脑电的脑网络方法及应用研究-生物医学工程专业论文.docx

摘 要摘要复杂网络已经作为重要手段被广泛应用到脑功能研究中。从神经元之间的突 触连接，到神经元群间相互依赖的非线性动力活动，再到大脑区域间的因果交互 作用，脑网络的研究从结构、功能和效率连接的不同层面反映了大脑的活动状态。 静息态下的缺省模式脑网络，以及有任务刺激条件下的事件相关脑网络的分析都 为脑功能和脑认知的研究提供了新的信息。脑电能够检测时间尺度上的神经电活 动。由于具有高时间分辨率，基于高密度电极记录的脑电越来越多地被用来研究 脑网络。基于脑电的脑网络可以在头表构建，也可以通过源定位在皮层上构建。利用脑电研究头表脑网络必定受到参考电极的影响。选择一个恰当的参考是 构建正确的脑电脑网络的基础。探究几种常用参考（平均参考，连接耳参考，左 耳参考，无穷远参考）在构建脑网络时引入的误差，找到合理的参考方式是本文 的研究任务之一。另外，在事件相关脑网络研究中，事件相关电位（event-related potential,ERP）成分的准确度对脑网络的构成起着关键作用。在短间隔刺激实验中， 刺激成分之间存在着相互迭加的现象，传统的平均叠加可能会造成成分失真，需 要分解出可靠的ERP成分。因此本文将这两个脑电分析的基础问题，引入静息态 缺省模式网络和空间定向事件相关脑网络的具体研究中，对参考问题和脑网络分 析方法进行了细致的探讨。主要内容包括：1.通过仿真，比较不同参考在脑电相干分析中引入的误差以及对脑网络构建 的影响，发现基于参考电极标准化技术（Referenceelectrodestandardization technique,REST）的无穷远参考能够有效地减小误差并客观地展现脑网络。2.对静息态脑电进行谱分析，发现不同参考对能量、空间分布，加权重心和 相干系数等都有显著的影响。利用相干分析结果对脑电缺省模式网络进行构建， 发现与REST 参考相比，其他参考都引起了脑网络明显的失真。3. 利用一种稳健的成分分解算法对短刺激间隔的空间定向ERP 进行成分分解。分析空间定向ERP的成分特性，发现成分分解算法能够有效改善成分混叠问 题。通过计算节点间分解出的ERP成分的同步性，展示了符合神经生理机制的事 件相关脑网络连接。关键词：脑网络，参考电极，缺省模式，事件相关脑网络，成分分解IABSTRACTABSTRACTComplexnetworkhasbeenwidelyappliedinthebrainfunctionstudies.Fromthe synapticconnectionslinkingneuronalunits,theinterdependentnonlineardynamic activitiesbetweenneuronsets,tothecausalinteractionamongbrainregions,thebrain networkrepresentsdifferentlevelsofbrainactivitystatesintermsofstructural connectivity,functionalconnectivityandeffectiveconnectivity.Thestudiesofdefault modenetworkinrestingstate,andtheevent-relatedbrainnetworkinducedbytask stimulusprovidemuchmoreinformationforbraincognitiveprocessing.The electroencephalogram(EEG)techniqueisideallysuitedtostudytheneuralactivityon largetimescale.Withtheadvanceathightemporalresolutionandlargenumberof recordingsensorscoveringthewholehead,EEGtechniqueisincreasinglyusedtostudy brainnetworks.Theconnectivitycanbebothmappedonthescalpandthecortexatthe sourcedomain through estimatingthe cortical sources.Duringthebrainnetworkstudies,thescalpnetworkmustbe affectedbythe reference.Itisfundamentaltochooseareasonablereferencetoreconstructproperbrain network.Toanalyzetheerrorsintro