脑网络

摘要： 勃起功能障碍(erectile dysfunction,ED)是临床常见的男性性功能障碍疾病,表现为阴茎持续不能达到或维持足够的勃起以完成满意的性生活,而心理性勃起功能障碍(psychogenic erectile dysfunction,p ED)是ED中最常见的类型,既往认为主要是由心理因素引起的。随着影像技术的发展,心理性勃起功能障碍患者大脑特定区域的结构和功能网络异常已得到广泛证实。脑网络分析提示心理性勃起功能障碍患者的脑结构性网络和功能性网络存在默认网络、认知控制网络、情绪/额叶-边缘系统和突显网络的拓扑连接模式异常,可能是心理性勃起功能障碍潜在的生物标记物。这一发现为p ED的中枢神经机制研究提供了新思路。

摘要： 目的对偏头痛患者静息态脑电进行图论及默认模式网络(default mode network, DMN)连接存在的可能改变进行分析。方法首先获取2016年1月至2019年6月在简阳市人民医院神经内科接受16导常规脑电图(electroencephalogram, EEG)检查已经临床诊断为偏头痛但脑电图结果未见异常的患者73例作为病例组,同时选取73例年龄、性别匹配的健康者作为对照组,截取两组受试者静息态EEG数据进行分析,然后对数据进行预处理,预处理后通过相位同步分析方法计算锁相值(phase locking value, PLV)构建电极导联连接矩阵,并计算网络属性参数,再运用精确低分辨率电磁断层成像(exact low resolution brain electromagnetic tomography, eLORETA)方法探索两组受试者DMN连接差异。结果与健康者相比,偏头痛组在全频段、delta频段及beta1频段,左侧额区与右侧顶区存在大量连接增强的边;在theta频段,左侧额区与左侧顶枕区之间存在少量连接减弱的边。图论分析结果显示,病例组EEG的聚类系数、全局效率和局部效率高于健康组(P<0.05)。两组受试者DMN网络连接的差异主要表现在alpha2频段:在该频段,偏头痛组患者双侧顶下小叶之间的连接显著增强(P<0.05)。结论偏头痛伴随着脑网络连接的异常改变。通过对静息态EEG进行网络连接分析,可能识别临床脑电报告中不能发现的潜在异常,这可为今后偏头痛的临床诊治提供新的思路。

摘要： 目的探讨伴与不伴抑郁情绪孤独症谱系障碍(autistic spectrum disorder,ASD)患儿静息态脑功能磁共振成像特征的差异及与其临床特征的相关性,从脑功能角度了解ASD患儿伴发抑郁情绪的病理机制。方法前瞻性地收集20例伴抑郁的ASD患儿、25例不伴抑郁的ASD患儿及25名正常发育(typical development,TD)儿童的一般人口学资料,并使用儿童孤独症评定量表和儿童抑郁量表对ASD症状和抑郁症状进行评估,采集所有被试的大脑T1像结构磁共振数据和静息态功能磁共振数据,计算自动解剖标记(automated antomical labeling,AAL)模板中90个脑区的局部一致性值(regional homogeneity,ReHo)。比较三组脑区ReHo值并分析差异脑区的ReHo值与临床特征相关性。结果基于ReHo值的比较分析显示:与TD组相比,伴抑郁ASD组额叶差异区域主要分布于默认网络、听觉网络、感觉运动区域、注意网络(P<0.001,经AlphaSim校正),颞叶差异脑区主要分布于听觉网络(P<0.001,经AlphaSim校正),顶叶差异区域主要分布于默认网络、感觉运动区域(P<0.001,经AlphaSim校正);与TD组相比,不伴抑郁ASD组额叶差异区域主要分布于听觉网络(P<0.001,经AlphaSim校正),顶叶差异区域主要分布于默认网络、注意网络(P<0.001,经AlphaSim校正);与不伴抑郁ASD组相比,伴抑郁ASD组差异脑区主要分布于感觉运动区域、注意网络(P<0.001,经AlphaSim校正)。伴抑郁ASD组右侧额中回(眶部)ReHo值与儿童孤独症评定量表总分(r=0.631,P=0.003)和儿童抑郁量表总分(r=0.656,P=0.002)呈正相关。结论伴抑郁情绪ASD的发生与大脑广泛区域功能下降相关,尤其是感觉运动区域及注意网络功能下降。

