基于脑电的静息态功能连接分析

静息态功能磁共振静息态功能磁共振（Resting-state functional magnetic resonance imaging，rs-fMRI）是一种用于研究大脑神经活动的非侵入性神经影像学技术。

与传统的任务激活性功能磁共振成像不同，静息态功能磁共振不需要被试者执行特定的认知任务，而是在被试者松弛状态下，记录大脑在静息状态下的神经活动情况。

本文将探讨静息态功能磁共振技术的原理、应用和局限性。

静息态功能磁共振技术基于大脑的自发神经活动。

即使在被试者休息状态下，大脑的神经元仍然会不断地进行自发性活动，形成所谓的“静息态网络”。

这些网络包括默认模式网络（DMN）、前脑网络、感觉运动网络等。

静息态功能磁共振通过测量大脑不同区域的血氧水平变化，可以揭示这些静息态网络之间的相互连接和功能关系，为研究大脑功能提供了新的视角。

静息态功能磁共振在神经科学研究中具有广泛的应用。

首先，它可以用于研究大脑的功能连接和网络结构，揭示不同脑区之间的信息传递路径和调控机制。

其次，静息态功能磁共振还可以用于疾病诊断和治疗监测。

许多精神疾病如抑郁症、焦虑症等都与大脑功能网络的异常有关，静息态功能磁共振可以帮助医生更好地理解这些疾病的病理机制，为个体化治疗提供依据。

然而，静息态功能磁共振也存在一些局限性。

首先，由于大脑的自发神经活动受到许多因素的影响，如心理状态、环境因素等，因此静息态功能磁共振的测量结果具有一定的不稳定性。

其次，静息态功能磁共振无法直接测量神经元的电活动，只能通过血氧水平变化间接地反映神经活动情况，因此在解释结果时需要谨慎。

总的来说，静息态功能磁共振作为一种新兴的神经影像学技术，在研究大脑功能和疾病机制方面具有重要意义。

随着技术的不断发展和完善，相信静息态功能磁共振将在神经科学研究和临床实践中发挥越来越重要的作用，为人类认识大脑、治疗疾病带来新的希望。

愿静息态功能磁共振技术能够为人类健康和幸福作出更大的贡献。

第 3 卷第 1 期 2021 年 3 月智能科学与技术学报Chinese Journal of Intelligent Science and TechnologyVol.3 No.1 March 2021基于脑电功能连接微状态的情绪状态解码沈新科 1,2，李奕超 1,2，刘锦 1,2，宋森 1,2，张丹 2,3（1. 清华大学医学院生物医学工程系，北京 100084； 2. 清华大学脑与智能实验室，北京 100084；3. 清华大学社会科学学院心理学系，北京 100084）摘 要：基于脑电的情绪状态解码大多将个体情绪看作相对稳定的状态，将脑电频域能量、通道间脑电相关性等 稳态指标作为解码中使用的特征。

基于近年来网络神经科学在脑区间动态功能连接分析中的新发展，设计并实现 了功能连接微状态方法，将不同情绪状态下脑区间的动态功能连接模式聚集为具有代表性的微状态，提取微状 态的覆盖比例、转移概率等时间动态过程指标作为特征，用于情绪状态解码。

基于经典的脑电情绪公开数据集 DEAP，动态功能连接微状态新特征在情绪的效价和唤醒两个维度上实现了均方误差分别为 3.87±0.28 和 3.25±0.30 的回归预测效力，优于传统频带能量特征的均方误差 4.07±0.30（p=0.005）和 3.41±0.31（p=0.064）。

