光学多普勒层析术在脑微循环研究中的应用

光学多普勒层析（optical Doppler tomography，简称ODT）技术为检测微米级血管的血流速度提供了一种新的手段．以颅脑开窗的大鼠为实验模型，以电刺激和药物刺激为手段，基于自行研制的ODT系统实时检测大鼠脑部感觉皮层细动脉的血流速度变化．实验结果表明，利用ODT可以观察到血流速度在刺激组和对照组之间的显著变化，因而证明了ODT用于脑微循环研究的可行性．较传统的超声多普勒技术，ODT具有更高的空间分辨率，在脑微循环研究尤其是微米级血管的血流速度观察方面，具有重要的应用前景．     

睡眠剥夺影响大脑功能区状态的非线性评价

采用近似熵研究睡眠剥夺（sleep deprivation，SD）对脑认知功能的影响，评价SD引起的大脑功能区状态的非线性变化．12名受试者在正常睡眠和一夜SD之后分别接受视觉注意力测试，记录自发脑电和诱发脑电，采用二维插值构建19导脑电近似熵脑信息图（brain information map，BIM）．结果表明，在SD状态下，自发脑电的近似熵在全脑范围内有不同程度的下降，额叶处大脑偏侧性发生变化，复杂度的中心从左脑转移到右脑；前额叶处诱发脑电近似熵值降低，而顶叶和颞叶处则升高．脑电近似熵可以作为指标来评价SD对脑认知功能的负向影响，BIM的变化趋势与从生理学及影像学角度的分析相吻合，与线性方法的研究结论一致，在一定程度上可以反映大脑功能状态，提供一条评价脑功能区状态变化趋势的思路．     

基于EEGNet的脑电情绪分类应用研究

针对特定脑电信号数据集的情绪分类问题，研究紧凑型的卷积神经网络EEGNet在不同脑电数据集上的能力与效果，并通过在不同的脑电数据集上对EEGNet进行训练与调试，实现单模态脑电数据集的情绪分类。首先，介绍紧凑轻量型卷积神经网络EEGNet结构在时空数据集上的强大处理能力，提出在对EEG信号特征进行编码时的有效性假设。其次，介绍两种经典的脑电公开数据集SEED和SEED-IV，设计针对性的预处理方法、基于EEGNet的情绪分类实验并与其他经典分类方法进行了比较分析。最终，经过在SEED和SEED-IV数据集上的多轮测试，分别得到了85.3%和73.3%的分类准确率，验证了EEGNet在基于脑电信号的情绪分类任务中具有较好的健壮性与准确率。     

面向高性能计算平台的脑科学仿真技术研究

近年来,脑科学研究成为了热点研究领域,欧盟"人脑计划"、美国"尖端创新神经技术脑研究计划"、日本脑计划的相继提出标志着脑科学研究进入了研究高峰期.高性能计算机经过数十年的发展,计算性能的提升日新月异,应用的范围越来越广.本文结合当下脑科学研究热点生物神经网络以及高性能计算平台TH-1A(天河一号)的计算优势,在TH-1A上部署了神经网络模拟软件NEST,对用NEST构建的神经网络进行了内存占用和可扩展性分析,测试了单计算节点最大仿真规模,发现了NEST软件自身的一些瓶颈,并提出了改进的想法,进而实现了对大规模生物神经网络面向高性能计算平台的仿真研究工作.     

国家自然科学基金重点项目“大脑皮层中兴奋和抑制的动态平衡机制研究”介绍

<正>大脑皮层是由神经元通过突触连接形成的超级神经网络,网络中的各种神经环路是实现大脑认知活动的功能模块。皮层网络主要由兴奋性锥体细胞和抑制性中间神经元组成,这些神经元介导的兴奋性和抑制性信号是相辅相成的,两者间的平衡是大脑发挥正常功能的前提,当平衡被打破时会导致皮层网络活动异常以及脑疾病的发生,如焦虑、精神分裂症、癫痫等。因此,研究大脑皮层中兴奋和抑制的动态平衡机制对了解正常脑功能的神经基础和     

基于多模态MRI的AD分类模型

利用多模态磁共振成像数据,构建静息态功能网络,提取了网络属性及结构像中萎缩灰质的灰质体积作为分类特征,训练SVM分类器。实验结果表明,利用结构和功能组合特征,可以区分MCI与正常对照(准确率91.7%),AD与正常对照(准确率100%),AD与MCI(准确率87.8%),有效提高了两类疾病的分类正确率。结果说明提出的分类模型是一种较好的辅助诊断模型。     

狭窄流道中Fahraeus效应研究进展

本文详细论述了毛细管和二维狭缝中流过血液时的Fahraeus效应研究历史及现状,给出了迄今为止得到的全部结论,并报道了笔者对狭缝缝隙中Fahraeus效应研究的最新进展。本文所涉及的内容对于微循环的理论与应用以至有关流变学仪器的设计优化都有重要意义。     

基于独立成分分析降噪与集成分类器的疲劳脑电研究

疲劳驾驶是引起众多交通事故的重要因素之一,脑电作为一种直接反映大脑组织电活动的信号日趋成为评估驾驶疲劳检测与预警的研究焦点。本文提出了一种基于AdaBoost的组合型实验方法用于分析脑电检测疲劳驾驶。试验过程中针对不同受试者采用独立成分分析(Independent Component Correlation Algorithm, ICA)处理分析,继而进行样本熵、信息熵、模糊熵和AR系数的特征提取;最后运用AdaBoost将最小二乘向量机基于三种核分类器集成为一个强分类器。试验结果显示,采用AdaBoost分类器分类效果优于单个核分类器,对疲劳驾驶平均识别率达到93%,五折交叉验证准确率为91.04%,在一定程度上推动了基于脑电信号的安全驾驶辅助监控系统的研究。     

稳态运动视觉诱发电位的诱发及在脑机接口中的应用进展

基于稳态运动视觉诱发电位(SSMVEP)的脑机接口(BCI)能够减少使用者的视觉疲劳,但其信号强度和系统性能仍不能代替基于稳态视觉诱发电位(SSVEP)的BCI.本文对提高SSMVEP信噪比的两种思路以及SSMVEP在BCI中的应用进行了综述.首先归纳和总结了影响SSMVEP诱导和性能的3个主要因素,即运动视觉刺激方式...