基于穩(wěn)態(tài)視覺誘發(fā)電位的腦機制及腦-機接口研究.pdf

1、穩(wěn)態(tài)視覺誘發(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)知機制研究和腦-機接口領(lǐng)域。基于穩(wěn)態(tài)視覺誘發(fā)電位的腦-機接口具有訓(xùn)練時間少，信息傳輸率高等特點，是腦-機接口的一個重要分支。穩(wěn)態(tài)視覺誘發(fā)電位的一些相關(guān)腦機制研究還不完善，從一定程度上阻礙了這類腦-機接口技術(shù)的進(jìn)一步發(fā)展。
　　本文以腦電為分析對象，主要采用基于圖論的網(wǎng)絡(luò)分析方法來對穩(wěn)態(tài)視覺誘發(fā)電位的腦機制進(jìn)行研究，并采用多維信息編碼和現(xiàn)代統(tǒng)計信號處理的方法來解決腦-機接口

2、中存在的一些技術(shù)問題。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)分析方法來對穩(wěn)態(tài)視覺誘發(fā)電位的腦機制進(jìn)行研究。實驗采用了12.5 Hz和16.6 Hz兩種刺激頻率和11個被試。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)視覺誘發(fā)電位強度強度的關(guān)系，將網(wǎng)絡(luò)0分成了三個子網(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)視覺誘發(fā)電位強度成顯著性正相關(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)視覺誘發(fā)電位強度之間不存在顯著性相關(guān)的連接構(gòu)成。分別計算了網(wǎng)絡(luò)0、網(wǎng)絡(luò)1和網(wǎng)絡(luò)2三個網(wǎng)絡(luò)的聚類系數(shù)、特征路徑長度、全局效率、局部效率和平均連接強度這5個屬性，并分別計算了它們與穩(wěn)態(tài)視覺誘發(fā)電位的強度之間的相關(guān)關(guān)系。分析結(jié)果表明，穩(wěn)態(tài)視覺誘發(fā)電位的幅度與3個網(wǎng)絡(luò)的聚類系數(shù)、全局效率、局部效率和平均連接強度分別成正相關(guān)，與特征路徑長度成負(fù)相關(guān)。此外，與穩(wěn)態(tài)視覺誘發(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、域的長程連接。通過置換分析發(fā)現(xiàn)，被試間穩(wěn)態(tài)視覺誘發(fā)電位的強度強弱與枕-頂至前額的長程連接權(quán)重的差異相關(guān)。采用同樣的分析方法和過程，分析了被試時變的穩(wěn)態(tài)視覺誘發(fā)電位網(wǎng)絡(luò)的5個屬性與穩(wěn)態(tài)視覺誘發(fā)電位的強度之間的相關(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)視覺誘發(fā)電位的強度越強，對應(yīng)著越高效的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。同時，這些結(jié)果也為我們理解SSVEP的腦機制提供了新的見解。
　　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)，計算了靜息網(wǎng)絡(luò)的聚類系數(shù)、特征路徑長度和平均連接強度等3個網(wǎng)絡(luò)屬性值。通過相關(guān)分析發(fā)現(xiàn)，靜息網(wǎng)絡(luò)的聚類系數(shù)和平均連接強度與穩(wěn)態(tài)視覺誘發(fā)電強度成負(fù)相關(guān)，特征路徑長度與穩(wěn)態(tài)視覺誘發(fā)電強度成正相關(guān)。靜息態(tài)網(wǎng)絡(luò)連接中，大多數(shù)連接的連接強度與穩(wěn)態(tài)視覺誘發(fā)電的強度成負(fù)相關(guān)。對穩(wěn)態(tài)視覺誘發(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)測腦-機接口分類準(zhǔn)確率，而聚類系數(shù)和特征路徑長度之間的一種組合可以達(dá)到最佳的預(yù)測效果。
　　3.提出了新穎的多變量同步指數(shù)的頻率識別算法。在該算法中，S-估計算法被用于計算多導(dǎo)腦電信號與參考信號之間的同步性，通過仿真數(shù)據(jù)和離線真實腦電數(shù)據(jù)的驗證發(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-機接口系統(tǒng)的的性能。
　　4．通過引入時間信息，提出使用時間、頻率、空間三維信息對刺激模塊進(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。每個刺激模塊由刺激頻率集合的一個排列中的頻率按照時間先后順序進(jìn)行周期性的編碼。在編碼長度為2的情況下，實現(xiàn)了2種頻率對4個刺激模塊進(jìn)行編碼，并進(jìn)行了實際離線數(shù)據(jù)驗證，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別算法開發(fā)出了一種控制