摘要： 大脑各功能区之间的有效连接是脑科学研究领域的一个重要内容。研究在不同情形下相关脑区之间有效连接所构成的大脑网络,对于全面理解大脑的功能机制,治疗各种与大脑相关疾病,开发脑功能具有重要意义。动态因果模型是一种分析大脑有效连接的优势方法。结合功能性磁共振成像、脑电、近红外脑功能成像等3种检测技术,综述动态因果模型的相关研究。动态因果模型在功能性磁共振成像中的应用涉及脑卒中、认知神经科学和精神疾病相关的脑网络研究;脑电相关动态因果模型的应用主要涉及认知神经科学以及与精神分裂症、阿尔兹海默症、癫痫、帕金森等疾病相关的内容;目前动态因果模型在近红外脑功能成像中的应用还较少,主要涉及认知神经科学研究。最后,对这3种技术进行了比较和展望。

摘要： 人脑是自然界中最复杂的系统之一。据统计,一个成年人的大脑中约有1011个神经元细胞,这些数量巨大的神经元细胞通过大约1015个突触互相连接,形成了一个高度复杂的脑网络。近期,国际上将人脑网络的构建及其拓扑描述成为“人脑连接组学”。

摘要： 鲁棒性作为一种动态行为也是超网络领域的研究热点,对构建鲁棒网络具有重要的现实意义。尽管对超网络的研究越来越多,但对其动态研究相对较少,尤其是在神经影像领域。在现有的脑功能超网络研究中,大多是探究网络的静态拓扑属性,并没有相关研究对脑功能超网络的动力学特性——鲁棒性展开分析。针对这些问题,文中首先引入lasso,group lasso和sparse group lasso方法来求解稀疏线性回归模型以构建超网络;然后基于蓄意攻击中的节点度和节点介数攻击两种实验模型,利用全局效率和最大连通子图相对大小探究脑功能超网络在应对攻击时的节点失效网络的鲁棒性,最后通过实验进行对比分析,以探究更为稳定的网络。实验结果表明,在蓄意攻击模式下,group lasso和sparse group lasso方法构建的超网络的鲁棒性更强一些。同时,综合来看,group lasso方法构建的超网络最稳定。

摘要： 目的利用弥散张量成像(diffusion tensor imaging, DTI)探讨脑白质网络拓扑属性改变对早期帕金森病(Parkinson′s disease,PD)患者发生轻度认知障碍(mild cognitive impairment,MCI)的潜在预测价值。材料与方法 从Parkinson′s Progression Markers Initiative (PPMI)数据库中纳入83例在基线时认知正常的PD患者,且均行4年的随访;4年后,有26例转化为PD-MCI,其余57例仍保持正常认知(PD patients with normal cognition,PD-NC)。采用图论分析研究PD-MCI患者结构网络全局和局部拓扑属性的改变;采用受试者工作特征曲线和向前逐步逻辑回归分析评估网络拓扑属性和认知量表对PD-MCI的预测价值。结果 PD-MCI患者在第4年随访时网络属性较PD-NC患者发生广泛改变。PD-MCI患者4年随访后的全局效率、局部效率较基线时显著降低,同时伴有特征路径长度的增加(P<0.05);且在前额叶、颞叶、枕叶、顶叶及纹状体-边缘系统多个节点的中心性降低(P<0.05)。此外,右侧眶内额上回的节点中心性的降低以及蒙特利尔认知评估量表、数字字母排序测试是PD-MCI的重要预测指标(P<0.01)。结论 右侧眶内额上回的局部网络属性的改变可作为PD-MCI影像学预测标志物,且白质结构网络拓扑属性对早期PD患者认知功能下降具有重要的预测价值。

摘要： 卒中后各种功能障碍很常见,涉及运动、感觉和认知功能等多个方面,其中认知障碍的平均发病率为55.9%[1]。研究表明,认知障碍,特别是执行功能障碍对卒中后运动功能的恢复有重要影响[2]。卒中后认知障碍(post-stroke cognitive impairment,PSCI)是指脑卒中事件发生后6个月内出现的,并达到认知障碍诊断标准的一系列综合征,强调脑卒中与认知障碍之间潜在的因果关系以及两者间临床管理的相关性[3]。PSCI与脑卒中病变特点和大脑顺应性有关,大脑顺应性依赖于认知储备(cognitive reserve,CR)和脑储备(brain reserve,BR)两方面因素[4]。

