大脑运动想象系统信息表征提取算法与模式识别研究

Motor imagery as a chief paradigm for the study of brain-computer interface, is often used to investigate the inner subconscious processing in a motion being implemented. The brain, stimulated by a series of imagery task, produces signals that rather weak, and the neural mechanism governing the integration of brain network information still remains unclear. The present study is thus directed towards the cognitive issues arising from the adjustment of the brain function network as revealed in a motor imagery feedback. We attempt to address the critical technical problems involved in the fMRI-based extraction of information representation from the brain motor imagery system and the related pattern recognition. Our approaches mainly include: developing the affinity propagation clustering method, and the pattern recognition of multi-voxel Bayes-SVMs, both intended for examining fMRI brain functions, in a bid to achieve an effective extraction of of motor imagery features within the cerebral network.; developing the brain network- analyzing method based on graph theory and small world network indexes (clustering coefficient, shortest path, node distribution and degree distribution), exploring the feature information in the brain network in a motor imagery task; and finally, targeting the loop circuit of brain network, and using a dynamic brain-network analyzing method to detect the modulating behavior of the motor imagery feedback towards the brain network. The findings of this study on motor-imagery brain network may provide part of the theoretical basis for brain-computer interface studies, and the extraction of brain information representation and pattern recognition which have been developed here may offer a new means for detecting brain information.

运动想象是脑机接口的主要研究范式，常被用于研究运动执行内在潜意识加工过程。运动想象任务引起脑功能活动产生的是微弱信号，其脑网络信息整合的神经机制仍然不清楚。本项目拟针对运动想象生物反馈对功能网络调控的认知问题，解决利用功能磁共振成像(fMRI)时运动想象脑功能活动信息表征提取算法和模式识别的关键技术问题，主要包括：发展检测fMRI脑功能活动信息的仿射聚类算法和多体素贝叶斯支持向量机分类器模式识别方法,实现运动想象脑网络特征信息有效提取；发展基于图论和小世界网络指标（聚类系数、最短路径和节点度分布）的脑网络分析方法，探测运动想象脑网络信息特征；最后针对运动想象脑网络环路,利用动态脑网络分析方法探测运动想象反馈信息对脑功能网络的调控行为。本项目关于运动想象脑网络的研究成果将为脑机接口提供部分基础理论，同时所发展的脑信息表征提取算法和模式识别方法将为脑功能信息检测提供新的手段。

运动想象是脑机接口的主要研究范式，常被用于研究运动执行内在潜意识加工过程。运动想象任务引起脑功能活动产生的是微弱信号，其脑网络信息整合的神经机制仍然不清楚。本项目针对运动想象生物反馈对功能网络调控的认知问题，解决了利用功能磁共振成像(fMRI)时运动想象脑功能活动信息表征提取算法和模式识别的关键技术问题，主要包括：发展了检测fMRI脑功能活动信息的整合监督仿射聚类算法和多体素支持向量机分类器模式识别方法,实现了运动想象脑网络特征信息有效提取；发展了基于图论和小世界网络指标（聚类系数、最短路径和节点度分布）的脑网络分析方法，探测了运动想象脑网络信息特征；最后针对运动想象脑网络环路,利用动态脑网络分析方法探测运动想象的脑功能网络信息的调控行为。在本项目资助下获得的研究成果已经在国际上发表科研论文15篇(其中SCI 13篇,EI 1篇),在Springer Berlin Heidelberg出版社出版脑成像书籍1本,并且项目组团队成员申请发明专利2项(1项已授权,1项等待授权)。本项目作出的这些关于运动想象脑网络的研究成果将为脑机接口提供部分基础理论，同时所发展的脑信息表征提取算法和模式识别方法将为脑功能信息检测提供新的参考手段。同时,本项目的开展培养了多名博士/硕士研究生与高校青年教师。