论文部分内容阅读
摘要：通过脑电图数据提供的资料与信息，建立大脑功能性网络，并对该网络的统计特征进行全面分析。最终发现相应随机网络远小于聚类系数，具备小世界网络特征，分布类似于无标度网络。发现患者的网络特征与正常人之间存在显著差别，患者大脑神经网络明显低于正常人，为临床脑病诊疗提供了可靠的判断依据。
关键词：脑电图；功能性网络；统计特征
众多的神经元共同构成了人类大脑，这种神经元是在多重组织上运行的，分别都具有自己不同的空间尺度以及时间[1]。所以，在分析神经元时，应当从多层次入手，例如全脑、皮层组织以及大脑特定区域等。传统的神经科学研究只注重各脑区之间的定位，但现代医学更倾向于利用复杂的网络结构，对不同层次的动力学行为以及网络结构进行分析[2]。
1.构建脑网络
对于大脑功能性网络而言是一种比较抽象的网络，网络中的每一个节点就是EEG的导联所测量区域，电活动为N个时间序列，对这些时间序列进行计算可以得出相关性的矩阵。若是其中某个相关值大于阈值时，便可确定脑区域间的功能性相关，反之则说明无关，在这其中，功能性网络矩阵元素值应当为0。
在选择阈值时应当注意以下原则：大脑是有1011个神经元构成的，每个神经元之间都有紧密的连接，可是，整体连接因子只有10-3。通过模拟得出，当阈值为0.95时，大脑功能性网络为稀疏。但当时间序列相关性>0.95时，大脑脑区之间才有功能性连接.
2.对大脑功能性网络进行分析
当人们对线虫神经网络、短尾猿视觉皮层网络和猫视觉皮层网络等各种生物神经网络进行研究时发现，随机网络远小于聚类系数。但本研究是在研究人脑EEG功能性网络上得出的该结论，即便是节点数受到了限制，人脑中的聚类系数依然比对应的随机网络高出一个数量级，为达到更好的结果，便可以增加网络节点数目。通过本次研究充分证明了其他生物神经网络与人脑网络所共有“小世界”特征。
通过对计算结果的分析，能够得出结论，即表明注意力集中程度的数据也可能包括聚类系数。其主要内容是说，在两个视觉目标不相符的时候，人们想要达成目的，必须花费更多的精力，注意力的集中程度也明显大于一个目标，必须调动全部的注意。在这样的情况下，更多的神经元会在人脑中发生变化，产生聚类。身体健康的人们的聚類系数往往还会高于患病人员，小世界特征也会更加突出。这也在很大程度上说明了健康人群更能够集中精力去做事，患病人群则相对缺乏这样的能力。
3.神经网络信息熵的研究
作为力学体系中最为重要的统计参量，熵自从被人们研究以来便被广泛使用于化学、生命科学、物理学以及信息科学等各种研究中。有学者在1943年提出“生命以负熵为生”的理念。从此，熵的观点被引入了生命科学的研究领域中。熵的计算公式为：
其中I为信息量，Ω为待选信息，Ω若是越大，则说明信息量也就越大。
4讨论
本研究通过脑电图数据提供的资料与信息，建立大脑功能性网络，并对该网络的统计特征进行全面分析，从研究中发现脑电图的大脑功能性网络的相应随机网络远小于聚类系数，具备典型的小世界网络特征，通过这一点足矣证明人脑中小世界的特点，其中，度分布类似于无标度网络，为了能够更好的证明这一点，可以加大更多的节点，增大网络规模来进行进一步验证。
通过对大脑神经网络信息熵的计算，我们思考了以下问题：脑神经网络出现小世界、无标度等问题的原因，很可能是由于“负熵”的影响而造成的，这样可以确保网络以有机体的形式生存[3-4]。与正常人相比较，脑病患者的大脑神经网络信息熵明显有异常反应，脑病患者大脑获得的信息量远远低于正常人。脑病患者对于某些信息无法接收，使得大脑网络太过有序，最终倾向于神经死亡。这与“生命体以负熵为胜”中的理论一致。所以，为了能够更好的对脑病患者进行诊疗，则应当加大对大脑神经网络信息熵的研究[5]。
参考文献：
[1]方小玲，姜宗来.基于脑电图的大脑功能性网络分析[J].物理学报，2013（12）：7330-7338.
[2]王海洋，王江，李红利，等.针刺过程中大脑功能性网络特性的演化[J].吉林大学学报（理学版），2012，（1）：181-188.
[3]张亚娟.基于脑电图的大脑功能性研究[J].内蒙古中医药，2013，（17）：186-187.
