阿尔茨海默病的静息态脑网络功能连接异常特征

阿尔茨海默病(AD)是严重危害中老年健康的常见神经退行性疾病,目前尚无有效的早诊办法.本文旨在从脑功能网络新视角研究AD患者脑区间功能连接异常特征,以寻求AD早诊新思路.采集了27例AD患者、20例轻度认知障碍(MCI)患者和36例正常老年人(NC)的静息态功能磁共振成像(f MRI)数据,分别构成中央执行网络(CEN)、突显网络(SN)、默认模式网络(DMN)和背侧注意网络(DAN)等4种大尺度脑功能网络并基于种子点分析方法计算网络功能连接参数,在每种脑网络下对AD、MCI患者和NC组做两两比较的双样本t检验统计学分析,得到组间网络内功能连接的显著性差异变化特征.结果表明:AD患者在CEN的右背侧楔前叶与右侧前额叶皮层、DMN的双侧内侧前额叶皮层与双侧角回及双侧后扣带回和DAN的双侧顶上小叶脑区功能连接均有显著下降,而MCI患者只在CEN的右侧后顶叶皮层脑区功能连接有所下降,两者在SN的功能连接皆无统计学意义变化.有关结果不仅印证了AD患者脑网络功能连接变异特征与其认知障碍病情变化相符,而且有望为探索MCI转化至AD的病理机制和基于脑网络功能连接分析进行AD早诊提供参考.     

双耳差频声刺激下的脑波特征与心理变化

首先通过前期主观实验得到人耳对双耳差频声的感知频谱,随后通过两部分实验,分别探索双耳差频声刺激下被试的脑波特征与心理变化,选取人耳感知阈值较大的中频作为载波信号。经过分析脑波特征与心理变化之间的相关性,为通过测量与分析被试的脑波参数,预测其心理尺度提供一定的分析思路。分析结果表明:各脑波分析指标与疲劳、抑郁、精力这三个情绪以及情绪总估价分之间的相关性较为显著,相关系数绝对值均达到0.5以上;Delta/Theta波段功率比重与反应时间、正确率正相关,Beta波段功率比重与反应时间、正确率负相关。     

高特质焦虑个体情绪注意偏向的脑网络研究

利用复杂网络分析方法对脑网络的拓扑结构和属性进行分析,探讨高特质焦虑个体情绪注意偏向的脑功能机制.选取高特质性焦虑(HTA)和低特质性焦虑(LTA)各15名被试,进行3种情绪面孔表情(高兴、中性和愤怒)的搜索任务,同步记录64导脑电(EEG).对EEG数据进行同步似然分析,计算网络的整体属性参数(全局效率、聚类系数和特...     

基于脑电溯源的顿悟状态脑功能网络研究

利用脑电(EEG)溯源方法,将头皮记录的EEG信号重建大脑皮层源信号的分布模式,以大脑皮层源信号构建顿悟状态脑网络并计算网络的属性参数,探讨顿悟的神经机制。选取14名被试进行中文远距离联想任务(CRAT),同步记录64导EEG,分别对beta(14～30Hz)和高gamma(50～80Hz)节律的EEG溯源数据进行同步似然分析,选择合适阈值构建脑网络并计算网络的节点度和聚类系数。结果显示,顿悟状态beta节律和gamma节律的脑网络的节点度、聚类系数均高于非顿悟状态,且其gamma节律的脑网络属性参数高于beta节律,提示顿悟的神经机制与beta节律、尤其与高gamma节律的脑功能连接增强及脑信息传输能力提高有关。相较于头皮EEG信号,大脑皮层源信号更准确地体现皮层区域间连接特性,本研究为揭示认知的神经机制提供了新视角。     

