鋒電位功能網絡構建與鴿子轉向行為解碼.pdf

1、腦網絡是自然界最復雜的網絡之一。大腦中數(shù)以億計的神經元構成了龐大而復雜的腦結構網絡，結構網絡上不同神經元、神經元集群或腦區(qū)之間動態(tài)活動的同步化在時空尺度上的連接形成了腦功能網絡。從網絡的角度解析大腦神經信息處理機制是目前神經科學和控制科學等交叉學科研究的前沿熱點之一。目前腦功能網絡的研究主要是通過腦電圖、腦磁圖和磁共振成像等大尺度的信息采集技術解析不同腦區(qū)之間的功能連接關系，基于微電極陣列信息采集技術，以神經元為基本單元，空間精度更高，

2、對于腦機制研究具有重要價值，但研究相對較少，許多問題尚待闡明。針對神經元鋒電位（ spike）發(fā)放序列，本文研究了神經元功能網絡的構建方法，分析了其拓撲特性，并利用神經元功能網絡解碼了鴿子運動轉向行為，驗證了神經元功能網絡在大腦神經信息處理機制解析中的有效性。主要研究內容和取得的成果如下：
　　1）利用歸一化互信息算法度量了spike序列之間的功能連接關系，構建了神經元功能網絡，并結合Izhikevich神經元發(fā)放模型，驗證了網絡

3、構建算法的性能。結果表明，基于互信息算法構建的神經元功能網絡與真實網絡之間的連接關系具有較高一致性，其性能優(yōu)于傳統(tǒng)的相關系數(shù)算法。
　　2）分析了隨機網絡、規(guī)則網絡和小世界網絡等三種典型網絡在不同節(jié)點連接概率、節(jié)點度和節(jié)點數(shù)量時的拓撲連接特性，并在此基礎上分別研究了神經元spike發(fā)放率及神經元個數(shù)對網絡拓撲特性的影響。結果表明，在一定范圍內，隨著spike發(fā)放率的增加，網絡拓撲特性整體趨勢呈拋物線形狀；隨著神經元數(shù)量的增加，網絡