没有合适的资源?快使用搜索试试~ 我知道了~
基于脑功能网络分析的孤独症儿童辅助干预效果研究.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 150 浏览量
2023-02-23
20:17:42
上传
评论 1
收藏 383KB DOCX 举报
温馨提示
![preview](https://dl-preview.csdnimg.cn/87487958/0001-968559d0deb6643130ce3cd530700320_thumbnail-wide.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
试读
15页
基于脑功能网络分析的孤独症儿童辅助干预效果研究.docx
资源推荐
资源详情
资源评论
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/release/download_crawler_static/87487958/bg1.jpg)
2014 年美国疾病控制与预防中心(Center for Disease Control and Prevention, CDC)发布
最新数据指出: 孤独症发病率已经达到了 1 : 45, 即每 45 个儿童中就有一人是 ASD 患者
[1]
.
孤独症谱系障碍是一种严重的发育障碍性疾病, 其基本特征是社会交流障碍、语言交流障
碍、重复刻板行为. 不典型孤独症则在前述三个方面不全具有缺陷, 只具有其中之一或之
二. 不仅对患者本人及其家庭乃至社会都造成极大影响
[2]
. 对于孤独症儿童, 早发现早干预
至关重要
[3-4]
.
研究者发现 ASD 与脑结构改变及脑功能网络异常的拓扑变化有关, 在 ASD 人群静息
态脑电中体现出了这种异常或连接障碍
[5]
. 孙小棋等
[6]
通过实验证明孤独症前颞叶和后顶叶
的脑电信号呈现出的复杂性明显低于正常, 这一结果表明 ASD 和正常人之间脑电信号存在
差异性, 且不同脑区敏感程度不同. Bressler 等
[7]
研究表明, 认知是由在大规模网络中运作的
分布式脑区的动态相互作用引起的. Murias 等
[8]
在 2007 年, 通过对 ASD 儿童静息态脑电的
研究发现, 在 Theta (3 ∼∼ 6 Hz)频率范围内, ASD 组尤其是左侧额叶和颞叶区的相干增强明
显. 在较低的 Alpha 范围(8 ∼∼ 10 Hz), ASD 组在额叶区域和额叶与其他头皮区域之间的一
致性明显降低. 提示 ASD 患者存在明显的脑连通性异常. 2014 年, Coben 等
[9]
运用 Granger
因果分析方法计算 ASD 人群的脑网络各通道间的效应连接, 结果表明 ASD 人群的脑功能
网络短距离过度连接、长距离连接不足. Green 等
[10]
发现孤独症患者大脑网络与正常人相比
有改变, 对于这种改变的静息状态连接如何与大脑在信息处理过程中的活动有关的. 2016
年, 孙金秀
[11]
基于图论参数对比 ASD 儿童和正常儿童脑网络差异, 结果发现这种差异在高
频段更为显著, 且 ASD 儿童的脑网络连接密度更低. 大脑是具有多个层次、多种反馈机制
和整合机制的复杂系统, 并且脑功能网络都表现出较其他实证网络更加良好的鲁棒性, 因
此, 依据基于图论参数的脑功能网络分析方法, 可以为改善脑功能障碍提供不同的方向.
神经调节技术早期干预 ASD 是一种有效方法. Schneider 和 Hopp
[12]
将 tDCS 应用于孤
独症儿童治疗, 通过修改过的双语测试(BAT)对患儿进行语法测试, 结果表明 tDCS 前后差
异有显著性意义(p<0.0005p<0.0005, d=2.78d=2.78), 表明 tDCS 干预对孤独症儿童脑功能
障碍有一定改善. Amatachaya 等
[13]
对 20 例孤独症儿童进行随机双盲交叉试验, 结果表明进
行 tDCS 真性刺激的患儿治疗后儿童孤独症评定量表(Children autism rating scale, CARS)和
孤独症治疗评估量表(Autism treatment evaluation checklist, ATEC)得分均有改善, 而假性刺
激组未见改善. 这些研究发现为 tDCS 的临床及科研发展提供理论基础.
本文采用频域 Granger 因果分析定向传递函数方法建立脑功能网络, 通过计算各导联
间因果连接矩阵, 构建 Theta 频段、Alpha 频段、低-Beta 频段、高-Beta 频段和 Gamma 频
段五个频段的脑功能网络. 基于脑功能网络, 进而分析经颅直流电刺激对于孤独症儿童干预
效果.
1. 脑功能网络建立
1.1 频域 Granger 因果分析方法
![](https://csdnimg.cn/release/download_crawler_static/87487958/bg2.jpg)
由于 ASD 患儿年龄较小、认知水平和任务配合程度低, 基于静息态脑电信号分析脑功
能状态分析更可行、更具优势
[14]
, 同时脑电信号具有成本低
[15]
的特点, 因此本文基于脑电信
号构建孤独症儿童脑功能网络.
网络连接表示网络中各个节点之间相互关系或相互作用, Granger 因果关系检验方法不
需要先验知识, 较其他方法更具优势. Granger 因果分析方法基于二元自回归模型, 考虑
EEG 信号的频域特征明显, 本文基于多元自回归模型的频域 Granger 因果分析方法, 即定向
传递函数(Directed transfer function, DTF)方法
[16]
, 建立脑功能网络, 进而分析刺激前后两组
多通道脑电的功能连通性.
设 16 通道脑电信号的时间序列如式(1)所示.