基于脑功能网络的脑疲劳状态检测研究

为了对驾驶员的疲劳状态进行有效识别,进行了真实高速公路驾驶实验。通过无线脑电采集设备采集驾驶员在不同时刻的多导脑电数据。基于相位滞后指数对不同时刻的脑电数据分别建立邻接矩阵、二值矩阵,并构建脑功能网络,绘制脑网络地形图。利用复杂网络理论计算和分析脑功能网络节点特征参数--度,并对不同时刻的节点度进行对比。根据各个节点度的变化趋势以及驾驶员的主观判断,发现随着驾驶实验的继续,驾驶疲劳程度加深,大脑的信息处理能力降低,相位滞后指数值与节点度下降趋势明显。表明脑功能网络特征参数--度,能够作为表征大脑疲劳的客观指标。通过与其他检测方法的对比得到采用节点度作为脑疲劳状态评价指标可靠性更强。     

核磁共振成像在脑连接方面的研究

大脑是人体最复杂的器官,担负着对所有高级认知活动的管理。而脑连接技术则是一种研究人脑结构和功能的最常用的、非常有效的手段。基于核磁共振成像技术获得的数据,介绍脑连接的研究进展。     

基于盲源分离的运动想象脑电信号特征提取方法的研究

运动想象脑电信号被广泛应用于脑机接口系统中。针对如何准确有效地提取运动想象脑电信号特征的问题,通过分析运动想象脑电信号时域、频域和头皮空间域的特征,提出了以小波变换为预处理,并利用二阶盲辨识算法和信息论特征提取算法相结合获取的空间滤波器,从时域、频域和头皮空间域对运动想象脑电信号进行特征提取的方法。实验结果表明,采用时域、频域和空间域提取特征的方法性能有明显提高,并且将二阶盲辨识算法和信息论特征提取算法相结合获取的空间滤波器能够反映更真实的大脑源活动。     

基于脑电和磁刺激的脑功能网络研究

大脑的结构和功能具有高度复杂性,其功能执行需要依赖于脑功能区之间的相互作用所构成的网络实现.脑电(EEG)作为一种无创医学检测技术因包含了大量的生理、病理信息且能够反映大脑的功能活动状态,被广泛应用于脑科学以及认知神经科学的研究中.经颅磁刺激(TMS)技术作为一种新型的刺激方式,因具有众多显著优势被应用于临床研究并在人体神经功能调控、疾病治疗以及康复理疗等方面表现出很好的应用前景.鉴于此,本文首先分析了脑网络研究的必要性及迫切性,回顾了近年来国内外基于EEG、功能磁共振成像(f MRI)等技术的脑功能网络研究成果,重点介绍了基于EEG和TMS技术的脑功能网络的构建与分析,最后对脑网络研究中存在的问题及该领域面临的挑战进行了讨论.     

基于线性核主成分分析和XGBoost的脑电情感识别

本文通过引入线性核的主成分分析和极端梯度提升(XGBoost)模型,给出了一种连续视听刺激下脑电(EEG)情感四分类识别算法.为体现适普性,文中使用传统的功率谱密度(PSD)作为脑电信号特征,并结合XGBoost学习得到weight指标下的特征重要性度量,然后使用线性核的主成分分析对经阈值选择的重要特征进行处理后送入X...     

基于深度自编码和LSTM循环网络的脑电情感识别

针对脑电信号情感识别中情感特征信息挖掘不充分、识别准确率低的问题,提出深度自编码方法提取脑电信号情感特征,并结合长短时记忆(LSTM)循环神经网络实现维度情感分类.首先,基于DEAP维度情感生理数据集,分别在唤醒度和效价维度选取情感标签阈值,划分不同情感状态;然后,通过时间窗对脑电信号分段,设计栈式自编码网络挖掘脑电数...     

基于变分模态分解与深度信念网络的运动想象分类识别研究

传统人工确定最优时段及最优频段的方法会造成信息遗漏进而导致运动想象识别率的降低, 因此基于脑电信号的运动想象分类研究成为了脑-机接口研究领域的难点问题。针对该问题,变分模态分解和深度信念网络被应用于运动想象分类。对脑电信号进行变分模态分解得到窄带分量,利用希尔伯特变换提取边际谱、特征频带下的瞬时能谱以及时-频联合特征; 特征融合后采用深度信念网络对高维特征降维并实现运动想象模式的识别, 避免了人工确定想象最优时段及最优频段造成的信息遗漏。实验结果表明,利用变分模态分解与深度信念网络自动提取最优时段及最优频段特征的方法有效提升了运动想象识别率。     

