发性失眠诊断

全球有约1/3的人口曾受到失眠的困扰，研究表明脑电的高度觉醒是失眠的一个重要原因，表现在高频脑电活动的增强。然而，由于存在较大的干扰因素，日常静息态条件下评判困难。因此本文提取原发性失眠患者和健康对照的脑电图（Electroencephalogram，EEG）高频频带（Beta、Gamma频带），使用更适合EEG这种非线性、非平稳信号的相位锁相值（Phase locking value， PLV）方法来构建静息态功能脑网络，使用自适应阈值技术进行二值化处理。为了提升失眠症脑网络特征评价的可靠性，综合了各脑网络特征，提出了用于失眠症检测的脑网络综合度量指标。且发现在Gamma频带上，综合指标在原发性失眠患者组与健康对照组之间存在显著性差异（p=0.044）。应用支持向量机（Support vector machine， SVM）进行自动分类，在Beta频带上的正确率达77.7%，灵敏度达90.7%，相较于原始网络特征正确率提高了9.4%，灵敏度提高了20.7%；同时与现有研究对比，本文提出的脑网络综合度量指标的正确率提升了19.4%，灵敏度提升了20.7%。此外，发现Beta频带的综合度量指标分类效果更好，对于失眠症患者的日常诊断具有潜在的应用价值。