实验结果展 示了基于脑电功能连接微状态的情绪状态解码可行性，并为进一步深入理解情绪的神经机制提供了启发。

关键词：动态功能连接；微状态；情绪状态解码；脑电图 中图分类号：R318 文献标识码：A doi: 10.11959/j.issn.2096−6652.202105Emotional state decoding using EEG-based microstates of functional connectivitySHEN Xinke1,2, LI Yichao1,2, LIU Jin1,2, SONG Sen1,2, ZHANG Dan2,31. Department of Biomedical Engineering, School of Medicine, Tsinghua University, Beijing 100084, China 2. Tsinghua Laboratory of Brain and Intelligence, Beijing 100084, China3. Department of Psychology, School of Social Sciences, Tsinghua University, Beijing 100084, ChinaAbstract: Emotional state decoding based on electroencephalography (EEG) usually regards individual emotion as a relatively static state and uses spectral power or inter-channel correlations of EEG as features. Based on recent advancement of dynamic functional connectivity analysis in the area of network neuroscience, a method called microstates of functional connectivity was designed and implemented, which clustered the inter-regional functional connectivity patterns of the brain under different emotional states to obtain representative microstates, and the temporal statistics, such as coverage and transition probability were extracted as features for emotional state decoding. Based on a widely used publicly available EEG dataset DEAP, new features in microstates of dynamic functional connectivity analysis achieved regression mean squared errors of 3.87±0.28 and 3.25±0.30 on valence and arousal respectively, which were better than those using traditional spectral power features, 4.07±0.30 (p=0.005) and 3.41±0.31 (p=0.064). The results demonstrate the feasibility of emotional state decoding based on microstates of functional connectivity and provide deeper insight into understanding the neural mechanisms of emotion. Key words: dynamic functional connectivity, microstate, emotional state decoding, electroencephalography收稿日期：2021−01−21；修回日期：2021−02−26 通信作者：张丹，dzhang@ 基金项目：国家自然科学基金资助项目（No.U1736220，No.61977041）；教育部关键科学与技术创新项目；清华大学自主科 研计划资助项目（No.20197010009） Foundation Items: The National Natural Science Foundation of China (No.U1736220, No.61977041), Scientific Technological Innovation Research Project by Ministry of Education, Tsinghua University Initiative Scientific Research Program (No.20197010009)·50·智能科学与技术学报第3卷1 引言情感计算致力于提升机器理解人的情感、对人 的情感状态做出响应的能力[1]。

