神經(jīng)振蕩是動態(tài)腦活動的固有特性,傳統(tǒng)的電生理研究已經(jīng)揭示了很多高頻神經(jīng)振蕩的一些特性,但由于成像技術(shù)的原因,我們對低頻振蕩的機(jī)制仍然知之甚少。近年來,借助于功能磁共振成像（Functional magnetic resonance imaging,fMRI）研究發(fā)現(xiàn),血氧水平依賴性（blood oxygenation level dependent,BOLD）信號的低頻振蕩可以反映很多重要的腦生理信息,如神經(jīng)活動的同步化特性、固有的腦結(jié)構(gòu)組織和功能網(wǎng)絡(luò)、認(rèn)知老化進(jìn)程和水平、行為表現(xiàn)以及精神疾病的發(fā)病原理,這些生理活動和認(rèn)知能力也都表現(xiàn)出很強(qiáng)的頻率依賴特性。本文主要針對BOLD信號的低頻振蕩進(jìn)行探索,研究了面孔識別任務(wù)下腦信號變異性的特征,重點(diǎn)探測了低頻穩(wěn)態(tài)腦響應(yīng)（low frequency steady-state brain response,lfSSBR）與腦信號變異性之間的關(guān)系和探究了面孔識別任務(wù)對時空功能組織的改變。一方面,通過多個頻段的功率與變異性分析,我們發(fā)現(xiàn)了在基頻和兩個諧頻的功率增加和在亞慢波頻段功率降低,這表明多頻段的能量再分配。接著我們發(fā)現(xiàn)所有頻段的功率與變異性的空... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 BOLD信號的低頻振蕩研究
        1.1.1 功能磁共振成像技術(shù)
        1.1.2 BOLD信號的神經(jīng)基礎(chǔ)
        1.1.3 低頻振蕩的頻率特異性
    1.2 lfSSBR的研究
        1.2.1 lfSSBR的研究基礎(chǔ)
        1.2.2 lfSSBR的作用機(jī)制和基本特征
    1.3 本論文的主要貢獻(xiàn)與創(chuàng)新
    1.4 本論文的結(jié)構(gòu)與安排
第二章 腦信號變異性的研究現(xiàn)狀
    2.1 腦信號變異性的研究基礎(chǔ)
        2.1.1 腦信號變異性的研究背景
        2.1.2 腦信號變異性的研究方法
    2.2 腦信號變異性的應(yīng)用研究
        2.2.1 腦信號變異性關(guān)于發(fā)育的研究
        2.2.2 腦信號變異性關(guān)于老年化的研究
        2.2.3 腦信號變異性關(guān)于腦疾病的研究
        2.2.4 腦信號變異性關(guān)于認(rèn)知表現(xiàn)的研究
    2.3 本章小結(jié)
第三章 面孔識別下的多尺度腦信號變異性研究
    3.1 引言
    3.2 材料與方法
        3.2.1 研究對象
        3.2.2 實驗程序
        3.2.3 影像數(shù)據(jù)采集與數(shù)據(jù)預(yù)處理
        3.2.4 行為數(shù)據(jù)分析
        3.2.5 全腦水平的功率分析
        3.2.6 體素水平的功率分析
        3.2.7 腦信號變異性分析
        3.2.8 跨頻段耦合
        3.2.9 腦-行為關(guān)系
    3.3 結(jié)果
        3.3.1 行為結(jié)果
        3.3.2 全腦水平上的功率再分配的頻率特異性
        3.3.3 功率和變異性的頻率特異性的空間分布
        3.3.4 功率和變異性的空間分布一致性
        3.3.5 大腦與行為的關(guān)系
        3.3.6 大腦的功率和變異性與行為關(guān)系的空間分布一致性
    3.4 討論
        3.4.1 頻域里的功率和時域中的變異性的一致性
        3.4.2 面孔識別中多個頻段的能量分布的再分配
        3.4.3 大腦與行為的關(guān)系
        3.4.4 未來的研究方向
    3.5 本章小結(jié)
第四章 面孔識別下的基頻時空腦信號變異性研究
    4.1 引言
    4.2 材料與方法
        4.2.1 研究對象
        4.2.2 實驗程序
        4.2.3 影像數(shù)據(jù)采集與數(shù)據(jù)預(yù)處理
        4.2.4 空間多尺度樣本熵分析
        4.2.5 時間多尺度樣本熵分析
        4.2.6 lfSSBR與MSE的關(guān)系
        4.2.7 行為表現(xiàn)與MSE的關(guān)系
    4.3 結(jié)果
        4.3.1 空間MSE的最優(yōu)參數(shù)
        4.3.2 任務(wù)、尺度和時間點(diǎn)的主效應(yīng)以及它們的交互效應(yīng)
        4.3.3 lfSSBR與空間MSE的負(fù)相關(guān)
        4.3.4 行為變化與MSE的正相關(guān)
        4.3.5 現(xiàn)有結(jié)果的可靠性驗證
        4.3.6 時間MSE的結(jié)果
    4.4 討論
        4.4.1 MSE在任務(wù)中降低
        4.4.2 MSE與lfSSBR的關(guān)系
        4.4.3 MSE下的腦-行為關(guān)系
        4.4.4 相位依賴的腦活動
        4.4.5 MSE的參數(shù)選取
    4.5 本章小結(jié)
第五章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 未來的研究工作展望
致謝
參考文獻(xiàn)
碩士期間取得的成果


【參考文獻(xiàn)】：
博士論文
[1]BOLD信號振蕩與低頻穩(wěn)態(tài)腦響應(yīng)研究[D]. 王一峰.電子科技大學(xué) 2015



本文編號：2945491