论文部分内容阅读
大脑是自然界中一个极其复杂的网络,其复杂性不仅体现在拥有千亿个神经元,还体现在这些神经元之间的复杂连接指导着认知的表达,因此,为了更深入、全面地了解大脑的功能,事件相关脑网络分析方法应用而生,它为分析大脑的多区域之间与认知活动相关的信息交互模式提供了全新的研究思路,例如复杂网络统计量的引入,在探寻精神疾病的发病机理中,扮演着重要的角色。基于以上的分析,本研究旨在加强对脑网络节点选取和构建方法的深入研究,并将其应用在正常人和精神分裂症病人的脑电信号中,以此来探索在认知活动下,两被试间的脑网络拓扑属性和因效连接差异,以及精神分裂症病人P300异常的起因。首先,重点介绍了脑网络节点选取的方法,这主要涉及到脑源定位的必要性、脑模型选取、正问题和逆问题的求解,由于运用经典最小范数估计求解逆问题时,解存在不稳定和不唯一性,因此,为了克服这两个问题,给出了带权值的Tikhnoov正则化最小范数估计算法。其次,描述了脑网络构建的方法,即基于格兰杰因果性的重新归一化偏定向相干性算法,这避免了对脑电数据非线性、非平稳性和随机性的先验假设。然后,在听觉oddball任务中,分别采集正常人和精神分裂症病人的64导脑电数据,借助以上陈述的方法,构建相应的因效脑网络。最后,对脑网络进行组间统计分析。研究发现:1)与病人相比,正常人有着较大的聚类系数、局部效率和全局效率,以及较短的特征路径长度,但只有在P300出现的时刻附近,这种差异才最显著;2)正常人的网络拓扑特征与P300波幅之间存在相关关系,而在病人身上,这种关系却不存在,对于网络拓扑特征与P300潜伏期之间的关系而言,两组被试均表现出它们之间没有相关关系;3)在病人的脑网络中,存在广泛的失连(颞叶与额叶、顶叶和运动控制皮层之间);4)病人展示了较多与P300波幅呈负相关的连接。以上的结果暗示了精神分裂症病人异常的P300幅度可能归功于与注意分配和执行控制有关的区域间信息交互的强度,以及由较慢的信息传递和低效的信息处理能力,所诱发的功能整合与功能分离之间平衡的打断。