X(t)=[X1(t),X2(t),⋯,Xi(t),⋯,X16(t)]X(t)=[X1(t),X2(t),⋯,Xi(t),⋯,X16(t)]
(1)
其中, XiXi 是第 ii 通道的时间序列. 建立多元量自回归模型 MVAR 模型表示如式(2)所
示.
X(t)=∑n=1pA(n)X(t−n)+E(t)X(t)=∑n=1pA(n)X(t−n)+E(t)
(2)
其中, A(n)A(n)为 16×16 系数矩阵, EtEt 为白噪声向量, 为 MVAR 模型阶数, 由贝叶斯
信息准则(BIC)确定. 将式(1)通过 Fourier 变换转化到频域如式(3)所示.
X(f)=A−1(f)E(f)=H(f)E(f)X(f)=A−1(f)E(f)=H(f)E(f)
(3)
其中, ff 为频率, H(f)H(f)为传递矩阵, 如式(4)所示.
H(f)=A−1=(∑n=1pA(n)e−2πfn△t)−1,A0=−IH(f)=A−1=(∑n=1pA(n)e−2πfn△t)−1,A0=−I
(4)
式中 II 是单位矩阵. 由传递矩阵 H(f)H(f)定向传递函数 DTF 定义, 通道 jj 到通道 ii 的
因果连接 γij(f)γij(f)定义如式(5)所示.
γij(f)=|Hij(f)|2∑m=1k|Him(f)|2γij(f)=|Hij(f)|2∑m=1k|Him(f)|2
(5)
其中, MVAR 模型的阶数 pp 通过贝叶斯信息准则(Bayesian information criterions, BIC)
计算, 并调用 arfit 工具箱函数实现
[17]
; 通过调用 He 等
[18]
开发的 eConnectome 工具箱函数实
现 DTF 的计算以构建脑网络.
1.2 复杂脑网络的图论特征分析
图论(Graph theory)是研究复杂脑网络拓扑结构的重要数学工具. 通过图论分析发现人
脑功能网络呈现小世界网络特征
[19]
. 基于图论的复杂脑网络分析可以从宏观的视角分析人
脑, 更好地描述脑功能网络的拓扑特性.
大脑的功能网络构建
[20]
, 首先将电极或通道作为网络"节点", 令电极或通道之间的连
接定义为"边", 从而构建脑网络, 进一步运用图论参数对复杂脑网络进行探究.
1.2.1 节点度
度是邻接到某节点的边或弧的数目, 节点度可以衡量该节点在网络中的重要程度.
1) 入度和出度
![](https://csdnimg.cn/release/download_crawler_static/87487958/bg3.jpg)
在复杂网络中, 有向图的度有入度、出度之分. 节点的入度, 是指以该节点为终点的边
的数目, 与该节点受其他节点的影响程度正相关. 节点的出度, 是指以该顶点为起点的边的
数目, 与该节点对其他节点的影响程度成正比. 入度如式(6)所示, 出度如式(7)所示.
iD(i)=∑j∈VaijiD(i)=∑j∈Vaij
(6)
oD(i)=∑j∈VajioD(i)=∑j∈Vaji
(7)
2) 网络的平均度
网络中节点度定义为和该节点相关联的边的条数, 如式(8)所示.
D(i)=∑j∈Vaij+∑j∈VajiD(i)=∑j∈Vaij+∑j∈Vaji
(8)
网络中所有节点的度平均值称为网络的平均度, 如式(9)所示.
D=1N∑i∈VD(i)D=1N∑i∈VD(i)
(9)
其中, NN 是网络节点总数, VV 为节点集合, aijaij 表示从节点 jj 到节点 ii 的连接.
1.2.2 全局效率
网络全局效率与复杂脑网络的全局传输速度成正比. 定义为网络中所有节点之间最短
路径长度的调和平均值的倒数, 如式(10)所示.
EGlob=1N(N−1)∑i,j∈V,i≠j1lijEGlob=1N(N−1)∑i,j∈V,i≠j1lij
(10)
其中, NN 是网络节点总数, EE 表示节点集合, lijlij 代表节点 jj 到节点 ii 之间的最短路
径长度.
1.2.3 局部效率
网络的局部效率反映了网络的局部信息传输能力.
1) 节点的局部效率
与全局效率相对的, 局部效率反应了网络中相邻节点"组团"的紧凑程度, 定义为子网
络中所有节点之间最短路径调和平均值, 如式(11)所示.
E(i)=1NGi(NGi−1)∑k,j∈Gi,k≠j1lkjE(i)=1NGi(NGi−1)∑k,j∈Gi,k≠j1lkj
(11)
其中, GiGi 表示与节点 ii 相连接的所有节点构成的子网络, NGiNGi 是该子网络中节点
的总数, lkjlkj 表示节点 kk 与节点 jj 之间的最短路径长度.
2) 网络的平均局部效率
网络中全部节点构成的子网络局部效率的平均值定义为网络平均局部效率, 如式(12)
所示.
ELoc=1N∑i∈VE(i)ELoc=1N∑i∈VE(i)
(12)
1.3 统计方法
剩余14页未读,继续阅读
资源评论
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/3f07197aad004e4fa57ac5a008eb6aaf_weixin_57147647.jpg!1)
罗伯特之技术屋
- 粉丝: 3907
- 资源: 1万+
![benefits](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-1.c8e153b4.png)
下载权益
![privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-2.ec46750a.png)
C知道特权
![article](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-3.fc5e5fb6.png)
VIP文章
![course-privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-4.320a6894.png)
课程特权
![rights](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-icon.fe0226a8.png)
开通VIP
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)