基于NAR网络的脑活动建模与分析

摘要：

目的 目前基于脑网络连接的研究偏向于大脑内部相对稳定的连接,对大脑的瞬态活动研究非常有限.研究旨在基于高分辨率脑电信号,提出大脑活动动态网络模型,提取脑活动的深层特征,研究不同康复任务对大脑动态活动的影响,制定个体化精准康复方案.方法 基于大脑静息态数据,运用单隐层NAR(Nonlinear Auto Regressive)神经网络对多通道脑电信号进行建模,建立NAR自编码器,用于大脑活动特征提取.通过相关性分析找到独立的典型隐含层神经元动态作为大脑活动的特征.分析不同任务态下大脑活动特征变化.结果 NAR神经网络能够较好复现与运动想象相关的6通道脑电信号,模型预测输出的均方根误差为0.1108±0.0447.NAR自编码器提取的4个大脑活动特征能高时间精度地实时反映大脑任务切换.结论 研究提出了有效的多导脑电动态过程建模方法,NAR自编码器能提取研究大脑任务切换的典型特征,对于个体化精准康复具有很好的指导意义.

关键词：大脑活动动态、NAR神经网络、脑电信号、脑疾病研究、神经康复

所属期刊栏目：25

分类号：TP183(自动化基础理论)

资助基金：国家自然基金61876015

在线出版日期：2019-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：209-215