基于EEG信号的相位连接模式及其综合分类研究

Pattern analysis of electroencephalogram (EEG) signals is a core research topic in the field of brain-computer interfaces (BCI). Based on our previous research on EEG signal processing and pattern classification, this project systemically and deeply carries out research on the cutting-edge theory and method of phase connectivity patterns and its comprehensive classification of EEG signals. With the discovery of the intrinsic interaction between neural activities as foundation and the analysis of phase connectivity network as means, this project performs the following research points. Firstly, with the asymmetry of the distribution of phase differences as criterion, this project develops a measure index of phase connectivity, which can effectively represent brain cognitive activity, by using the Wilcoxon signed-rank test, and then constructs a network of phase connectivity. Secondly, based on the concept of superpixel, this project seeks a decomposition of the network of phase connectivity by using the algorithms of clustering and segmentation, and then obtains some more accurate sub-networks. Thirdly, with the graph representation of the sub-networks of phase connectivity, this project characterizes phase connectivity patterns by using a binary pattern to record the connectivity state, and then evaluates the binary pattern, i.e., feature extraction, by viewing it as a binary system. Finally, this project fuses the features of phase connectivity patterns and classical spatial patterns by the form of complex value expression, and then performs a comprehension classification of EEG signals by using the complex-valued linear discriminant analysis. Phase connectivity patterns contain plenty of information of neural activities. The research will provide completely new threads and perspectives for the methods, theories and extensive applications of BCI.

EEG信号的模式分析是脑机接口问题中的核心研究议题，本项目旨在已有的EEG信号处理和模式分类研究工作基础上，系统深入地开展EEG信号相位连接模式及其综合分类的前沿理论方法研究。以发掘神经活动间真正内在的相互作用为基础，以相位连接网络分析为手段，主要开展以下研究：以相位差分布的非对称性为准则，利用Wilcoxon符号秩和检验，发展能有效表征脑认知活动的相位连接度量指标，构造相位连接网络；基于超像素概念，利用聚类和分割算法，进行相位连接网络分解，获得更精细的子网络；以图论为相位连接子网络的表达，利用二元模式记录节点的连接状态，视之为二进制格式计算二元模式的值，提取相位连接模式的特征；以复数形式融合相位连接模式特征与经典的空间模式特征，利用复数形式的线性判别分析，开展EEG信号的综合分类。相位连接模式含有丰富的神经活动信息，本项目的研究为脑机接口的理论方法和广泛应用提供全新的思路和视角。

脑连接网络分析是脑机接口领域的中心议题，本项目系统深入地开展基于EEG信号的相位连接模式及其综合分类研究。主要研究工作集中在以下四个方面：（a）在相位连接分析方面（包括相位连接构造、分解、特征提取）：开展基于Wilcoxon符号秩和检验的EEG信号相位滞后分析、面向EEG信号的下肢运动想象分类的相位连接分析、基于随机矩阵理论的下肢运动意图相位连接分析、基于锁相值调制的相位连接网络模式特征分析、基于超体素聚类分割的全脑连接分解的子网络分析、连接网络的重叠社团结构检测分析。这些研究开展相位连接模式的本质分析，为基于相位连接模式的脑机接口提供理论基础。（b）在相位连接分类方面：开展基于时空相位同步的动作意图理解分类、基于相位连接的动作意图理解分类、基于似然同步的动作意图理解分类、以复数形式融合相位连接模式特征与共同空间模式特征的EEG信号分类、基于STFT和CNN的下肢运动想象分类。这些融合相位信息的综合分类对于EEG信号解码具有重要的推动作用，丰富和完善了相位连接在脑机接口研究中的理论体系。（c）在基于连接网络的认知问题应用方面：研究基于连接网络的数学超常大脑特有的源空间同步态转换规律、基于滤波器组点则相关连接分析和时空波束解码的训练自由稳态视觉诱发电位脑机接口、基于非负矩阵分解和稀疏表示的脑连接网络重叠社团检测、基于稀疏功能连接及非负矩阵分解的阿尔兹海默症分类方法、基于功能连接网络的脑龄预测研究。这些研究从神经机理上深入探讨大脑的连接网络，为脑机接口研究提供有益启示。（d）在空间模式、应激检测、数字认知的拓展建模方面：研究基于L21-范数的共同空间模式鲁棒解码、基于皮肤电活动的心理应激检测、小数和分数在非符号图形与符号数字系统中数量加工策略的神经活动差异问题。这些研究拓展了EEG信号的综合分类研究的应用。