基于脑疲劳的Delta-Gamma相位幅值耦合研究

脑疲劳是大脑长期处于精神高度集中后机体无法专心高效率完成任务的一种状态,极度影响着人们的生活和健康。但至今都没有简便有效的检测方法,而近期研究发现,低频与高频之间的相位幅值耦合(PAC)可能与相关脑认知活动的信息交流整合有关,可为脑疲劳检测提供新信息。对疲劳前后低频delta节律和高频 gamma节律采用相位幅值耦合方法进行研究,使用Neuroscan 64导脑电仪采集脑电并用配对t检验对14名被试结果进行统计分析,结果显示,全脑区90%以上的delta相位共同调制多个脑区的gamma幅值,其中对前额叶区、顶枕叶区、顶叶区的耦合作用在脑疲劳后发生显著性下降,而对额叶区的耦合作用则显著上升。研究表明,delta-gamma相位幅值耦合值能很好地预测脑疲劳引起的宏观行为表现变化能力,为脑疲劳的检测提供新指标。     

基于卷积神经网络的胎儿二维超声图像丘脑横切面的自动识别

目的:胎儿二维超声图像不同切面的自动识别分类对于提高医生的工作效率具有十分重要的意义。方法:本文针对传统自动分类方法中需要先对图像进行细致分割再进行特征提取和分类识别、分类速度慢等问题,提出了一种基于深度卷积神经网络(Convolutional neural network,CNN)的胎儿二维超声图像中丘脑横切面的自动识别方法。通过对收集到的胎儿二维超声丘脑横切面进行图像增强等预处理,提出了改进的卷积神经网络算法。结果:该算法避免了对于二维超声图像复杂的前期预处理,可以直接输入原始的二维超声图像,具有很强的适应性和泛化能力。试验结果表明,该方法的识别准确率能达到94.81%。结论:此模型的提出,为医学影像自动识别技术提供了新的参考。     

传递熵算法研究进展及其应用EI北大核心CSCD

近年来,从神经网络层面探索脑功能整合的相关生理病理机制已经成为神经科学领域研究关注的焦点之一。由于神经信号具有非平稳和非线性的特性,其线性特征不足以充分解释复杂脑功能执行过程中潜在的神经生理活动机制。为克服线性算法无法有效分析信号非线性特征的局限性,研究人员提出了传递熵(TE)算法。近年来,随着脑功能网络概念的引入,TE作为非线性时间序列多元分析的有力工具被不断优化。本文先介绍了TE算法的原理以及相关改进算法的研究进展,探讨比较了它们各自的特点,然后总结了TE算法在电生理信号分析领域的应用。最后,结合近几年的研究进展,探讨了TE目前存在的问题,并展望了其未来的发展方向。     

基于真实头模型与多偶极子算法的癫痫致痫灶脑电溯源方法研究

精准定位致痫灶是手术切除致痫灶的前提，而传统基于三维球模型或标准头模型模板的溯源结果与真实致痫灶误差较大。本研究拟在构建真实头模型的基础上，利用癫痫患者睡眠期脑电中的痫性发作棘波，通过多偶极子与真实头模型计算出大脑皮层电流密度分布，对致痫灶进行溯源定位。实验结果表明，基于该算法的溯源结果定位准确率为89.27%，可使植入电极的数量减少（19.34±7.15）%。该方法不仅能够提高致痫灶定位准确性，还能够减少术中额外伤害，为神经外科医生制定手术方案提供了更加直观有效的参考。