基于脑网络重组的稳态视觉诱发响应机制研究

《基于脑网络重组的稳态视觉诱发响应机制研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、电子科技大学UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA硕士学位论文MASTERTHESIS论文题目基于脑网络重组的稳态视觉诱发响应机制研究学科专业生物医学工程学号201521090522作者姓名李恒指导教师郭大庆副教授分类号密级注1UDC学位论文基于脑网络重组的稳态视觉诱发响应机制研究(题名和副题名)李恒(作者姓名)指导教师郭大庆副教授电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士学科专业生物医学工程提交论文日期2018.04.10论文答辩日期2018.05.28学位授予单位和日期电子科技大学

2、2018.06.26答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。MechanisticStudiesofSteady-stateVisualInducedResponseBasedonBrainNetworkReconfigurationAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaDiscipline:BiomedicalEngineeringAuthor:HengLiSupervisor:AssociateProfessorDaqingG

3、uoSchool:SchoolofLifeScienceandTechnology摘要摘要稳态视觉诱发电位（Steady-statevisualevokedpotentials,SSVEP）具有高信噪比和鲁棒性强等优良特性，被广泛应用于认知神经科学和神经工程学中。研究表明SSVEP响应的出现与多个脑区相关，但其产生的具体神经机制尚不十分清楚。在本学位论文中，我们在基频和二次谐波下利用脑网络重组的分析方法研究了SSVEP的响应机制，所获得的研究成果总结如下：1.在基频和二次谐波下，分别研究了静息态网络到刺激诱发网络的网络重组对SSVEP的响应的影响。研究表明，

4、在网络重组的过程中，静息态网络到刺激诱发态网络相关脑区之间的连接大部分都是增加的，且与信噪比（Signal-to-noiseratio,SNR）有显著性相关的连接主要分布在顶-枕叶和额叶区域。在SNR与三种网络重组度量指数相关性分析中，我们发现SNR和网络距离、平均连接改变量显著性正相关，这表明网络重组中网络拓扑结构发生变化并且脑区之间的连接变得密切。此外，SNR和聚类系数、全局效率、局部效率显著性正相关和特征路径长度显著性负相关，表明整个网络信息传递效率增大。从静息态网络到刺激诱发网络更大的网络重组产生更加高效的拓扑结构，进而产生更大的SSVEP响应幅度。

5、2.7.5Hz、12Hz和15Hz三种刺激频率下，不同被试者在相同周期性闪光刺激实验中SSVEP响应均表现出巨大差异。21位被试者从静息态网络到刺激诱发态网络的网络距离大不相同表明其网络拓扑结构的改变程度不同；平均连接改变量的不同，表明重组过程整个脑网络脑区间联系紧密程度变化不同；四种网络拓扑属性改变量的差异体现不同被试者网络重组后，网络局部和全局信息传递效率增加量的差异。因此我们认为不同被试者在相同的外界刺激驱动下，其脑网络重组的程度不同。所以，从静息态到刺激诱发状态不同被试者网络重组程度的区别导致不同被试者SSVEP响应幅度的巨大差异。我们的结果表明，稳

6、态视觉诱发响应是多脑区间相互联系、共同配合的结果，而网络重组是影响SSVEP响应强度的关键因素。这种影响产生的主要途径是网络重组过程中，新的网络拓扑结构在全局和局部效率都发生巨大变化。网络重组产生的新的网络拓扑结构的信息传递效率越高，脑区之间的这种联系就更强而且更迅速，进而促进了SSVEP响应的产生。关键词：稳态视觉诱发电位，网络重组，拓扑结构，基频，二次谐波IABSTRACTABSTRACTBecauseofhighsignal-to-noiseratioandstrongrobustness,steady-statevisualevokedpotenti

7、als(SSVEP)havebeenwidelyusedinstudiesofcognitiveneuroscienceandneuralengineering.AlthoughrecentstudieshaveindicatedthattheresponseofSSVEPisassociatedwithmultiplebrainregions,theunderlyinggenerationmechanismsofsteady-statevisualinducedresponsearestillnotfullyunderstood.Inthisthesis,

8、weappliedthebrainnetworkre