非線性與復雜網絡理論在腦電數(shù)據分析中的應用研究.pdf

1、人腦中的復雜連接在靜態(tài)和動態(tài)活動時均存在，不同的大腦神經元、神經元集群、腦區(qū)之間在各種時間-空間尺度上相互協(xié)調、相互作用，形成一個非線性的、高度復雜的網絡，大腦的一切功能認知均基于這個復雜網絡。腦電信號則是來自大腦這一復雜系統(tǒng)的生物電信號。近年來，將非線性動力學及復雜網絡理論應用到腦電信號分析中，力圖挖掘大腦不同腦區(qū)之間的耦合關系，以及腦網絡的拓撲結構在不同狀態(tài)下的變化規(guī)律，成為多學科交叉研究的熱點。非線性動力學與復雜網絡理論為大腦這一

2、復雜系統(tǒng)的研究，提供了一個新的視角。
　　本研究分析并改進了時間序列非線性檢測方法，對腦電數(shù)據的非線性特性進行了檢測;多角度分析了大腦中的同步性;探討腦電功能腦網絡的構建及分析方法。并在酗酒者腦電數(shù)據上，通過同步性與腦網絡屬性的分析，探索腦疾病狀態(tài)下大腦動力學的變化模式;挖掘酗酒這種神經退行性疾病狀態(tài)下大腦同步性及網絡屬性與正常被試之間的差異;利用機器學習算法，尋找酗酒早期診斷的生理學指標。
　　本文主要創(chuàng)新工作如下:

3、>　　(1)提出兩種新的時間序列非線性檢測方法
　　傳統(tǒng)的非線性檢測方法中采用的特征量有一定的不足，本研究提出基于樣本熵和基于模糊熵的兩種新的非線性檢測方法，并在仿真數(shù)據集上驗證了新方法的準確性與時間效率。與傳統(tǒng)檢測方法相比，新方法在準確率上基本相同，但是時間效率大幅度提升。
　　(2)結合腦電的溯源技術，提出一種新的同步性分析方法
　　目前腦電的同步性研究中，同步性的分析都是基于頭皮EEG數(shù)據進行的。然而，由于腦電的

4、容積導體效應，使得頭皮電極之間可能出現(xiàn)偽相關性，進一步影響同步性的度量。本研究利用最新的腦電溯源技術，度量了大腦皮層上自定義的ROI之間的同步性。最后在酗酒數(shù)據上對兩種同步性分析方法進行了對比研究，發(fā)現(xiàn)與傳統(tǒng)的頭皮電極同步性相比，本文提出的溯源后EEG同步性分析方法能夠更加精確地度量大腦進行認知活動時的動力學變化。
　　(3)提出一種新的EEG腦網絡構建的閾值選取方法
　　構建無權無向網絡時，需要設置合適的閾值T將相關矩陣轉

5、換為二值矩陣。目前研究多是在單閾值下分別討論網絡的拓撲特性，本研究提出一種新的EEG腦網絡構建的閾值選擇方法，可利用網絡的小世界屬性，計算出一個稀疏度范圍作為閾值空間，并在該閾值空間內分析了網絡的拓撲屬性變化。
　　(4)首次利用復雜網絡理論構建并分析了酗酒患者EEG功能腦網絡
　　酗酒者EEG的研究中，目前多采用計算某個通道或區(qū)域的能量、功率譜、熵等特性。本文首次嘗試利用復雜網絡理論構建并分析了酗酒者的EEG功能腦網絡，挖