脑功能连接网络特征分析随着神经科学和脑成像技术的发展，我们对人类大脑的功能连接网络有了更深入的认识。

脑功能连接网络是指大脑中各个脑区之间的连接模式和信息传递方式。

通过分析脑功能连接网络的特征，我们能够更好地理解脑部活动的组织结构和信息传递的方式。

一、脑功能连接网络的基本模型根据大脑连接的方式和模式，我们可以将脑功能连接网络分为静态网络和动态网络。

静态网络描述的是大脑在静息状态下不同脑区之间的连接模式。

而动态网络则表示大脑在执行不同任务时，不同脑区之间的连接模式的变化。

在静态网络中，脑功能连接通常遵循小世界网络的特点。

这意味着大脑中的脑区之间存在短距离的连接和长距离的连接，同时还存在一些特定的脑区，具有高度集聚的连接性。

这种连接方式保证了大脑在信息传递时既可以迅速进行局部信息处理，又可以实现全局信息整合。

而在动态网络中，脑功能连接的特征则取决于所执行的任务。

不同的任务对应的脑功能连接模式也会不同。

例如，在执行认知任务时，大脑中负责学习、记忆和决策的前额叶和顶叶之间的连接会增强。

而在执行感觉任务时，大脑中负责感觉处理的脑区之间的连接会增强。

二、脑功能连接网络的分析方法为了研究脑功能连接网络的特征，研究者们使用了不同的分析方法和技术。

其中最常用的方法是功能磁共振成像（fMRI）和脑电图（EEG）。

功能磁共振成像能够通过检测血液氧合水平的变化来研究脑功能连接网络。

通过对被试执行特定的任务，研究者可以观察到不同脑区之间的连接模式。

另外，功能磁共振成像还可以用于观察静息态下的脑功能连接网络，得出不同脑区的连接强度和连接模式。

脑电图是一种记录大脑电生理活动的技术。

通过分析脑电图数据，研究者可以研究脑功能连接网络在动态过程中的变化。

脑电图可以提供高时间分辨率的数据，因此可以追踪脑功能连接网络的瞬时变化。

除此之外，还有许多其他的脑成像技术和分析方法，如磁脑图谱（MEG）、脑磁共振成像（MRI）和脑电磁图（ECoG），它们都为研究脑功能连接网络提供了有价值的数据。

基于脑功能连接和SAE的自闭症分类贾楠;谭金平;肖志勇;漆志亮;吴建华【期刊名称】《南昌大学学报（理科版）》【年(卷),期】2018(042)004【摘要】为了对自闭症(autism spectrum disorder,ASD)的计算机辅助诊断提供参考,本文探讨了基于大数据和深度学习的静息态功能磁共振成像(rs-fMRI)的数据分类研究.研究从国际自闭症专业数据库(ABIDE)中获取了306名ASD和350名正常受试者(typically developing,TD)的rs-fMRI数据.通过对预处理之后的rs-fMRI 数据提取脑功能连接(Functional connectivity,FC)相关矩阵,再利用堆栈自编码(Stacked autoencoder,SAE)进行训练,最后对ASD和TD进行了分类,得到了准确率高达95.27％的识别.本文的结果表明,基于相关矩阵和SAE的ASD分类系统已经达到了较高性能,可以为计算机辅助诊断ASD提供参考.【总页数】5页(P399-403)【作者】贾楠;谭金平;肖志勇;漆志亮;吴建华【作者单位】南昌大学信息工程学院,江西南昌 330031;南昌大学共青学院,江西九江 332020;江西农业大学软件学院,江西南昌 330045;南昌大学机电工程学院,江西南昌 330031;南昌大学信息工程学院,江西南昌 330031;南昌大学信息工程学院,江西南昌 330031【正文语种】中文【中图分类】TP391【相关文献】1.自闭症谱系障碍儿童异常的脑功能连接——来自静息态EEG的证据 [J], 徐昕然;张树烨;2.基于磁共振脑成像的自闭症儿童镜像同伦功能连接异常研究 [J], 刘梦婉; 卢虹冰; 徐守军; 杨春兰; 李佳铭; 郑凯中; 燕宝玉; 刘健; 李宝娟3.静息态功能脑连接的空间动态分析及分类研究 [J], 高晋;赵云芃;Godfred Kim Mensah;李欣芸;刘志芬;陈俊杰;郭浩4.脑功能连接模型在机器学习中分类鲁棒性研究——以静息态功能磁共振定位癫痫发作侧为例 [J], 杨泽坤;葛曼玲;付晓璇;陈盛华;张夫一;郭志彤;张志强5.基于脑电功能连接拓扑表征的心算任务分类 [J], 吴选昆;颜延;贾振华;白雪丽;王磊因版权原因，仅展示原文概要，查看原文内容请购买。

