论文部分内容阅读
脑是一个由上千亿个神经元组成的极为复杂而有序的巨系统，在皮层下结构与大脑皮层之间、皮层的各部分之间均存在着交互联系，形成多层次的特异性通路和非特异性网络。在探索大脑认知功能机制的研究中，人们不仅试图了解大脑各个脑区的不同功能，不同功能脑区之间的相互作用也成为近年来研究者们所关心的领域。由于大脑复杂的空间关系及其在认知活动中的动态变化可以通过脑电活动反映出来，因此，利用脑电研究不同功能脑区之间的协同作用对于从整体上揭示脑的神经机制无疑是一个重要的手段。经典相干分析方法可以刻画脑电不同区域活动在节律上的一致性，但不能提取瞬时特性。时变相干分析是近几年在经典相干分析和信号时频表示的基础上引申的一种分析方法，刻画了两个随机信号不同时刻在频域中的内在联系。脑电时变相干分析能够提取脑区之间相互作用的瞬时特征，刻画出大脑活动的时间、空间及频率关系。
本文探讨了将时变相干分析方法应用于皮层脑电(EEG)数据进行脑区协同机制研究的可能性。介绍了2种基于非参数估计方法的时变相干分析方法，重点研究了基于多变量参数模型的时变相干分析方法在脑电中的应用。确定了该方法对于脑电处理的合适参数，改进该方法并尝试将其应用于事件相关电位(ERP)数据。通过构造的重建脑电数据时变相干结果对比，显示了参数模型法较非参数估计方法在脑电处理中的优越性。最后，将基于参数模型的时变相干分析方法应用到心理学经典的Stroop任务的EEG和ERP数据，结果表明，该方法可以作为研究脑区协作机制的有力工具。