休斯顿大学怎么样华中科技大学博士论文

的系统联合，提高双模态

联合检测的性能。在物理结构联合层面，通过特制的布帽 基底和探头夹具制作光电

联合探头帽将多通道的

fNIRS

探头以及

EEG

电极固定在一起。在信号同步层面，研

究使用光电打标的方式实现高精度的信号同步触发。围绕双模态技术在脑机接口等

领域的 应用对

fNIRS

和

EEG

信号的在线神经反馈功 能开展研究，

通过运动想象实验

证明神经反馈的有效性。

通过远程数据共享技术实现了基于

LabVIEW

平台的闭环双

< br>模态联合采集软件。最后通过一个

Stroop

实验证明全脑双模态检测技 术可以有效地

检测到脑功能血氧活动和神经电活动。

< br>（

3

）为了促进全脑双模态联合检测技术在脑功能研究中的应用，以工作记 忆任

务下的脑功能性别差异为例进行研究。并针对双模态的数据分析方法较为单一的问< /p>

题，建立了基于双模态信号的脑网络数据分析方法。使用包括功能连接、效应连接

以及小世界网络特性在内的多种数据分析方法来分析

fNIRS

和

EEG

数据，

并分析两

种信号之间的相关 性。

fNIRS

脑激活和脑连接的结果表明女性更加擅长语言类工作记

< br>似的表现。该研究进一步证明基于双模态联合检测的脑连接分析方法可以帮助人们

更全面有效地研究脑功能。

本文围绕信号质量、双模态系统整合、软件 可视化以及数据分析方法等多个方

面对提高双模态联合检测的性能进行研究。本文的工作 可以帮助研究人员使用双模

态联合检测技术更加深入地了解脑功能活动的神经机制。

关键词：

功能近红外光谱术

双模态检测

表层干扰

神经反馈

脑网络

工作记忆

II

华

中

科

技

大

学

博

士

学

位

论

文

Abstract

*

Functional neuroimaging methods provide a new method for learning how the brain

works.

As

a

noninvasive

optical

imaging

method,

functional

near- infrared

spectroscopy

(fNIRS) has been widely employed in studies of brain function.

By the channels’ location

on the

scalp, fNIRS can detect neuro signals’ source from

the cortex. However, fNIRS has

problems

such

as

insufficient

time

resolution

and

can

’t

detect

neuron

activity

directly,

which affect

the effectiveness

of

fNIRS used in

brain

functional detection.

As a mature

brain functional detection technology, Electroencephalography (EEG) has sufficient time

resolution, while it can not detect the source of neuroactivity. Both fNIRS and EEG place

few

limita

tions

on

the

subjects

and

environment,

therefore

can

detect

subjects’

brain

activity in a relaxed state. By combining fNIRS and EEG, bimodal acquisition technology

can

have

complementary

advantages

of

the

two

methods,

help

people

to

study

neural

mechanism in cognitive psychology experiments better. The current fNIRS-EEG bimodal

technology

is

still

in

its

infancy,

has

problems

such

as

low

signal-to-noise

ratio,

poor

system integration, and few detection channels. Improving fNIRS-EEG bimodal detection

performance is very important for employing this technology in brain function research.

This

thesis

focused

on

the

improvement

of

the

fNIRS-EEG

bimodal

detection

performance, and the main contents are as follows:

(1) Studying key issues affecting whole brain fNIRS detection performance based on

our homemade optical fiber fNIRS system. First, study superficial signals which affect the

fNIRS

signal

quality.

By

theoretical

analysis

and

model

experiments,

this

study

established a method based on short separation channels with adaptive filtering to remove

superficial interference and verified the effectiveness

of the method in

vivo experiment.

Then this study developed on-line superficial interference removing function embedded in

*

This study was supported by Science Fund for Creative Research Group (Grant No. 61421064) and Director Fund of

WNLO

III

华

中

科

技

大

学

博

士

学

位

论

文

fNIRS software. Second, this study analyzed key issues affecting fNIRS system stability

by

theoretical

analysis

and

phantom

tests.

To

solve

the

issues,

this

study

designed

light

sources heat dissipation system and fiber-optics probe. Then, focused on the visualization

of fNIRS acquisition software, this study analyzed software requirements and developed

fNIRS

acquisition

software

with

high

visualization

by

Matlab- LabVIEW

hybrid

programming.

At

last,

through

an

in

vivo

N-back

experiment

verified

that

the

fNIRS

system can detect brain functional activity during working memory reliably.

(2) Combining fNIRS and EEG system in both physical structure and digital signal

level,

improving

bimodal

detection

performance.

In

physical

structure

level,

this

study

developed multi-channels optic-electronic integrated probe cap using the special material

basement and probe fixtures to achieve the joint arrangement of fNIRS probes and EEG

electrodes.

In

signal

synchronization

level,

this

study

developed

photoelectric

marking

method

to

achieve

simultaneous

bimodal

detection

with

high

precision.

