论文部分内容阅读
人类对脑神经系统的研究由来已久,更深入的了解思维的本质乃至更自如的应用思维的能力一直是我们潜在的渴望与动力。伴随着相关领域的技术进步,旨在建立大脑与外界环境之间的互动渠道的脑机接口系统应运而生,成为一个高速发展的跨学科热点研究领域。探究神经系统活动与其所蕴含信息之间的内在联系,更加明晰两者之间的关联机理,依然是脑机接口研究中基础且核心的问题。鉴于脑神经系统固有的组织结构特性,在神经元功能连接网络的层面对神经系统的整合功能机制进行分析,拥有重要的意义。因此本文的工作主要基于脑机接口实验平台,在实验对象完成多目标伸-抓运动任务的过程中同步记录神经元峰电位放电脉冲信号,对相关的神经元功能连接估算方法进行分析,并进一步利用功能连接的网络属性研究其与脑活动相关信息的关联关系。本文的主要工作及贡献体现为如下儿个方面:
(1)针对具有典型特性的伸-抓运动任务,我们提出基于多元线性自同归模型的部分定向相干分析方法,用于估算神经元之间的因效性功能连接,从而将单独神经元层级的独立功能分析,推进到表达神经元系统整体运行机制的网络结构层级。基于脑机接口实验平台,通过植入微电极矩阵,我们同步记录了猕猴在完成多目标伸-抓运动任务时的神经元峰电位脉冲信号,并以此数据为基础估算神经元功能连接。在实验结果中,我们观察到神经元功能连接网络对应不同的目标任务具有拓扑结构差异。同时,神经元功能连接的无偏好存在特性,也支持了关于神经系统中的传输通道和操作通道可能存在耦合性普遍通路的假设。
(2)我们提出一种基于动态贝叶斯网络模型的分析框架,用于对伸-抓运动过程中神经元活动的交互连接属性进行探查,以更好的描述神经元活动之间的非线性依存关系,更加清晰的表达神经元功能连接的时间动态特性。在实验结果中,神经元功能连接网络的属性体现了神经系统的协同工作机制,并表明神经元功能连接网络对不同任务属性的编码是以更潜在和复杂的形式存在。同时我们观察到运动谋划时段以及运动执行时段对应的神经元功能连接网络存在复杂程度方面的差异,而这种对应思考准备阶段和实时运动控制阶段的神经系统的特性差异,在对单次实验内神经元功能连接网络的实时变化特性的分析结果中,也有所体现。
(3)针对神经系统在学习完成新任务过程中的自适应特性,我们提出一种以概率图模型为基础的,面向神经元功能连接网络层面的分析框架。基于猕猴在脑机接口实验平台上,学习完成附加随机干扰的伸-抓运动任务的实验,借助植入的慢性微电极阵列,相同神经元群集在不同实验集的活动信号得以被采集。同时,我们基于贝叶斯网络模型对神经元功能连接进行估算,以缓解动态贝叶斯网络模型方法对相关参数难以进行适当设置的问题。在最终结果中,我们发现通过对新运动任务的学习,运动皮层神经系统可以在适应过程后期的运动谋划时段进行更加细致的思考准备,同时神经元功能连接网络的自适应调整程度,也会从学习过程前期的频繁变化,转向后期的趋于平稳。
(4)为了提高贝叶斯网络模型框架下的神经元功能连接估算方法的性能,我们提出了基于滑动重叠时间窗设置的改进,以缓解在非重叠时间窗设置下,具有时延特性的神经元同步兴奋性,在跨时间窗出现时难以被探查的问题。基于模拟仿真实验,通过估算结果对比,我们发现进行滑动时间窗设置改进后,贝叶斯网络模型方法的综合估算性能有普遍性提升。并且对于具有较长时延的神经元功能连接,探查性能提升更加明显。同时,我们还发现在原先设置下,对具有不同时延的神经元功能连接的探查的相互干扰效应,在应用滑动时间窗设置后,得到了明显改善。