摘要： 目的经颅直流电刺激(Transcranial Direct Current Stimulation,tDCS)作为一种非侵入性的神经调控技术对脑卒中疾病的作用效应尚未明确,本研究探究tDCS对脑卒中患者的康复疗效具有重要的临床意义。方法本研究选取21例脑卒中患者tDCS刺激前、中、后的32导脑电信号,利用偏定向相干性方法构建了平均脑网络图,并分析所得脑网络拓扑参数。结果左、右侧两类患者平均脑网络在tDCS刺激后与刺激前相比,节点入度和网络效率均具有显著性增加(P<0.05);平均集群系数分别由0.0968±0.010增长为0.1290±0.011、由0.1341±0.012增长为0.1826±0.014,具有显著性差异(P<0.05),表征脑网络集团化程度增加,网络信息传输效率提高;网络核心节点个数分别由3增长为4、由2增长为6,枢纽节点核心地位下降,减少患侧对健侧的去抑制作用。结论tDCS对脑卒中疾病治疗效果具有积极作用,为tDCS对脑卒中疾病的作用效应提供依据。

摘要： 反刍思维是指个体在经历了消极生活事件后不由自主地反复思考该事件的产生原因、经过和结果,表现出负性自我参照加工、消极情绪性以及持续性的特点。采用脑功能网络分析方法,研究者发现反刍思维的上述三个特点分别与默认网络内部的异常活动模式、突显网络功能连接的改变以及注意相关网络之间的异常耦合有关。未来研究应进一步明确反刍思维与相关脑网络活动之间的因果关系,探究反刍思维脑功能网络的结构基础,同时也应关注反刍思维及其脑网络的老龄化特征,并致力于探索有效干预反刍思维的神经调控技术。

摘要： 21世纪是脑科学的时代,随着国内外脑研究计划的提出,基于脑电监测脑电图(EEG)信号构建脑网络成为近几年研究的方向和热点.功能连通性,不仅仅指量化信号的动态之间的依赖关系,也可以从信息流向描述脑区交流方向进而推断不同脑区的动态相互作用.尽管许多研究表明脑网络已经取得可喜的成果,但事实上,网络连通分析还未进入临床实践.此研究回顾了基于图论基础的复杂网络技术概念,重点阐述功能脑网络在脑疾病中的应用.讨论如何从颅内和头皮脑电图(EEG)记录显示癫痫脑的动态信息,同时根据癫痫预测定位相关病理机制,结合复杂网络的变化特征,预测即将发作的癫痫发作并定位癫痫发作区.讨论脑网络研究中在癫痫应用方向存在的问题和挑战,为后续研究提供理论方向.

摘要： 为了更加精确地构建静息态脑网络,本文提出了一种新的微分方程模型——分数阶微分方程模型.与整数阶微分方程相比,分数阶微分方程具有记忆性,能够携带一段时间内的信息.由于脑电状态并不是孤立形成的,而是受之前一段时间的状态影响,因此分数阶微分方程能够更精确地描述静息态脑网络.本文使用Riemann-Liouville将传统整数阶微分方程模型进行推广,并用Grunwald-Letnikov数值定义求得方程组系数矩阵.同时讨论了该分数阶微分动力系统的稳定性,并对脑电信号进行重构,实现了良好的效果.

摘要： 老年性痴呆(也称阿尔兹海默症,AD)是一种常见的老年性神经退行性疾病,严重影响患者的日常生活,并带来严重的社会负担.轻度认知功能障碍(MCI),尤其是遗忘型MCI(aMCI),发展成为AD的可能性极高(年转化率10-15％).对aMCI患者进行早期检测、干预和控制有望降低其转化为AD的比率,具有重要的临床和社会意义.着眼于此,本研究基于大脑的核磁共振成像数据(包括T1结构相数据、功能磁共振(fMRI)数据和弥散张量成像(DTI)数据),从功能性脑网络和结构性脑网络的角度研究AD患者及aMCI患者的脑功能和脑结构的变异,以及这些变异和被试认知能力之间的关系,从而探索AD和aMCI的病理变化和机制.

