基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位的腦機(jī)制及腦-機(jī)接口研究.pdf

1、穩(wěn)態(tài)視覺(jué)誘發(fā)電位具有信噪比高、頻譜穩(wěn)定等特性，被廣泛應(yīng)用于認(rèn)知機(jī)制研究和腦-機(jī)接口領(lǐng)域?；诜€(wěn)態(tài)視覺(jué)誘發(fā)電位的腦-機(jī)接口具有訓(xùn)練時(shí)間少，信息傳輸率高等特點(diǎn)，是腦-機(jī)接口的一個(gè)重要分支。穩(wěn)態(tài)視覺(jué)誘發(fā)電位的一些相關(guān)腦機(jī)制研究還不完善，從一定程度上阻礙了這類腦-機(jī)接口技術(shù)的進(jìn)一步發(fā)展。
　　本文以腦電為分析對(duì)象，主要采用基于圖論的網(wǎng)絡(luò)分析方法來(lái)對(duì)穩(wěn)態(tài)視覺(jué)誘發(fā)電位的腦機(jī)制進(jìn)行研究，并采用多維信息編碼和現(xiàn)代統(tǒng)計(jì)信號(hào)處理的方法來(lái)解決腦-機(jī)接口

2、中存在的一些技術(shù)問(wèn)題。主要內(nèi)容和結(jié)果概括如下：
　　1.采用基于圖論的網(wǎng)絡(luò)分析方法來(lái)對(duì)穩(wěn)態(tài)視覺(jué)誘發(fā)電位的腦機(jī)制進(jìn)行研究。實(shí)驗(yàn)采用了12.5 Hz和16.6 Hz兩種刺激頻率和11個(gè)被試。首先，利用相干和稀疏化方法構(gòu)建被試在刺激頻率下的網(wǎng)絡(luò)（網(wǎng)絡(luò)0）。根據(jù)網(wǎng)絡(luò)0中的連接與穩(wěn)態(tài)視覺(jué)誘發(fā)電位強(qiáng)度強(qiáng)度的關(guān)系，將網(wǎng)絡(luò)0分成了三個(gè)子網(wǎng)絡(luò)：網(wǎng)絡(luò)1,網(wǎng)絡(luò)2和網(wǎng)絡(luò)3。其中，網(wǎng)絡(luò)1和網(wǎng)絡(luò)3分別由與穩(wěn)態(tài)視覺(jué)誘發(fā)電位強(qiáng)度成顯著性正相關(guān)和顯著性負(fù)相關(guān)的連接

3、構(gòu)成；網(wǎng)絡(luò)2則由與穩(wěn)態(tài)視覺(jué)誘發(fā)電位強(qiáng)度之間不存在顯著性相關(guān)的連接構(gòu)成。分別計(jì)算了網(wǎng)絡(luò)0、網(wǎng)絡(luò)1和網(wǎng)絡(luò)2三個(gè)網(wǎng)絡(luò)的聚類系數(shù)、特征路徑長(zhǎng)度、全局效率、局部效率和平均連接強(qiáng)度這5個(gè)屬性，并分別計(jì)算了它們與穩(wěn)態(tài)視覺(jué)誘發(fā)電位的強(qiáng)度之間的相關(guān)關(guān)系。分析結(jié)果表明，穩(wěn)態(tài)視覺(jué)誘發(fā)電位的幅度與3個(gè)網(wǎng)絡(luò)的聚類系數(shù)、全局效率、局部效率和平均連接強(qiáng)度分別成正相關(guān)，與特征路徑長(zhǎng)度成負(fù)相關(guān)。此外，與穩(wěn)態(tài)視覺(jué)誘發(fā)電位的幅度之間存在顯著相關(guān)的連接主要為枕-頂區(qū)域至前額區(qū)

