本文關(guān)鍵詞：基于腦功能網(wǎng)絡(luò)的腦力疲勞檢測(cè)技術(shù)及其形成機(jī)理研究

  更多相關(guān)文章： 腦力疲勞 功能連接 腦功能網(wǎng)絡(luò) 小世界特性 分形維數(shù)

【摘要】：當(dāng)今社會(huì)中,生活節(jié)奏日益加快、社會(huì)競(jìng)爭(zhēng)壓力逐步增大,腦力疲勞顯著增多,并在社會(huì)人群中呈蔓延之勢(shì)。腦力疲勞往往是由大腦長(zhǎng)時(shí)間認(rèn)知活動(dòng)積累所致,大腦疲勞后工作績(jī)效降低、警戒性水平下降、認(rèn)知功能受損。在實(shí)時(shí)監(jiān)控、車(chē)輛駕駛、飛機(jī)駕駛、高風(fēng)險(xiǎn)作業(yè)等行業(yè),許多事故的發(fā)生都與腦力疲勞有關(guān)。例如,全球平均每年有21%的重大交通事故與疲勞駕駛有顯著的因果關(guān)系,給人民的生命、財(cái)產(chǎn)安全造成嚴(yán)重威脅。因此,為腦力疲勞監(jiān)測(cè)提供一種客觀有效的指標(biāo)、為其對(duì)應(yīng)的對(duì)抗措施提供一種穩(wěn)定可靠的評(píng)價(jià)手段是一項(xiàng)具有很大應(yīng)用價(jià)值的重要課題。在腦力疲勞評(píng)價(jià)的眾多方法中,electroencephalogram(EEG)信號(hào)因?yàn)榭梢灾苯訙y(cè)量大腦的神經(jīng)活動(dòng)狀態(tài),被國(guó)內(nèi)外研究人員認(rèn)為是最可靠、最有前景的方法,被譽(yù)為檢測(cè)腦力疲勞的"金標(biāo)準(zhǔn)"。傳統(tǒng)基于EEG的腦力疲勞評(píng)價(jià)指標(biāo)可以分為線(xiàn)性指標(biāo)和非線(xiàn)性指標(biāo),線(xiàn)性指標(biāo)主要以基于各EEG節(jié)律功率和功率比值為主,非線(xiàn)性指標(biāo)主要包括各種類(lèi)型的熵、復(fù)雜度、相關(guān)維數(shù)、Lyapunov指數(shù)等。然而,傳統(tǒng)指標(biāo)只包含了 EEG的幅值信息,忽略了相位信息對(duì)結(jié)果的影響,并且這些指標(biāo)都不能反映大腦不同區(qū)域之間的功能連接關(guān)系,無(wú)法對(duì)大腦整體功能狀態(tài)進(jìn)行描述,因此傳統(tǒng)腦力疲勞評(píng)價(jià)指標(biāo)有很大的局限性。本文將腦功能網(wǎng)絡(luò)理論引入腦力疲勞研究中,以探索其在腦力疲勞評(píng)價(jià)上的應(yīng)用、分析腦力疲勞形成的神經(jīng)動(dòng)力學(xué)機(jī)制,為此設(shè)計(jì)了詳細(xì)的腦力疲勞誘導(dǎo)實(shí)驗(yàn),精確采集了腦力疲勞過(guò)程中靜息態(tài)與任務(wù)態(tài)下的EEG數(shù)據(jù),并基于各EEG節(jié)律功率和功率比值確定了腦力疲勞模型的可行性�；谀X功能網(wǎng)絡(luò)理論,利用互信息度量不同腦區(qū)間的功能連接,并對(duì)靜息態(tài)與任務(wù)態(tài)下五個(gè)時(shí)間段間的功能連接權(quán)值進(jìn)行統(tǒng)計(jì)學(xué)差異分析,發(fā)現(xiàn)任務(wù)態(tài)下的Alphal節(jié)律(8-10Hz)對(duì)腦力疲勞響應(yīng)最靈敏,表明腦功能網(wǎng)絡(luò)分析方法更適合在任務(wù)態(tài)中應(yīng)用,彌補(bǔ)了傳統(tǒng)線(xiàn)性方法的不足。然后在傳統(tǒng)兩種方法下分別建立了任務(wù)態(tài)下的Alphal節(jié)律加權(quán)和二值腦功能網(wǎng)絡(luò),系統(tǒng)分析了各網(wǎng)絡(luò)特征量在腦力疲勞過(guò)程中的變化規(guī)律。