Advances in Psychology 心理学进展, 2019, 9(5), 840-850Published Online May 2019 in Hans. /journal/aphttps:///10.12677/ap.2019.95103Atypical Functional Connectivity in AutismSpectrum Disorder Children—A Resting-State EEG StudyXinran Xu, Shuye ZhangSchool of Psychology, South China Normal University, Guangzhou GuangdongReceived: Apr. 23rd, 2019; accepted: May 9th, 2019; published: May 16th, 2019AbstractAutism spectrum disorder (ASD) is a neurodevelopmental disorder mainly by difficulties in social interaction and communication. Studies have suggested mixed patterns of intrahemispheric long-range and short-range functional connectivity. Anomalies in EEG coherence and power have been associated with deficits in executive function and mental activity. The current study aimed to access the patterns of spectral EEG power and intrahemispheric long-distance and local coherence in ASD. The present study examined neuronal activation and functional connectivity with EEG, in21 ASD and 17 typical developing (TD) children ages 6 - 13, during an eyes-closed resting state.Differences in cerebral functioning were examined using measurements of absolute and relative power and intrahemispheric long-range and short-range coherence. Children with ASD demon-strated reduced absolute and relative alpha power and reduced absolute theta power. ASD child-ren also displayed greater relative power in delta and gamma bands compared with the controls, which supports the previous U-shaped pattern of spectral power in ASD. In addition, the patterns of intrahemispheric long-range under connectivity in alpha band and local over connectivity in alpha and gamma bands were revealed in the current study. Thus, the results suggest that children with ASD exhibit atypical patterns of brain activity and functional connectivity compared to TD children.KeywordsAutism Spectrum Disorder (ASD), Resting-State, EEG, Functional Connectivity, Coherence自闭症谱系障碍儿童异常的脑功能连接——来自静息态EEG的证据徐昕然，张树烨华南师范大学心理学院，广东广州徐昕然，张树烨收稿日期：2019年4月23日；录用日期：2019年5月9日；发布日期：2019年5月16日摘要自闭症谱系障碍(Autism Spectrum Disorder, ASD)是一种特殊的神经发育障碍，近年来其发病率陡增，但病因成谜。

2024焦虑障碍的脑电生理研究进展要点（全文）焦虑障碍是常见的精神疾病之一，具有高共病率和高复发率的特点，其诊断主要依据患者的临床表现，但在治疗方面缺乏指导个体化治疗的指标以及疗效预测的客观指标。

脑电图是探索焦虑障碍病理、认知神经机制、诊断及预后相关生物学标志物的重要非侵入性工具，可探测大脑皮层神经元自发、节律性电生理活动，具有毫秒级别的时间分辨率，方便易行，对采集环境无特殊要求。

由于焦虑障碍病因不明以及其在诊断、治疗方面的复杂性，探索脑电指标与焦虑症状的关联，以及焦虑障碍的诊断、预后相关脑电图特征具有重要意义。

本文综述焦虑障碍的脑电生理研究，将脑电信号分为时域特征、频域特征、功能连接进行分别阐述，为探索焦虑障碍预测、诊断和预后相关的脑电生理指标提供参考。

一、时域特征时域特征主要包括事件相关电位（event-related potential，ERP）和诱发电位（evoked potentials，EP）。

ERP是一种特殊的EP，具有锁时锁相的特点，可准确追踪神经元对不同刺激的反应时间进程，并与特定认知加工过程相关。

焦虑障碍的ERP研究主要涉及注意偏向、认知控制、情绪反应等认知加工过程。

1、P1、N170是早期视觉相关ERP，主要起源于视觉皮层。

其中，N170是面孔识别的特异性ERP成分，能够敏感识别面孔表情。

P1、N170成分常被用于探索焦虑障碍患者的注意偏向和早期情绪信息的加工过程。

研究表明，焦虑障碍患者存在威胁性/负性情绪刺激的注意偏向，表现为P1波幅增高、潜伏期缩短。

而一些研究并未发现焦虑障碍患者存在威胁性/负性刺激的注意偏向。

以上研究结果的异质性可能来源于研究间的方法学差异以及接受刺激的个体差异。

社交焦虑障碍（social anxiety disorder，SAD）作为一种常见的焦虑障碍亚型，常表现为对社会线索存在认知偏差。

P1、N170成分常被用于探索SAD患者的早期面孔、情绪信息加工注意偏向。

伴自杀未遂青少年抑郁障碍患者杏仁核静息态功能连接研究吴云;黄佳玲;林健;钱晓琪;龚浩冉;乔昌源;周琳琦;胡长春【期刊名称】《浙江临床医学》【年(卷),期】2024(26)1【摘要】目的采用静息态功能磁共振成像技术探讨伴自杀未遂青少年抑郁障碍(MDD)患者双侧杏仁核与全脑功能连接特征。