4、域的長(zhǎng)程連接。通過(guò)置換分析發(fā)現(xiàn)，被試間穩(wěn)態(tài)視覺(jué)誘發(fā)電位的強(qiáng)度強(qiáng)弱與枕-頂至前額的長(zhǎng)程連接權(quán)重的差異相關(guān)。采用同樣的分析方法和過(guò)程，分析了被試時(shí)變的穩(wěn)態(tài)視覺(jué)誘發(fā)電位網(wǎng)絡(luò)的5個(gè)屬性與穩(wěn)態(tài)視覺(jué)誘發(fā)電位的強(qiáng)度之間的相關(guān)關(guān)系等，得到了許多類似的結(jié)果。這些結(jié)果表明，穩(wěn)態(tài)視覺(jué)誘發(fā)電位的強(qiáng)度越強(qiáng)，對(duì)應(yīng)著越高效的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。同時(shí)，這些結(jié)果也為我們理解SSVEP的腦機(jī)制提供了新的見(jiàn)解。
　　2.采用靜息態(tài)下的腦電數(shù)據(jù)，利用相干和稀疏化方法構(gòu)建了刺激

5、頻率下的靜息態(tài)網(wǎng)絡(luò)，計(jì)算了靜息網(wǎng)絡(luò)的聚類系數(shù)、特征路徑長(zhǎng)度和平均連接強(qiáng)度等3個(gè)網(wǎng)絡(luò)屬性值。通過(guò)相關(guān)分析發(fā)現(xiàn)，靜息網(wǎng)絡(luò)的聚類系數(shù)和平均連接強(qiáng)度與穩(wěn)態(tài)視覺(jué)誘發(fā)電強(qiáng)度成負(fù)相關(guān)，特征路徑長(zhǎng)度與穩(wěn)態(tài)視覺(jué)誘發(fā)電強(qiáng)度成正相關(guān)。靜息態(tài)網(wǎng)絡(luò)連接中，大多數(shù)連接的連接強(qiáng)度與穩(wěn)態(tài)視覺(jué)誘發(fā)電的強(qiáng)度成負(fù)相關(guān)。對(duì)穩(wěn)態(tài)視覺(jué)誘發(fā)電的產(chǎn)生有主要貢獻(xiàn)的連接主要是枕-頂區(qū)域與前額區(qū)域之間的長(zhǎng)程連接。此外，跨頻率平均的靜息態(tài)網(wǎng)絡(luò)屬性與穩(wěn)態(tài)視覺(jué)誘發(fā)電位數(shù)據(jù)的分類準(zhǔn)確率相關(guān)，都可用

6、于預(yù)測(cè)腦-機(jī)接口分類準(zhǔn)確率，而聚類系數(shù)和特征路徑長(zhǎng)度之間的一種組合可以達(dá)到最佳的預(yù)測(cè)效果。
　　3.提出了新穎的多變量同步指數(shù)的頻率識(shí)別算法。在該算法中，S-估計(jì)算法被用于計(jì)算多導(dǎo)腦電信號(hào)與參考信號(hào)之間的同步性，通過(guò)仿真數(shù)據(jù)和離線真實(shí)腦電數(shù)據(jù)的驗(yàn)證發(fā)現(xiàn)，與當(dāng)前使用最為廣泛的基于典型相關(guān)分析和基于最小能量組合的兩種算法相比，新算法在數(shù)據(jù)時(shí)間窗較短和電極數(shù)量較少的情況下可以得到更高的分類準(zhǔn)確率，對(duì)噪聲具有更高的魯棒性。這些結(jié)果證明該算

7、法可進(jìn)一步提高腦-機(jī)接口系統(tǒng)的的性能。
　　4．通過(guò)引入時(shí)間信息，提出使用時(shí)間、頻率、空間三維信息對(duì)刺激模塊進(jìn)行編碼的范式。在新范式中，不同的刺激模塊分布在顯示器的不同空間位置。每個(gè)刺激模塊由刺激頻率集合的一個(gè)排列中的頻率按照時(shí)間先后順序進(jìn)行周期性的編碼。在編碼長(zhǎng)度為2的情況下，實(shí)現(xiàn)了2種頻率對(duì)4個(gè)刺激模塊進(jìn)行編碼，并進(jìn)行了實(shí)際離線數(shù)據(jù)驗(yàn)證，證明了該新范式的有效性和可行性。最后，基于新范式和前面提出新的頻率識(shí)別算法開(kāi)發(fā)出了一種控制