基于栈式自编码神经网络的脑电信号情绪识别

针对维度情感模型生理信号情绪识别准确率较低的问题,本文基于DEAP维度情绪生理数据集,利用AR模型功率谱估计方法,提取脑电θ,α,β,γ节律的功率谱密度;采用小波包分解提取脑电小波包系数和能量占比时频特征;通过非线性分析提取脑电样本熵和小波包熵特征.然后,设计栈式自编码神经网络算法对脑电组合特征在效价和唤醒度两个情感维...     

社会网络对跨界员工创造力的作用研究

基于社会网络的视角,将跨界员工所处的工作网络划分为业务网络和领导力网络两个情境,构建了员工的跨界效能和工作网络特征(业务网络中心度、业务网络密度、领导力网络密度)对员工创造力影响的理论模型。通过对43个工作团队的205名员工发放调查问卷,采用分层回归的方法进行实证分析。研究结果表明:1员工的跨界效能直接激发创造力的产生;2业务网络的中心度和密度积极促进员工跨界效能作用的实施;3领导力网络的密度会削弱业务网络的调节作用。     

一种基于降维密度聚类的船舶异常轨迹识别方法

目的 有效分析和探索海洋船舶时空轨迹行为模式,提高船舶轨迹聚类的效率与质量,更好地检测真实船舶的异常行为。方法 针对当前船舶轨迹数据研究中存在的对多维特征信息利用不足、检测效率不高、检测精度较差等问题,提出一种精确度高、能自主识别分析多维特征的船舶异常轨迹识别方法。首先利用随机森林分类器评估多维特征重要性,构建轨迹特征的最优组合;然后提出一种降维密度聚类方法,将T–分布随机邻域嵌入(T–SNE)和自适应密度聚类(DBSCAN)模型结合,通过构建特征选择层和无监督聚类层实现对数据元素非线性关系的高效提取以及对聚类参数的智能选择;最后根据聚类结果构建类簇特征向量,计算距离阈值判别轨迹相似度,实现轨迹异常检测模型的构建。结果 以UCI数据集为例,降维密度聚类方法对4、13、30、64维特征数据集的F1分数能达到0.9 048、0.9 534、0.8 218、0.6 627,多个聚类指标均优于DBSCAN、K–Means等常见聚类算法的。结论 研究结果表明,降维密度聚类方法能有效提取数据多维特征结构,实现聚类参数自适应,弥补密度聚类中参数难以确定的问题,有效实现对多种类型船舶轨迹异常的识别。     

基于残差连接和1D-CNN的滚动轴承故障诊断研究

针对滚动轴承故障诊断人工提取特征困难、浅层诊断模型性能差的问题,提出一种基于残差连接的一维卷积神经网络(1D-CNN)的深层轴承故障诊断模型。将原始轴承振动信号输入网络中,利用具有残差连接的多个一维卷积层自动提取特征,残差连接能够在提取深层特征信息的同时将浅层提取的特征信息保留下来,与无残差连接的一维卷积网络相比能获得更丰富的轴承信号特征信息,并输入到Softmax层进行分类,输出轴承振动信号的故障类型。该研究通过不同残差网络结构模型的设计,验证具有残差连接的1D-CNN的网络模型在轴承故障诊断的有效性。试验结果表明,残差连接能有效提高轴承故障诊断的准确率。     

基于眼动追踪和脑电技术的多维设计特征产品外观的用户情感预测模型

目的探索多维设计特征产品外观的用户情感测量,建立基于生理指标的用户情感预测模型。方法以马克杯为例,通过外观解构,多维设计要素提取,正交组合设计,建立产品外观原型。利用眼动追踪和脑电技术,采集用户观看产品外观时的眼动数据和脑电信号。结果分析发现,注视点数,注视总时间,扫视路径长度,FP1、FP2、FPZ、F3、FC3、FC4、PZ、PO3、PO4、POZ、O1、OZ电极Gamma波相对功率,以及F3电极点Delta波相对功率等指标在高、中、低三种情感外观均具有显著性差异,且利用这些指标建立的PLS模型,具有较好的拟合度。结论各评价指标能够有效区分用户对马克杯产品外观的高、中、低情感。用户情感预测模型能够有效地预测用户对多维设计特征产品外观的情感,但在跨越不同类别产品时,模型的拟合度有所下降。研究为多维设计特征产品的用户情感测量提供了有效的方法。     

