基于同步似然的gamma子帶功能網(wǎng)絡(luò)構(gòu)建與鴿子轉(zhuǎn)向行為解碼.pdf

1、腦是自然界中最復(fù)雜的網(wǎng)絡(luò)，腦中數(shù)以億計(jì)的神經(jīng)元之間不同的連接模式不僅編碼了動(dòng)物的行為，而且控制著軀體的功能輸出。因此，與特定行為和功能相對(duì)應(yīng)的神經(jīng)元網(wǎng)絡(luò)信息處理機(jī)制的解析，目前已成為神經(jīng)科學(xué)和控制科學(xué)等交叉領(lǐng)域新的研究熱點(diǎn)，有助于深化對(duì)大腦特定功能和機(jī)制的理解。本文針對(duì)動(dòng)物目標(biāo)導(dǎo)向抉擇行為的神經(jīng)信息解碼問(wèn)題，以鴿子為模式動(dòng)物，首先通過(guò)植入式微電極陣列記錄了鴿子弓狀皮質(zhì)尾外側(cè)區(qū)神經(jīng)信號(hào)，根據(jù)轉(zhuǎn)向過(guò)程中局部場(chǎng)電位（local field p

2、otential，LFP）不同頻帶的時(shí)頻特性變化，確定了轉(zhuǎn)向行為的編碼頻段；然后利用同步似然算法構(gòu)建了gamma子帶功能網(wǎng)絡(luò)，并分析了網(wǎng)絡(luò)的拓?fù)涮匦裕_定了轉(zhuǎn)向行為的解碼時(shí)間窗；最后提取了gamma子帶功能網(wǎng)絡(luò)特征，并利用聯(lián)合留一法（leave one out，LOO）和k近鄰（k-nearest neightor， kNN）的神經(jīng)信息解碼算法解碼了鴿子的轉(zhuǎn)向行為。本文已完成的工作和取得的研究成果概括如下：
　　1）利用多窗口重疊

3、功率譜估計(jì)和小波變換技術(shù)，從時(shí)域、頻域、時(shí)頻域三個(gè)角度對(duì)鴿子轉(zhuǎn)向過(guò)程中的 LFP信號(hào)進(jìn)行了特性分析，以確定與鴿子轉(zhuǎn)向行為相關(guān)的 LFP信號(hào)特征頻帶。結(jié)果發(fā)現(xiàn)，與等待區(qū)相比，轉(zhuǎn)向區(qū)的 gamma子帶（40~60 Hz）能量顯著增加，而其它子帶并沒(méi)有明顯變化，這表明 LFP信號(hào)gamma子帶編碼了鴿子的轉(zhuǎn)向行為。
　　2）利用同步似然分析算法，構(gòu)建了 LFP信號(hào)gamma子帶功能網(wǎng)絡(luò)，度量并分析了網(wǎng)絡(luò)的拓?fù)涮匦浴?duì)比分析了等待區(qū)與轉(zhuǎn)向

4、區(qū)、不同方向以及轉(zhuǎn)向前后gamma子帶功能網(wǎng)絡(luò)的拓?fù)涮匦?，發(fā)現(xiàn)轉(zhuǎn)向區(qū)的網(wǎng)絡(luò)聚類系數(shù)和全局效率顯著高于等待區(qū)，而且轉(zhuǎn)向區(qū)不同方向的網(wǎng)絡(luò)特性之間的差異也比較明顯。進(jìn)一步的研究發(fā)現(xiàn)轉(zhuǎn)向后聚類系數(shù)和全局效率顯著高于轉(zhuǎn)向前，這表明轉(zhuǎn)向后gamma子帶功能網(wǎng)絡(luò)包含了鴿子的轉(zhuǎn)向行為信息。
　　3）利用網(wǎng)絡(luò)的連接強(qiáng)度值和主成分降維技術(shù)，提取了gamma子帶功能網(wǎng)絡(luò)特征，并利用LOO-kNN解碼算法解碼了鴿子的轉(zhuǎn)向行為，對(duì)比分析了網(wǎng)絡(luò)特征和能量特征