近日,電子科技大學生命科學與技術學院神經工程與神經資料團隊博士生關于大腦皮層網絡分析的相關研究先後在國際著名期刊IEEE控制論彙刊(IEEE Transaction on Cybernetics)、IEEE醫學影像彙刊(IEEE Transaction on Medical Imaging)上發表。徐鵬教授為通訊作者,易婵琳、Joyce Chelangat Bore分别為兩篇論文的第一作者。電子科技大學生命科學與技術學院為第一作者機關和通訊機關。
大腦是一個優雅而神秘的器官。和我們的社交、通訊、網際網路一樣,我們的大腦也是以分布式大腦網絡的形式高效運作,了解人類大腦是如何産生認知的,最終要依賴于對大尺度大腦組織活動的認識。腦電是一種非侵入、高時間分辨率、易操作的腦功能成像技術,在刻畫大腦内瞬息萬變的網絡互動上占據重要地位,然而可靠的網絡分析受到腦電低信噪比、容積效應等影響的制約。
腦電逆問題,将頭表腦電信号反演至皮層空間,是應對容積效應影響,實作高時空分辨率的腦網絡分析的突破口。首先,針對傳統源成像方法主要依賴于直接求逆運算,不可避免地會受到噪聲和逆解政策影響的問題,研究團隊引入深度學習政策,開發了一種新的稀疏時空腦源估計方法——深度腦神經網絡(DeepBraiNNet) [1],該方法是國際上較早的深度學習源定位方法。在DeepBraiNNet中,采用長短時記憶網絡(long short term memory, LSTM)對傳遞矩陣進行近似逆運算,避免了直接逆運算的病态求解過程。在不同源模式和噪聲條件下的仿真表明,該方法能夠較好地恢複時空源活動,優于現有的方法。應用于真實的運動想象(motor imagery,MI)資料集,DeepBraiNNet估計了與生理事實相一緻的稀疏MI相關激活模式。進一步建構的MI皮層定向網絡揭示了左、右手運動想象對應的偏側化模式。DeepBraiNNet為腦電時空源成像提供一種不同于傳統方法的替代方法。
圖1. 用于腦電源估計的DeepBraiNNet。(a) DeepBraiNNet訓練和測試過程。(b) DeepBraiNNet模型架構。(c) LSTM示意圖。
大尺度皮層動态功能網絡連接配接(dynamic functional network connectivity,dFNC)在更高的網絡層級上提供了對大腦活動上下文更加敏感的、動态的和直接的視角。然而,dFNC分析需要在時間域和空間域都有足夠的分辨率,dFNC的建構需要捕捉兩個空間次元不比對的多元時間序列之間的時變相關性。研究團隊提出基于腦圖譜建構腦電大尺度皮層dFNC來探測大腦中微妙的動态活動,并提出了一種新的時變多元相關分析方法——WTCS來評估不同空間次元功能子網絡之間的動态耦合[2]。仿真研究證明了該算法在dFNC中應用的魯棒性和有效性。應用于真實腦電資料,研究揭示了P300的dFNC網絡屬性中具有吸引力的 “primary peak”和“p3-like peak”,以及dFNC網絡拓撲有意義的演變。研究為在更動态、更高層次的水準上探索大腦活動提供了新的見解,并推動了腦啟發人工神經網絡的發展。提出的WTCS不僅有利于dFNC的研究,而且為捕獲信号處理學科中經常遇到的多變量時間序列之間的時變耦合提供了一種新的解決方案。
圖2.P300腦電圖皮層大尺度dFNC網絡模式變化。
IEEE控制論彙刊(IEEE Transaction on Cybernetics)是自動控制領域頂刊,聚焦控制論領域計算方法以及跨機器或機器、人群組織之間的通信和控制問題,涉及計算智能、計算機視覺、神經網絡等廣泛研究。 2022影響因子為19.118。
IEEE醫學影像彙刊(IEEE Transaction on Medical Imaging)是醫學成像領域頂刊,聚焦統一醫學、生物學和影像學的科學,涉及關于身體結構、形态和功能成像從采集、處理到可視化等系列問題的研究。2022影響因子為11.037。
作者介紹:
易婵琳,博士四年級學生,大學就讀于重慶郵電大學生物醫學工程專業,碩士考入電子科技大學生物醫學工程專業,并碩博連讀。圍繞腦電大尺度網絡建構,提出了系列能夠刻畫大腦大尺度互動的系列分析方法。目前共發表SCI論文20餘篇,其中以一作/通訊的形式在IEEE Trans Cybern, Neural Networks等期刊發表論文5篇,ESI高被引1篇。擔任SCI期刊Brain Topography審稿人,參與國家自然基金重點、國際地區合作、科技創新2030-重大項目等4項。獲國家獎學金、全國腦電與腦成像研究與應用學術年會青年優秀論文等獎項10餘次。
Joyce Chelangat Bore,2016年于電子科技大學獲得生物醫學工程碩士學位,2019年于電子科技大學獲得生物醫學工程博士學位。目前為美國鮑德溫華萊士大學(Baldwin Wallace University)助理教授(assistant professor)。主要研究方向包括計算神經科學、神經模組化、逆向問題和大腦網絡分析。目前圍繞該方向在IEEE TMI,Neural Networks,IEEE TBME等期刊共發表SCI論文10餘篇,其中一作8篇。
徐鵬,電子科技大學生命科學與技術學院教授,博士生導師,優青,教育部新世紀優秀人才計劃入選者、中國生物醫學工程醫學神經工程分會秘書長。主要緻力于腦電信号處理、腦機互動和類腦智能相關研究。近幾年承擔包括國家自然基金重點、優秀青年基金、國際地區合作、科技部重大研發項目在内的項目多項。以第一/通訊作者,在包括IEEE Trans Cybern, IEEE TMI, Cerebral Cortex, IEEE TBME, IEEE TNSRE, Neural Networks, Neuroimage, Journal of Neural Engineering等國際高水準期刊發表論文120餘篇。
團隊介紹:
神經工程與神經資料(NeuroEngineering & NeuroData)團隊是神經資訊教育部重點實驗室最主要的科研團隊之一,帶頭人為堯德中教授(美國醫學生物工程院 Fellow,重點實驗室主任),團隊圍繞腦器互動問題(腦機接口心身醫學),着力神經資訊檢測、分析技術的創新發展,以及新技術在腦功能、腦疾病研究中的探索應用。近年來,該團隊先後承擔了包括科技 2030 “腦科學與類腦智能”重大項目、國家自然科學基金重點項目、863項目、973課題、重大儀器專項課題在内的重大、重點項目20多項。在國際重要學術刊物發表SCI收錄論文300餘篇,申請國家專利20餘項,獲得教育部自然科學一等獎、國際腦電圖與臨床神經科學學會Roy John Award等多種獎項。在十四五期間,團隊将繼續以國家需求為指引,在科學研究、人才培養、國際合作和成果轉化等方面做出應有的貢獻。
文章資訊:
[1] Bore J C, Li P, Jiang L, et al. A Long Short-Term Memory Network for Sparse Spatiotemporal EEG Source Imaging [J]. IEEE transactions on medical imaging, 2021, 40(12): 3787-800. https://ieeexplore.ieee.org/abstract/document/9488247
[2] Yi C, Yao R, Song L, et al. A Novel Method for Constructing EEG Large-Scale Cortical Dynamical Functional Network Connectivity (dFNC): WTCS [J]. IEEE Transactions on Cybernetics, 2022, 52(12): 12869-81.
https://ieeexplore.ieee.org/abstract/document/9514361
本文轉載自【電子科技大學】官方網站