[4]苏敏，尧德中.脑功能多种成像方式整合技术的研究及其进展[J].生物医学工程学杂志，2005，22（2）：385-388
[5]孔峰，吴文乾，等.1466例动态脑电图临床应用分析[J].河南实用神经疾病杂志，2002，5（2）：14-16
关键词：脑电图；功能性网络；统计特征
众多的神经元共同构成了人类大脑，这种神经元是在多重组织上运行的，分别都具有自己不同的空间尺度以及时间[1]。所以，在分析神经元时，应当从多层次入手，例如全脑、皮层组织以及大脑特定区域等。传统的神经科学研究只注重各脑区之间的定位，但现代医学更倾向于利用复杂的网络结构，对不同层次的动力学行为以及网络结构进行分析[2]。
1.构建脑网络
对于大脑功能性网络而言是一种比较抽象的网络，网络中的每一个节点就是EEG的导联所测量区域，电活动为N个时间序列，对这些时间序列进行计算可以得出相关性的矩阵。若是其中某个相关值大于阈值时，便可确定脑区域间的功能性相关，反之则说明无关，在这其中，功能性网络矩阵元素值应当为0。
在选择阈值时应当注意以下原则：大脑是有1011个神经元构成的，每个神经元之间都有紧密的连接，可是，整体连接因子只有10-3。通过模拟得出，当阈值为0.95时，大脑功能性网络为稀疏。但当时间序列相关性>0.95时，大脑脑区之间才有功能性连接.
2.对大脑功能性网络进行分析
当人们对线虫神经网络、短尾猿视觉皮层网络和猫视觉皮层网络等各种生物神经网络进行研究时发现，随机网络远小于聚类系数。但本研究是在研究人脑EEG功能性网络上得出的该结论，即便是节点数受到了限制，人脑中的聚类系数依然比对应的随机网络高出一个数量级，为达到更好的结果，便可以增加网络节点数目。通过本次研究充分证明了其他生物神经网络与人脑网络所共有“小世界”特征。
通过对计算结果的分析，能够得出结论，即表明注意力集中程度的数据也可能包括聚类系数。其主要内容是说，在两个视觉目标不相符的时候，人们想要达成目的，必须花费更多的精力，注意力的集中程度也明显大于一个目标，必须调动全部的注意。在这样的情况下，更多的神经元会在人脑中发生变化，产生聚类。身体健康的人们的聚類系数往往还会高于患病人员，小世界特征也会更加突出。这也在很大程度上说明了健康人群更能够集中精力去做事，患病人群则相对缺乏这样的能力。
3.神经网络信息熵的研究
作为力学体系中最为重要的统计参量，熵自从被人们研究以来便被广泛使用于化学、生命科学、物理学以及信息科学等各种研究中。有学者在1943年提出“生命以负熵为生”的理念。从此，熵的观点被引入了生命科学的研究领域中。熵的计算公式为：
其中I为信息量，Ω为待选信息，Ω若是越大，则说明信息量也就越大。
4讨论
本研究通过脑电图数据提供的资料与信息，建立大脑功能性网络，并对该网络的统计特征进行全面分析，从研究中发现脑电图的大脑功能性网络的相应随机网络远小于聚类系数，具备典型的小世界网络特征，通过这一点足矣证明人脑中小世界的特点，其中，度分布类似于无标度网络，为了能够更好的证明这一点，可以加大更多的节点，增大网络规模来进行进一步验证。
通过对大脑神经网络信息熵的计算，我们思考了以下问题：脑神经网络出现小世界、无标度等问题的原因，很可能是由于“负熵”的影响而造成的，这样可以确保网络以有机体的形式生存[3-4]。与正常人相比较，脑病患者的大脑神经网络信息熵明显有异常反应，脑病患者大脑获得的信息量远远低于正常人。脑病患者对于某些信息无法接收，使得大脑网络太过有序，最终倾向于神经死亡。这与“生命体以负熵为胜”中的理论一致。所以，为了能够更好的对脑病患者进行诊疗，则应当加大对大脑神经网络信息熵的研究[5]。
参考文献：
[1]方小玲，姜宗来.基于脑电图的大脑功能性网络分析[J].物理学报，2013（12）：7330-7338.
[2]王海洋，王江，李红利，等.针刺过程中大脑功能性网络特性的演化[J].吉林大学学报（理学版），2012，（1）：181-188.
[3]张亚娟.基于脑电图的大脑功能性研究[J].内蒙古中医药，2013，（17）：186-187.
[4]苏敏，尧德中.脑功能多种成像方式整合技术的研究及其进展[J].生物医学工程学杂志，2005，22（2）：385-388
[5]孔峰，吴文乾，等.1466例动态脑电图临床应用分析[J].河南实用神经疾病杂志，2002，5（2）：14-16