基于动态偏定向相干的运动想象因效性网络分析

更新时间:2023-05-28

【摘要】利用脑网络对脑功能机制和脑认知状态进行基础研究具有重要的意义。本文依据一种测量头皮脑电信号(EEG)的时间-频率域相互作用的方法,即偏定向相干(PDC),提出了动态PDC(dPDC)算法对运动想象的因效性网络建模。研究利用2008年第四届BCI竞赛数据的9个被试计算了不同运动想象任务下因效性网络的参数特征(出入度、集群系数、离心率等),通过显著性检验分析了左、右手运动想象在不同脑区EEG信号的交互影响。结果表明,左右手想象任务的网络集群系数大于随机网络,且特征路径长度与随机网络近似,验证了该网络的小世界特性。对左、右手运动想象的网络特征参数的分析对比,验证了两种任务部分特征具有显著差异,如:针对出度的统计分析表明,在ROI2(P=0.007)和ROI3(P=0.002)区域具有显著差异。基于dPDC算法的因效性网络对运动想象脑区间信息流变化的分析表明,左、右手运动想象的活动区域主要位于左右侧中央前回(ROI2和ROI3)和左右侧中央枕区(ROI5和ROI6)。因此,基于dPDC的因效性网络可以有效表征运动想象的状态,为研究提供了新的手段。

【关键词】 因效性网络 运动想象 参数特征 小世界特性

阅读全文