基于同步似然的gamma子带功能网络构建与鸽子转向行为解码

摘要

脑是自然界中最复杂的网络，脑中数以亿计的神经元之间不同的连接模式不仅编码了动物的行为，而且控制着躯体的功能输出。因此，与特定行为和功能相对应的神经元网络信息处理机制的解析，目前已成为神经科学和控制科学等交叉领域新的研究热点，有助于深化对大脑特定功能和机制的理解。本文针对动物目标导向抉择行为的神经信息解码问题，以鸽子为模式动物，首先通过植入式微电极阵列记录了鸽子弓状皮质尾外侧区神经信号，根据转向过程中局部场电位（local field potential，LFP）不同频带的时频特性变化，确定了转向行为的编码频段；然后利用同步似然算法构建了gamma子带功能网络，并分析了网络的拓扑特性，确定了转向行为的解码时间窗；最后提取了gamma子带功能网络特征，并利用联合留一法（leave one out，LOO）和k近邻（k-nearest neightor， kNN）的神经信息解码算法解码了鸽子的转向行为。本文已完成的工作和取得的研究成果概括如下：
　　1）利用多窗口重叠功率谱估计和小波变换技术，从时域、频域、时频域三个角度对鸽子转向过程中的 LFP信号进行了特性分析，以确定与鸽子转向行为相关的 LFP信号特征频带。结果发现，与等待区相比，转向区的 gamma子带（40~60 Hz）能量显著增加，而其它子带并没有明显变化，这表明 LFP信号gamma子带编码了鸽子的转向行为。
　　2）利用同步似然分析算法，构建了 LFP信号gamma子带功能网络，度量并分析了网络的拓扑特性。对比分析了等待区与转向区、不同方向以及转向前后gamma子带功能网络的拓扑特性，发现转向区的网络聚类系数和全局效率显著高于等待区，而且转向区不同方向的网络特性之间的差异也比较明显。进一步的研究发现转向后聚类系数和全局效率显著高于转向前，这表明转向后gamma子带功能网络包含了鸽子的转向行为信息。
　　3）利用网络的连接强度值和主成分降维技术，提取了gamma子带功能网络特征，并利用LOO-kNN解码算法解码了鸽子的转向行为，对比分析了网络特征和能量特征的解码正确率。结果表明，网络特征的解码正确率（0.74±0.08）显著高于能量特征的解码正确率（0.61±0.12）。同时，通过对转向过程中 gamma子带网络特征解码正确率的动态特性分析发现，不同鸽子的解码正确率峰值大都出现在转向后，这表明在鸽子转向过程中目标可能起到了关键作用。

目录

声明

1 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 本文的主要研究内容

2 LFP信号的采集与处理

2.1 鸽子目标导向抉择任务与行为训练

2.2 LFP信号的采集

2.3 LFP信号的处理

2.4 本章小结

3 LFP信号的时频特性分析

3.1 LFP信号的时域特性分析

3.2 LFP信号的频域特性分析

3.3 LFP信号的时频特性分析

3.4 本章小结

4 gamma子带功能网络的构建与拓扑特性分析

4.1 gamma子带功能网络的构建

4.2 gamma子带功能网络拓扑特性度量

4.3 gamma子带功能网络拓扑特性分析

4.4 本章小结

5 利用gamma子带功能网络特征解码鸽子转向行为

5.1 LFP信号gamma子带特征提取

5.2 LOO-kNN神经信息解码算法

5.3 鸽子转向行为解码性能分析

5.4 本章小结

6 总结与展望

6.1 工作总结

6.2 展望

参考文献

致谢

个人简历、在学期间发表的学术论文