基于支持向量特征筛选方法的想象动作识别

引入了支持向量特征筛选方法,以克服基于想象动作诱发脑电特征的脑-机接口识别中,由于特征维度较高而训练数据有限、不易获得理想识别效果的问题.支持向量特征筛选方法采用扰动支持向量机代价函数的方法测量特征的分类贡献度,进而建立特征序贯指数,以递归方法进行特征排序和优化筛选.对14例受试者的左右上肢想象动作诱发脑电信号进行分析,提取6类246维特征,采用支持向量递归筛选方法进行特征优选,利用支持向量机对优选特征进行识别,结果显示,支持向量递归筛选得到的优选特征可显著提高识别正确率.研究表明,支持向量特征筛选可以降低无效特征干扰,提高分类器效率,适用于特征维度较高的脑-机接口任务识别.     

小波统计方法提取想象运动诱发脑电特征

针对想象单侧肢体运动会导致同侧和对侧运动皮层脑区EEG信号分别出现事件相关同步(ERS)和事件相关去同步(ERD)现象,提出了一种小波变换结合统计分析的左右手运动想象诱发脑电特征提取方法.将采集的多导脑电信号进行预处理;利用db5小波,分别对左右手运动想象C3、C4导联的脑电信号能量进行6尺度小波分解,并按所需频段重构;计算不同尺度小波分解系数能量的均值、方差和相关系数,将这三个特征能量对应相加,并对C3、C4导联的能量做差,得到左右手运动想象脑电的特征向量.结果表明,该方法提取的特征向量可以较好地反映运动想象脑电事件相关同步和去同步的特点.     

颈内动脉和大脑中动脉狭窄与闭塞患者的64排螺旋CT脑团注成像特征分析

目的:研究分析颈内动脉和大脑中动脉狭窄与闭塞患者的64排螺旋CT脑团注成像特征。方法:选取2015年5月-2017年3月我院收治的颈内动脉及大脑中动脉狭窄或闭塞患者37例,然后再选取健康志愿者10名,对所有患者进行头颅螺旋CT平扫,脑团注成像以及CT血管成像检查,并进行对比分析。结果:CT平扫结果显示,37例患者中16例患者无明显异常,21例患者有腔隙性脑梗塞或陈旧脑梗死,28例患者脑团注成像结果存在不同程度延迟,9例患者正常。患者与健康志愿者脑血流量、脑血容量、平均通过时间、达峰时间等血流动力学参数差异较大,具有统计学意义(P0.05)。结论:64排螺旋CT脑团注成像联合CT血管造影检查,可有效诊出颈内动脉和大脑中动脉狭窄或闭塞等血管疾病,值得在临床上被推广采用。     

游戏设计中基于DBN的用户体验评估模型研究

目的为了更直观、有效地评估游戏产品的用户体验(User Experience,UX),消除单一评估标准的不确定性。方法从传统的MDA游戏设计的角度出发,引入用户的生理特征测量,构建基于动态贝叶斯网络(Dynamic Bayesian Network,DBN)的用户体验评估模型。该模型通过MDAUX框架提取用户体验影响因子,作为贝叶斯网络的输入层节点,通过生理特征测量方法提取用户的脑电和眼动状态,作为贝叶斯网络输出层节点,以一阶隐马尔可夫模型(Hidden Markov Model,HMM)表示两个相邻时间片上用户体验元素的影响关系,从而动态地展示用户体验状态。结果通过生理特征测量实验验证该模型的可行性,通过建立知识平台实践了模型的应用。结论结合生理特征测量的用户体验评估模型可有效反映用户体验状态。