CASIA OpenIR  > 毕业生  > 博士学位论文
基于脑机接口实验平台的神经元功能连接的分析与应用
其他题名Analysis and Application of Functional Neural Interactions based on Brain-Computer Interface Experimental Platform
桑栋
学位类型工学博士
导师王飞跃
2012-05-25
学位授予单位中国科学院研究生院
学位授予地点中国科学院自动化研究所
学位专业控制理论与控制工程
关键词脑机接口 神经元功能连接 伸-抓运动 神经元峰电位放电脉冲 Brain-computer Interface Neural Interactions Reach-to-grasp Tasks Spike Train
摘要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几个方面: (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回归 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...
其他摘要The study of brain neural system has a long history. A deeper understanding and a better utilizing of thinking is always our inner desire and motivation. With the advancement of related technologies, Brain-Computer Interface (BCI), a system aims to bridge the brain and the external environment, came into being and has been a hot interdisciplinary research field. Exploring the intrinsic relationship between the activity of neural system and the information it contains is still a basic and core issue in BCI studies. According to its inherent structure characteristics, it is meaningful to analyze the integrated function of neural system from the aspect of neural interaction networks. Therefore in this dissertation, our work was mainly based on BCI experimental platform, simultaneously recording spike train data when the subject was trained to complete multi-targets reach-to-grasp tasks. Different methods for evaluating neural interactions were investigated and neural network properties were further analyzed. The contributions of this dissertation are as follows: 1) According to reach-to-grasp tasks, we proposed a framework based on multivariate vector autoregressive model (MVAR) and partial directed coherence (PDC) for evaluating neural interactions, aiming to advance the independent analysis of single neuron to the neural networks level. Based on BCI experimental platform and implanted microelectrode arrays, spike train data was simultaneously recorded when a monkey completed multi-targets reach-to-grasp tasks. In the result, topology differences were observed for neural networks corresponding to different tasks. And generally existed neural interactions supported our previous hypothesis of common pathways in motor cortex for both transport and manipulation. 2) We proposed a Dynamic Bayesian Networks (DBN) model based method to evaluate neural interactions during reach-to-grasp, in order to better capture non-linear dependencies and dynamic properties between neural activities. The results provided further evidences for the collaborative operating mechanism of neural system. And the results also indicated that there might be some latent but not distinct rules for neural interaction networks to encode task information. In addition, the complexity differences were observed for neural interaction networks according to delay period and peri-movement period. And in the investigation of within-trial change rules of neural interaction networks, different degree...
馆藏号XWLW1719
其他标识符200918014628009
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/6417
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
桑栋. 基于脑机接口实验平台的神经元功能连接的分析与应用[D]. 中国科学院自动化研究所. 中国科学院研究生院,2012.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20091801462800(3977KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[桑栋]的文章
百度学术
百度学术中相似的文章
[桑栋]的文章
必应学术
必应学术中相似的文章
[桑栋]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。