結(jié)果表明,隨著腦力疲勞程度的加深,最大特征值、平均聚類(lèi)系數(shù)、全局效率和局部效率增大,平均路徑長(zhǎng)度變短;加權(quán)網(wǎng)絡(luò)中各網(wǎng)絡(luò)特征量對(duì)腦力疲勞的評(píng)價(jià)效果更好;描述腦功能網(wǎng)絡(luò)整體特性的特征量(最大特征值、平均路徑長(zhǎng)度、全局效率)比刻畫(huà)腦功能網(wǎng)絡(luò)局部特性的特征量(平均聚類(lèi)系數(shù)、局部效率)對(duì)腦力疲勞響應(yīng)更靈敏。利用加權(quán)度中心度得到腦力疲勞過(guò)程中腦功能網(wǎng)絡(luò)的中心節(jié)點(diǎn)為F3、F4、C3、C4、P3、P4、Fz、Cz、Pz,并基于所提取的9個(gè)中心節(jié)點(diǎn)縮減了腦功能網(wǎng)絡(luò)規(guī)模,重新構(gòu)建了加權(quán)腦功能網(wǎng),將其應(yīng)用于腦力疲勞評(píng)價(jià)中,發(fā)現(xiàn)各加權(quán)網(wǎng)絡(luò)特征量在腦力疲勞過(guò)程中的變化趨勢(shì)與簡(jiǎn)化前的腦功能網(wǎng)絡(luò)得到的結(jié)果完全一致,簡(jiǎn)化后的腦功能網(wǎng)絡(luò)同樣也能用于腦力疲勞的評(píng)價(jià),其中加權(quán)最大特征值是最好的評(píng)價(jià)腦力疲勞指標(biāo)。針對(duì)腦功能網(wǎng)絡(luò)在實(shí)際應(yīng)用中構(gòu)建過(guò)程過(guò)于專(zhuān)業(yè)化這一缺點(diǎn),提出了一種基于功能連接的權(quán)值與物理距離、網(wǎng)絡(luò)模體理論的自動(dòng)建立腦功能網(wǎng)絡(luò)模型的新方法。通過(guò)與傳統(tǒng)建立腦功能網(wǎng)絡(luò)方法對(duì)比,證明了模型能提取出鄰接矩陣中大多數(shù)權(quán)值較大的強(qiáng)連接邊,并發(fā)現(xiàn)模型具有自?xún)?yōu)化功能、能夠區(qū)別出權(quán)重不同的腦功能網(wǎng)絡(luò),而且從權(quán)重分布的角度證明了此功能的必然性。將此模型應(yīng)用于腦力疲勞評(píng)價(jià)中,得到了與傳統(tǒng)構(gòu)建腦功能網(wǎng)絡(luò)方法一致的結(jié)果,表明模型具有很好的應(yīng)用價(jià)值。基于腦功能網(wǎng)絡(luò)理論,從腦功能連接、網(wǎng)絡(luò)特征量、小世界特性和分形特征四個(gè)角度來(lái)分析腦力疲勞形成機(jī)理。結(jié)果表明,大腦在疲勞階段為了完成所給定的任務(wù),需激活更多的腦功能區(qū)域,增強(qiáng)不同腦功能區(qū)域間的功能連接強(qiáng)度,并進(jìn)行著快速的功能分離和功能整合過(guò)程,同時(shí)調(diào)整腦功能網(wǎng)絡(luò)結(jié)構(gòu)使其聚類(lèi)系數(shù)、全局和局部效率增大,平均路徑長(zhǎng)度變短,以提高腦功能網(wǎng)絡(luò)中信息傳遞與信息處理的速度,后果是大腦中優(yōu)化的腦功能網(wǎng)絡(luò)結(jié)構(gòu)慢慢被破壞,腦功能網(wǎng)絡(luò)結(jié)構(gòu)的自相似性增強(qiáng)、復(fù)雜程度變高,并使網(wǎng)絡(luò)結(jié)構(gòu)趨向于隨機(jī)化,致使疲勞過(guò)程加劇。
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：R318
，

本文編號(hào)：1266874