Focused

on

bimodal

detection utilized in

brain-computer-interface, this study did

research on online

neural

feedback

based

on

fNIRS

and

EEG

signals,

and

proved

the

efficiency

of

neural

feedback by a motor imagery experiment. Then this study developed closed-loop bimodal

acquisition software based on LabVIEW by remote data access method. At last, through

an in

vivo Stroop experiment

verified that the bimodal system

can detect hemodynamic

response and neuroelectrical activity simultaneously and effectively.

(3) In order to promote the application of the whole brain bimodal detection, studying

gender-related

brain

function

during

working

memory.

Focused

on

few

bimodal

data

analysis

methods,

this

study

established

brain

networks

analysis

methods

based

on

the

bimodal signal. Multiple data analysis methods including functional connectivity, effective

connectivity,

and

small

world

network

property

were

employed

to

analyze

fNIRS

and

EEG data, as well as the correlation between two types of signal. Results of brain activity

and

connectivity

indicated

that

women

surpassed

men

in

verbal

working

memory.

Men

achieve

similar

performance

to

women

by

enhancing

brain

activation,

optimizing

brain

IV

华

中

科

技

大

学

博

士

学

位

论

文

networks

and

employing

preferred

visuospatial

strategies

to

encode

memory

in

the

memory tasks. This study further proved that brain networks analysis based on bimodal

detection

can

help

people

to

extract

the

information

of

brain

function

more

comprehensively and effectively.

This study devoted to improving the performance of fNIRS-EEG bimodal detection

in

various

aspects

including

signal

quality,

bimodal

system

integration,

software

visualization

and

data

analysis

methods.

This

study

can

help

researchers

to

employ

bimodal detection technology study brain function in more details.

Keywords:

Functional near-infrared spectroscopy

Superficial interference

Working memory

Bimodal detection

Neuro-feedback

Brain networks

V

华

中

科

技

大

学

博

士

学

位

论

文

本文所用英文缩写名称一览表

fNIRS

HbO

2

Hb

EEG

ERP

MEG

fMRI

functional Near-infrared Spectroscopy

Oxy-hemoglobin

功能近红外光谱术

氧合血红蛋白

脱氧血红蛋白

脑电图

事件相关电位

脑磁图

功能磁共振成像

血氧水平依赖

正电子发射断层显像

光密度值

差分光程因子

数值孔径

美国国家仪器

发光二极管

激光二极管

通用串行总线

雪崩光电二极管

模数转换器

均方根值

远程数据访问

前额叶

语言类工作记忆

小波相干

影响差值

支持向量机模型

Deoxy- hemoglobin

Electroencephalography

Event-related Potential

Magnetoencephalography

functional Magnetic Resonance Imaging

Blood Oxygenation Level Dependent

Positron Emission Tomography

Optical Density

BOLD

PET

OD

DPF

NA

NI

LED

LD

USB

APD

ADC

RMS

RDA

PFC

Differential Path Length Factor

Numerical Aperture

National Instrument

Light Emitting Diode

Laser Diode

Universal Serial Bus

Avalanche Photodiode

Analog to Digital Converter

Root Mean Square

Remote Data Access

Prefrontal Cortex

VWM

WTC

DOI

SVM

Verbal Working Memory

Wavelet Transform Coherence

Differences of Influence

Support Vector Machine

VI

华

中

科

技

大

学

博

士

学

位

论

文

MUA

Mass Univariate Analyses

大量单变量分析

VII

华

中

科

技

大

学

博

士

学

位

论

文

目

录

摘

要

.

................................................. .................................................. ............. I

Abstract

.

................................................. .................................................. ..... III

英文缩写名称一览表

............ .................................................. ..................... VI

1

绪论

1.1

引言

< /p>

.

.................................... .................................................. .....................

1

1.2

脑功能研究概述

............. .................................................. ........................

1

1.3

近红外脑功能研究

............ .................................................. .....................

6

1.4

近红外

-

脑电双模态联合检测研究

................................................. .........

9

1.5

本文的主要内容

............................ .................................................. .......

11

2

提高全脑

fNIRS

检测性能的研究

2.1

引言

.

... .................................................. .................................................. ..

1

3

2.2

使用小间距通道去除表层干扰

...................... .......................................

1

4

2.3

提高

fNIRS

系统稳定性关键问题研究

.

...................................... ..........

2

8

2.4

混合编程提高

fNIRS

系统软件可视化程度

< /p>

.

.................................... ....

3

5

2.5

基于

fNIRS

的

N-back

任务下脑连接研究

...........................................

4

3

2.6

本章小结

.

................................... .................................................. ............

5

0

3

提高全脑双模态联合检测性能的研究

VIII

华

中

科

技

大

学

博

士

学

位

论

文

3.1

引言

.

... .................................................. .................................................. ..

5

1

3.2

双模态系统的空间融合与信号同步

.................... .................................

5

2

3.3

集成神经反馈的闭环双模态联合系统软件

.........................................

6

0

3.4

双模态联合检测的在体

Stroop

实验测试

< /p>

.

