大脑协同功能的脑波成像.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
大脑协同功能的脑波成像+ 南3 周 曙1,2魏景汉1周 罗跃嘉1 (1中国科学院心理研究所2第一军医大学南方医院脑研究中心3中国农业大学(东区)网络中心) 摘要本文提出一种新的大脑三维模型建模方法及相应的插值技术,结合多变量自回归模型提取和分析多通道 事件相关电位高阶信息,偏相干等频域特征构成的脑波时空模式反映了认知过程中大脑不同区域的动态协同与合 作。 关键词 脑功能成像相干分析事件相关电位 1前言 动物神经电生理研究运用相关分析(时域分析)发现大脑不同区域的功能联系可能利用了高阶统计信息 而不仅仅是神经元平均发放率(一阶信息)LlJ。作为频域方法的相干分析若在该领域应用可提取更多信息, 一.其中脑波活动经插值构成的时空模式使思维过程的可视化成为可能,为减少扭曲从而更准确的定位需要 接近真实的大脑(或头颅)三维模型,目前多利用神经影像学没备获得的解剖形态学数据重构立体模型_2J,这 种建模方法过于复杂,适合这类不规则表面的脑波插值方法也有待探索。 本文提出一种接近真实的大脑三维模型建模方法及相应的插值技术,结合多变量自回归模型分析多通 道ERP高阶信息,用偏相干等频域特征插值构成反映大脑协同功能的时空模式。 2方法 2.1大脑三维模型建模 我们采用基于椭球参数方程的模型驱动方法进行建模。首先获得由网格(面元)构成的大脑曲面模型, 其中偏心椭球方程对应对称的两侧半球,在不同区域内细调数生成中央沟、大脑前部和后部等特殊效果。然 后采用适合凸面体的法向量法消隐,利用光照明模型并添加中央裂和外侧裂改善模型的视觉效果。脑波活 动的强度则用不同颜色或光强编码。该接近实际的大脑模型在微机上实现,可以三个坐标轴为中心旋转从 而获得各个角度的视图。 cortical 2.2广义皮层成像技术(generalizedimagingtechnique。GCIT) 我们将解决脑波逆问题提出的皮层成像技术推广为适合脑波变换域或高阶统计特征插值的方法L3J。设 p(A。)的贡献与其问距离d(A—B)的负指数方g成反比: 三 P(A。)=艺s(B。)d(A…B)8,m=1~M (1) 鉴于Ⅳ通常大于M,通过奇异值分解获得方程的最小范数解确定等效源强度,由等效源强度和等效源面至 头皮之间的某插值点的距离即可确定该点的脑波活动量值。GCIT获得的等效源强度是使电极处的实际值 与估计值之间的误差在最小平方误差意义上的最优解。 2.3多变量自回归模型和偏相干分析 短时间片段的多通道ERP可以用多变量自回归模型来描述: *本课题为国家自然科学基金及中国博士后科学基金资助项目。 388 ,yl foq n斗k,—;i.}k%砑F8 十’i=F3 H十—气= 十6、;水”瓦j T3 C3(34T4 十A≮≯十△kⅪ半凸≮≯书—℃; T6 十‰矿o} ∞ 十—函 塑坐E十k—~十b。—i l∞OⅡo 图l 13名受试者对再现字反应正确 时的ERP总平均图 图2不同时段的ERP各频段平均功率谱时空模式 z[n]=一∑A[i]z[n—i]+“n],n:1,…,N(2) 用AIC标准确定模型的阶次p,由方程(2)的计算结果可得互谱密度阵: (3) S(f)=H(f)EH:4(f)=A-t(/)EA8(f) 区可通过直接联系或容积传导分别对A和B区产生影响,偏相干则是在去除C区影响后反映A和B区相互 关系的频域测度: c:。(,)=屯。(,)/(屯(,)s。(,))”

您可能关注的文档

文档评论(0)

wuhuaiyu002 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档