语言任务下脑电时频网络特征提取及在脑机接口中的应用

摘要

探索智能、意识的人脑机理，认识人的行为和情感，创新脑疾病诊断与治疗，以及类脑计算和智能机器人是二十一世纪科学的前沿领域。脑机接口和脑网络研究是该领域的重要研究内容。本文围绕人脑听觉脑电事件相关电位和语言任务信息加工的时频特征分析的科学问题，以脑机接口和脑网络技术为手段，将脑皮层标准电极和微电极相结合，以临床实验室数据为依据，系统研究了听觉认知和语言任务下脑电时频网络特征提取与分类方法，构建了动态的因效脑功能网络，分析了相关时频特征及网络性能，探索了大脑对听觉及语言信息加工的特点、动态处理过程及表征方法，为基于听觉与语言任务的脑机接口和脑网络研究提供了依据，对脑科学和认知神经科学研究具有重要的参考价值。
　　主要的创新性研究工作有：
　　1、在听觉事件相关电位的单次提取中，采用经验模态分解方法，并引入听觉脑电特征信号N2ac，有效地提高了信号分类精度和传输速率。
　　设计听觉 oddball刺激范式的脑机接口实验，采用经验模态分解及相关系数进行特征提取，并在传统事件相关电位 N200、P300的基础上，引入 N2ac信号进行二分类研究。结果表明经验模态分解能够有效提取单次实验事件相关电位；事件相关电位N2ac的引入，可以有效提高分类精度。
　　2、利用脑皮层标准电极和微电极，将时域分析和频域分析相结合，研究高频(High gamma)特征信号在语言任务下脑功能的定位作用。
　　采集被试音节朗读任务时的皮层脑电，比较多频段脑电的时频功率谱，探索了微电极与标准电极的激活状态，并与临床皮层电刺激结果做比较，结果表明发音前后High gamma(70-110Hz)功率显著升高，且可以用于语言区定位，并辅助临床癫痫手术的术前评估。
　　3、对比分析了皮层脑电标准电极和微电极空间分辨率对分类结果的影响。
　　提取被试进行音节朗读任务时，标准电极与微电极的High gamma频段幅值特征，比较标准电极、微电极以及二者结合时的分类正确率，结果发现微电极虽然空间分辨率高，但是电极位置会影响分类结果；两种电极的结合，能够获取全局以及局部脑电特征，可以显著提高分类正确率。
　　4、基于复杂网络构建和分析方法，探索语言加工过程中脑信息流的动态处理过程，并对脑网络性能进行分析和评估。
　　采用多尺度的皮层脑电，构建音节朗读任务时大脑语言区的时变动态有向网络连接，同时采用度中心度和特征向量中心度的方法衡量网络中节点的重要性，进一步辅助临床癫痫手术的术前评估。
　　5、分别采用互相关和时变动态贝叶斯网络分析方法，对比分析网络连接特征在脑机接口中的应用。
　　采用互相关和时变动态贝叶斯网络，分别衡量发音前后脑网络的功能连接与效应连接，进而采用网络连接特征进行分类研究，并与High gamma特征的分类结果进行对比。结果显示多数分类情况下时变动态贝叶斯网络连接系数的分类结果与 High gamma的分类结果相一致，时变动态贝叶斯网络连接系数的分类结果要优于互相关系数。

目录

声明

第一章 绪论

1.1 课题研究背景

1.2 国内外主要研究现状

1.3 本文的主要研究内容

第二章 脑电信号的事件相关电位分析

2.1 引言

2.2 听觉脑机接口实验设计及信号采集

2.3 数据分析方法

2.4 特征信号提取及分类结果

2.5 本章小结

第三章 多尺度皮层脑电时频特征分析及语言区定位

3.1 引言

3.2 实验设计与数据采集

3.3 时频特征提取方法

3.4 皮层脑电时频分析结果与讨论

3.5 本章小结

第四章 基于High gamma特征的音节分类

4.1 引言

4.2 皮层脑电信号采集及数据处理

4.3 特征提取及分类结果分析

4.4 本章小结

第五章 时变动态贝叶斯网络模型及其在皮层脑电网络连接中的应用

5.1 引言

5.2 时变动态贝叶斯网络模型

5.3 度中心度以及特征向量中心度分析

5.4 时变动态网络构建及中心度分析

5.5 本章小结

第六章 基于网络连接特征的音节分类

6.1 引言

6.2 网络连接特征提取及分类方法

6.3 脑网络连接及分类结果

6.4 本章小结

第七章 总结与展望

7.1 全文工作总结

7.2 论文主要创新点

7.3 展望

参考文献

攻读博士学位期间所取得的相关科研成果

致谢