方法对36例自杀未遂青少年MDD(sMDD组)、36例无自杀未遂青少年MDD患者(nsMDD组)及35例健康者(HC组)进行静息态功能磁共振(rs-fMRI)扫描。

选取双侧杏仁核为种子点,计算其至全脑体素的时序相关性。

分析三组间功能连接特征(rsFC)及其强度与临床量表间的相关性。

结果三组间rsFC:左侧杏仁核-右侧颞中回;左侧杏仁核-右侧岛叶;右侧杏仁核-右侧额中回差异有统计学意义(P<0.05)。

偏相关分析显示,在sMDD组中,右侧杏仁核-右侧额中回的rsFC强度与DERS评分呈负相关(r=-0.521,P=0.002)。

结论青少年MDD患者杏仁核相关情绪调节回路的功能异常可能是青少年自杀行为的潜在神经机制。

【总页数】4页(P25-28)【作者】吴云;黄佳玲;林健;钱晓琪;龚浩冉;乔昌源;周琳琦;胡长春【作者单位】浙江大学医学院附属杭州市第一人民医院;浙江中医药大学第四临床医学院【正文语种】中文【中图分类】R74【相关文献】1.静息态fMRI对抑郁症伴嗅觉功能减退患者功能连接的研究2.遗忘型轻度认知障碍杏仁核功能连接静息态纵向变化功能磁共振研究3.首发未治疗青少年抑郁障碍患者静息状态下、杏仁核功能连接异常改变及意义4.基于静息态杏仁核亚区功能连接观察高压氧治疗对TBI患者认知功能障碍的影响5.自杀未遂抑郁症患者海马在静息态下功能连接的改变因版权原因，仅展示原文概要，查看原文内容请购买。

心电子信息科技风2021年4月DOI：10.19392/ki.1671-7341.202111042基于功能磁共振成像的静息态脑网络研究方法薛婷唐俊李明昕陶占龙内蒙古科技大学理学院内蒙古包头014010摘要：大脑在静息状态下仍存在许多重要的神经活动，脑区之间仍存在不间断的信息传递，构成功能连接并由此构成脑网络。

静息态脑功能网络分析，由其具有相对简单的计算且具有重大临床意义，已广泛应用于多种脑疾病的研究中。

本文从信息计算的角度，总结了近年来静息态脑网络研究中的经典算法。

关键词：功能磁共振成像;静息态；脑网络大脑是极为高效和精密的信息处理系统，不仅掌握语言、思维、情绪等高级活动,也是信息储存、加工和整合的中枢。

神经元是大脑活动的基本单元，通过神经突触的彼此连接形成神经通路，完成对信息的加工处理⑴&在此过程中，神经元之间或神经元集群之间的连接模式构成了脑网络，掌握脑网络的连接模式对于理解大脑的运转机制具有重要意义。

影像学技术的发展应用极大丰富了科研人员的脑网络研究手段。

近年来，静息状态下脑功能网络的研究受到广泛关注。

相较于任务态，静息态可避免由被试完成任务的差异性所导致的结果不可靠。

因此,越来越多的学者开始关注静息态下脑功能网络的活动模式。

本文主要针对静息态下脑功能网络的研究方法进行综述。

一、基于种子点的功能连接分析方法该方法是一种模型依赖方法(model-based),通常首先选择特定脑区作为感兴趣区域(region of interest，ROt)，即种子点。

然后计算该种子点与其他脑区的血氧水平依赖信号之间的时间相关性。

如计算岀某个脑区与该种子点之间的血氧水平依赖信号时间相关性较强，则可认为该脑区与种子点之间存在功能连接基于种子点的功能连接分析方法得到的结果易于理解，但种子点的选择没有固定标准,具体的选择过程很大程度取决于实验设计人员，通常依据先验知识或功能定位来选定。

种子点的选择至关重要,研究者选择的偏向性将直接影响研究结果。