.................................... ........

7

1

3.5

本章小结

.

................ .................................................. ...............................

7

4

4

工作记忆中脑功能性别差异的双模态联合检测研究

4.1

引言

.

... .................................................. .................................................. ..

7

6

4.2

双模态联合检测实验方法

........................ .............................................

7

8

4.3

脑功能激活和连接结果

......................... ................................................

8

5

4.4

脑功能性别差异讨论

.......................... .................................................. .

9

1

4.5

本章小结

.

................ .................................................. ...............................

9

5

5

总结与展望

5.1

本文工作总结

................................ .................................................. ........

9

7

5.2

本文工作的创新点

........................... .................................................. ....

9

8

5.3

工作展望

.

................ .................................................. ...............................

9

8

致

谢

.

................................................. .................................................. .........

1

00

参考文献

.................................................. .................................................. ...

1

01

附录

作者攻读博士学位期间发表论文与研究

........................................

117

IX

华

中

科

技

大

学

博

士

学

位

论

文

1

绪论

1.1

引言

大脑是生命诞生以来，生物经过数亿年漫长岁月进 化的结果，是高度智能化的

复杂系统。一直以来人们对于大脑的研究从未停止。早期主要 通过行为研究来了解

个体的大脑活动，随着科技发展，越来越多的神经影像技术可以帮助 我们更加全面

地认识脑功能活动的规律和神经机制。对大脑功能的研究不仅可以帮助我们 探索人

类行与思的本质关系，帮助我们理解社会现象，指导我们对精神类疾病的治疗，更

可以促进生物科学、信息科学、人工智能等多种学科技术的交叉发展。

脑功能研究的重要性正逐渐被全世界认可。随着欧盟和美国宣布开展

“< /p>

人类大脑

计划

”

和

“

脑活动图谱计划

”

，研究脑可以帮助我们有效地治疗各种类型的神经系统 疾

病。目前自闭症、老年痴呆、抑郁症、精神分裂症等神经与精神疾病给个人、家庭

以及社会带来了极大的负担。

为了对这些疾病进行预防和治疗，

需要从分子、

细胞、

网络和脑区各个层次研究和了解大脑。其中，以人 类大脑局部脑区或者大脑整体作

为研究对象的无损脑功能检测技术具有重要的科学研究和 临床应用价值。在众多的

无损脑功能成像技术中，

近红外光谱术

（

functional Near-infrared Spectroscopy, fNIRS

）

作为一种新兴的功能成像技术已被广泛地应用于脑科学研究 中。该技术具有对环境

和被试限制小、使用方便、对人体无任何损伤等优势

[1-3]

，特别适合应用于儿童，老

年人及患者进 行脑功能活动检测。因此本文的

fNIRS-EEG

双模态检测技术研究工作

也是围绕

fNIRS

技术开展。

测技术等。接着介绍本文的主要研究工具

—

近红外光谱术，以及在此基础上发展 的

fNIRS-EEG

双模态成像技术的研究概况和存在的问题。最后围 绕这些问题介绍本文

的主要研究内容。

1.2

脑功能研究概述

1.2.1

脑功能活动的生理机制

1

华

中

科

技

大

学

博

士

学

位

论

文

大脑是人体高级神经中枢所在地，位于半封闭式的颅腔内，从内到外分别被 软

脑膜、蛛网膜和硬脑膜包裹，并在膜内有脑脊液来缓冲外界震荡。人脑分为左右两

个半球，之间由粗大的神经纤维束

—

胼胝体将其连接。左右两 个半球的皮层又分为

若干不同的区域，

分别负责不同的功能。

因此，大脑皮层表面和内部分布有复杂的 血管网络。人脑的功能使人类在进化中拥

有了独一无二的高级智慧。

< /p>

人的大脑有千亿数量的神经细胞和胶质细胞，在脑功能活动时，神经元会产生

动作电位。神经元的生物电活动是人脑调控各种生命活动的基础。神经细胞的胞内

和胞外存在大量的带电离子，这种内外的离子浓度梯度形成了膜电位。在没有外界

刺 激的情况下，膜电位维持在一个恒定的水平，一旦受到外部刺激，膜电位就会发

生改变从 而使神经元产生动作电位。不同神经元之间通过突触进行连接，并且通过

突触来进行信息 的传导。

神经胶质细胞包裹在神经细胞表面，

支持、

保护神经细胞 ，

并维持钾离子的浓度。另外，部分神经胶质细胞的一端贴附在毛细血管壁上，为神

经细胞供给氧和能量

[4]

。

当大脑某个区域的神经活动增加时，局部的血流、氧代谢、糖代谢会产生相应

的变化。因此，通过测量局部血流和代谢等神经元活动的间接反应也可以了解该部

位脑功能活动情况，相应为血液动力学参数的变化。大脑皮层的某个部位被激活需

要消耗能量来产生（或恢复）动作电位和细胞膜两侧的离子浓度梯度，因此该区域

的

新

陈

代

谢

会

增

加

，

并

表

现

为