近日，电子科技大学生命科学与技术学院神经工程与神经数据团队博士生关于大脑皮层网络分析的相关研究先后在国际著名期刊IEEE控制论汇刊（IEEE Transaction on Cybernetics）、IEEE医学影像汇刊（IEEE Transaction on Medical Imaging）上发表。徐鹏教授为通讯作者，易婵琳、Joyce Chelangat Bore分别为两篇论文的第一作者。电子科技大学生命科学与技术学院为第一作者单位和通讯单位。

　　大脑是一个优雅而神秘的器官。和我们的社交、通讯、因特网一样，我们的大脑也是以分布式大脑网络的形式高效运作，理解人类大脑是如何产生认知的，最终要依赖于对大尺度大脑组织活动的认识。脑电是一种非侵入、高时间分辨率、易操作的脑功能成像技术，在刻画大脑内瞬息万变的网络交互上占据重要地位，然而可靠的网络分析受到脑电低信噪比、容积效应等影响的制约。

　　脑电逆问题，将头表脑电信号反演至皮层空间，是应对容积效应影响，实现高时空分辨率的脑网络分析的突破口。首先，针对传统源成像方法主要依赖于直接求逆运算，不可避免地会受到噪声和逆解策略影响的问题，研究团队引入深度学习策略，开发了一种新的稀疏时空脑源估计方法——深度脑神经网络（DeepBraiNNet） [1]，该方法是国际上较早的深度学习源定位方法。在DeepBraiNNet中，采用长短时记忆网络（long short term memory, LSTM）对传递矩阵进行近似逆运算，避免了直接逆运算的病态求解过程。在不同源模式和噪声条件下的仿真表明，该方法能够较好地恢复时空源活动，优于现有的方法。应用于真实的运动想象（motor imagery，MI）数据集，DeepBraiNNet估计了与生理事实相一致的稀疏MI相关激活模式。进一步构建的MI皮层定向网络揭示了左、右手运动想象对应的偏侧化模式。DeepBraiNNet为脑电时空源成像提供一种不同于传统方法的替代方法。

图1. 用于脑电源估计的DeepBraiNNet。(a) DeepBraiNNet训练和测试过程。(b) DeepBraiNNet模型架构。(c) LSTM示意图。

　　大尺度皮层动态功能网络连接（dynamic functional network connectivity，dFNC）在更高的网络层级上提供了对大脑活动上下文更加敏感的、动态的和直接的视角。然而，dFNC分析需要在时间域和空间域都有足够的分辨率，dFNC的构建需要捕捉两个空间维度不匹配的多元时间序列之间的时变相关性。研究团队提出基于脑图谱构建脑电大尺度皮层dFNC来探测大脑中微妙的动态活动，并提出了一种新的时变多元相关分析方法——WTCS来评估不同空间维度功能子网络之间的动态耦合[2]。仿真研究证明了该算法在dFNC中应用的鲁棒性和有效性。应用于真实脑电数据，研究揭示了P300的dFNC网络属性中具有吸引力的 “primary peak”和“p3-like peak”，以及dFNC网络拓扑有意义的演变。研究为在更动态、更高层次的水平上探索大脑活动提供了新的见解，并推动了脑启发人工神经网络的发展。提出的WTCS不仅有利于dFNC的研究，而且为捕获信号处理学科中经常遇到的多变量时间序列之间的时变耦合提供了一种新的解决方案。

图2.P300脑电图皮层大尺度dFNC网络模式变化。

　　IEEE控制论汇刊（IEEE Transaction on Cybernetics）是自动控制领域顶刊，聚焦控制论领域计算方法以及跨机器或机器、人和组织之间的通信和控制问题，涉及计算智能、计算机视觉、神经网络等广泛研究。 2022影响因子为19.118。

　　IEEE医学影像汇刊（IEEE Transaction on Medical Imaging）是医学成像领域顶刊，聚焦统一医学、生物学和影像学的科学，涉及关于身体结构、形态和功能成像从采集、处理到可视化等系列问题的研究。2022影响因子为11.037。

　　作者介绍：

　　易婵琳，博士四年级学生，本科就读于重庆邮电大学生物医学工程专业，硕士考入电子科技大学生物医学工程专业，并硕博连读。围绕脑电大尺度网络构建，提出了系列能够刻画大脑大尺度交互的系列分析方法。目前共发表SCI论文20余篇，其中以一作/通讯的形式在IEEE Trans Cybern, Neural Networks等期刊发表论文5篇，ESI高被引1篇。担任SCI期刊Brain Topography审稿人，参与国家自然基金重点、国际地区合作、科技创新2030-重大项目等4项。获国家奖学金、全国脑电与脑成像研究与应用学术年会青年优秀论文等奖项10余次。

　　Joyce Chelangat Bore，2016年于电子科技大学获得生物医学工程硕士学位，2019年于电子科技大学获得生物医学工程博士学位。目前为美国鲍德温华莱士大学（Baldwin Wallace University）助理教授（assistant professor）。主要研究方向包括计算神经科学、神经建模、逆向问题和大脑网络分析。目前围绕该方向在IEEE TMI，Neural Networks，IEEE TBME等期刊共发表SCI论文10余篇，其中一作8篇。

　　徐鹏，电子科技大学生命科学与技术学院教授，博士生导师，优青，教育部新世纪优秀人才计划入选者、中国生物医学工程医学神经工程分会秘书长。主要致力于脑电信号处理、脑机交互和类脑智能相关研究。近几年承担包括国家自然基金重点、优秀青年基金、国际地区合作、科技部重大研发项目在内的项目多项。以第一/通讯作者，在包括IEEE Trans Cybern, IEEE TMI, Cerebral Cortex, IEEE TBME, IEEE TNSRE, Neural Networks, Neuroimage, Journal of Neural Engineering等国际高水平期刊发表论文120余篇。

　　团队介绍：

　　神经工程与神经数据（NeuroEngineering & NeuroData）团队是神经信息教育部重点实验室最主要的科研团队之一，带头人为尧德中教授（美国医学生物工程院 Fellow，重点实验室主任），团队围绕脑器交互问题（脑机接口心身医学），着力神经信息检测、分析技术的创新发展，以及新技术在脑功能、脑疾病研究中的探索应用。近年来，该团队先后承担了包括科技 2030 “脑科学与类脑智能”重大项目、国家自然科学基金重点项目、863项目、973课题、重大仪器专项课题在内的重大、重点项目20多项。在国际重要学术刊物发表SCI收录论文300余篇，申请国家专利20余项，获得教育部自然科学一等奖、国际脑电图与临床神经科学学会Roy John Award等多种奖项。在十四五期间，团队将继续以国家需求为指引，在科学研究、人才培养、国际合作和成果转化等方面做出应有的贡献。

　　文章信息：

　　[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

原文链接：https://news.uestc.edu.cn/?n=UestcNews.Front.DocumentV2.ArticlePage&Id=87481