论文部分内容阅读
脑是自然界中最复杂的网络,脑中数以亿计的神经元之间不同的连接模式不仅编码了动物的行为,而且控制着躯体的功能输出。因此,与特定行为和功能相对应的神经元网络信息处理机制的解析,目前已成为神经科学和控制科学等交叉领域新的研究热点,有助于深化对大脑特定功能和机制的理解。本文针对动物目标导向抉择行为的神经信息解码问题,以鸽子为模式动物,首先通过植入式微电极阵列记录了鸽子弓状皮质尾外侧区神经信号,根据转向过程中局部场电位(local field potential,LFP)不同频带的时频特性变化,确定了转向行为的编码频段;然后利用同步似然算法构建了gamma子带功能网络,并分析了网络的拓扑特性,确定了转向行为的解码时间窗;最后提取了gamma子带功能网络特征,并利用联合留一法(leave one out,LOO)和k近邻(k-nearest neightor,kNN)的神经信息解码算法解码了鸽子的转向行为。本文已完成的工作和取得的研究成果概括如下:1)利用多窗口重叠功率谱估计和小波变换技术,从时域、频域、时频域三个角度对鸽子转向过程中的LFP信号进行了特性分析,以确定与鸽子转向行为相关的LFP信号特征频带。结果发现,与等待区相比,转向区的gamma子带(40~60 Hz)能量显著增加,而其它子带并没有明显变化,这表明LFP信号gamma子带编码了鸽子的转向行为。2)利用同步似然分析算法,构建了LFP信号gamma子带功能网络,度量并分析了网络的拓扑特性。对比分析了等待区与转向区、不同方向以及转向前后gamma子带功能网络的拓扑特性,发现转向区的网络聚类系数和全局效率显著高于等待区,而且转向区不同方向的网络特性之间的差异也比较明显。进一步的研究发现转向后聚类系数和全局效率显著高于转向前,这表明转向后gamma子带功能网络包含了鸽子的转向行为信息。3)利用网络的连接强度值和主成分降维技术,提取了gamma子带功能网络特征,并利用LOO-kNN解码算法解码了鸽子的转向行为,对比分析了网络特征和能量特征的解码正确率。结果表明,网络特征的解码正确率(0.74±0.08)显著高于能量特征的解码正确率(0.61±0.12)。同时,通过对转向过程中gamma子带网络特征解码正确率的动态特性分析发现,不同鸽子的解码正确率峰值大都出现在转向后,这表明在鸽子转向过程中目标可能起到了关键作用。