面向人类工作记忆改善的脑电复杂网络信息反馈非线性计算模型研究

Working memory is critical to the high-level cognitive brain functions and plays important role in the cognitive process of attention, learning and memory. Improving working memory of healthy people and cognitive impairment patients has a great impact on both the fundamental research and clinical practice. To improve working memory, neurofeedback technology has been highlighted in the research. The dynamic characteristics of brain network structure in cognitive process is becoming an important tendency for neuroscience research. The present proposal plans to combine the complex network model and nonlinear theory and (1) propose a novel computational model for neurofeedback training at the network level. In this study, we will (2) design a new neurofeedback protocol and offer a new quantitative evaluation system for improving working memory of healthy people. Eventually, we attempt to (3) describe the dynamical correlation between brain network plasticity and topology after memory training, and depict the connection between network structure, dynamical characteristics and the ability of working memory by tracking the subjects 1-3 months after training. In this proposal, we try to define a new metric of working memory based on complex network models and explore the mechanism of working memory at the network level. The results of this study will provide new insights for revealing the working memory mechanism and a new method for improving working memory in clinical practice, therefore may have great influence on the neuroscience research and a broad scope in future clinical application.

工作记忆是大脑高级认知功能的中心，在注意、学习、记忆等过程中扮演关键角色。改善健康人群和认知功能障碍患者的工作记忆能力具有重要的研究和临床应用价值。神经反馈技术改善人脑高级认知功能的应用已成为国际研究热点，而脑认知过程中网络结构的动力学特性研究是神经科学的重要趋势。本项目拟结合复杂网络和非线性理论，1）建立可用于神经反馈训练的脑网络神经计算模型；2）设计提升健康人群工作记忆能力的神经反馈训练范式，提出面向工作记忆改善的神经反馈训练参数体系和方案；3）描述工作记忆训练前后，脑功能网络可塑性与网络拓扑结构的关联，并通过对被试者跟踪随访，刻画神经反馈训练1-3个月后网络结构、动力学特性与工作记忆能力的协同改变，最终提出评价人脑工作记忆能力的网络指标，探索大脑工作记忆的网络机制。本课题研究成果将为揭示工作记忆的机理提供新理论，并为临床改善工作记忆提供新干预方法，具有重要学术价值和良好临床应用前景。

工作记忆在大脑高级功能中起重要作用，是学习记忆与情感认知的基础。运用神经反馈手段改善和提升人脑工作记忆能力正成为国际研究的热点，具有重要的研究意义和临床应用价值。本项目立足于健康人群和情感障碍人群，（1）首先针对脑电信号高时空相关性和高维度特点，基于多元线性回归分析和非线性模型，提出了对认知实验范式中诱发电位的精确信息提取新方法。相较于经典的叠加平均方法，新方法能够增加单次提取电位波形的细节保留程度，并提高诱发电位关键参数的时间精确度；（2）基于脑电不同频段信息和复杂网络、非线性动力学方法提出了适用于脑电神经反馈训练的非线性计算模型和基于信息流增益构建因果网络的脑电网络骨架提取方法，可应用于自发和诱发脑电的被试间和试次间数据的脑电网络拓扑提取；（3）针对运动学习与工作记忆设计了面向人脑认知能力提升的神经反馈训练范式及系统并招募健康人群和不同亚型情感障碍人群开展实验。研究结果显示：在健康人群运动学习训练场景下，网络中左颞叶与前额叶中区在Alpha频段的网络关联特征与动作学习与工作记忆能力密切相关，提示了潜在的神经反馈调控网络靶点；在情感障碍人群中，不同抑郁焦虑亚型的网络匹配度、网络内传输效率和社群系数具有显著差异，其中抑郁症患者网络匹配度显著高于焦虑症患者，提示了抑郁症患者脑网络不易被外界输入扰动但焦虑症患者脑网络易于被输入所干扰。网络社群系数分析结果提示，与抑郁症患者相反的是，焦虑患者脑网络内节点倾向于在一个小群落内形成相互连接。上述结果提示，脑电复杂网络和非线性模型将有助于揭示隐藏在高维度脑电信号下的全局动力学特性和网络内信息流动规律，为动态捕捉脑电动力学系统的动力学特性提供了新思路，并为临床量化评价和改善认知能力提供新手段和新工具，具有重要的学术研究价值和良好的临床应用前景。