摘要： β-淀粉样蛋白(Aβ)是阿尔茨海默病(Alzheimer's disease,AD)发病的重要分子机制之一,PiB PET可以用于活体人脑Aβ成像,但是如何将将具有特异性的海量PiB PET图像数据进行深度挖掘,归纳出Aβ种子点的影像学标记与Aβ在患者大脑中随病情发展的扩散规律是AD病理学的难点课题之一.本文采用脑网络分析方法,对来自ADNI数据库与上海华山医院总计149组PiB PET数据展开研究.结果表明,相较正常(HC)组,AD组与轻度认知障碍(MCI)组的网络平均全局效率与小世界系数存在丢失,平均特征路径长度则增加.这一结果与基于其他模态图像的脑网络分析结果一致,证明了Aβ脑网络存在生理学意义,可用于区分AD病情.此外,本研究揭示了11个Aβ脑网络的影像学标志并开展了相应种子点研究,结果可望为临床AD诊断与了解Aβ扩散规律提供新的证据.

摘要： 目的:研究颞叶(Temporal Lobe,TL)癫痫病人发作间期静息态或棘波存在情况下MEG脑网络的特点,寻求一种癫痫定侧的生物学标记.rn 方法:将癫痫病人通过偶极子源定位法,并根据后期术前颅内记录确定的病灶侧,分成右侧组(癫痫病灶在右颞)和左侧组,分别用虚部相干和相关系数两种方法做delta波MEG源空间脑网络图,比较脑网络图的颞叶节点平均度.rn 结果:基于虚部相干的MEG脑网络图中,可用颞叶的平均节点度来确定颞叶癫痫的患侧,节点度大的一侧往往是患侧.用相关系数计算的脑网络图中,颞叶平均节点度无法确定患侧.rn 结论:颞叶癫痫病人发作间期无论是否有棘波,患侧的delta波段节点度更大.左右颞叶节点度比值有望成为一个颞叶癫痫定侧的生物学标记.

摘要： 目的:研究静息态脑网络的毕生发展轨迹,同时考察性别对脑发育的影响.方法:选择127名健康被试,通过静息态磁共振数据提取被试的脑网络低频振幅,接着使用回归模型分析“脑网络-年龄”之间的关系.结果:静息态脑网络的低频振幅随着年龄增加而降低,呈线性关系,并且某些网络具有性别差异.结论:静息态脑网络的低频振幅是毕生发展的,在神经影像大数据研究领域具有潜在的应用价值.

摘要： 目的:利用静息态功能磁共振成像(rs-fMRI)技术,探讨针刺委中穴得气状态下的脑网络变化.rn 方法:采用飞利浦3.0T Achieva磁共振成像仪分别采集12例健康志愿者在正常状态及针刺右委中穴得气状态下fMRI数据.利用DPARSF软件计算受试者在正常及得气状态下脑功能连接图像,用种子相关分析法,以PCC(后扣带回)为种子点,分析其与全脑的功能连接图谱,选用spm8软件对所得数据进行配对t检验,比较得气与正常状态之间的差异.rn 结果:针刺状态下明显出现酸痛、酸感、压感、麻木等得气感觉;针刺得气状态下在默认模式网络(DMN)(前额叶、后扣带回(PCC)、角回),疼痛矩阵(pain matrix)(第二躯体感觉区(S2)、岛叶(IC)、前扣带回(ACC)、额叶、顶叶)产生了较强而广泛的功能连接降低,并加强了负激活区之间的脑功能联系,另外苍白球、豆状核、尾状核、左小脑后叶也出现负性连接,而PCC与右小脑扁桃体、左脑边缘叶(海马旁回区)、丘脑、SMA(辅助运动区)功能连接增强(P＜0.001,K≥10).rn 结论:针刺委中穴产生明显得气感觉,在此状态下默认模式网络及“疼痛矩阵”产生广泛的功能连接减弱效应,并推测通过LPNN(边缘叶‐旁边缘叶‐新皮层系统limbic-paralimbic-neocortical network)这一内在的脑功能网络发挥调节作用,这可能与针刺得气镇痛中枢机制有关.

摘要： 目的:连续经颅磁刺激已经逐渐成为研究脑疾病与脑认知的重要科学工具.其对大脑活动的调控作用一直倍受关注.本文将结合脑电研究背外侧前额叶2Hz长串连续经颅磁刺激对正常大脑的网络改变,用以探索经颅磁刺激对大脑的调控机制.方法:十五个成年健康被试的背外侧前额叶接收2Hz共1800个脉冲的连续经颅磁刺激和2Hz共1800个伪刺激,刺激强度为100％运动阈值.通过计算刺激前后2分钟内脑电的变化来表征刺激对健康大脑的直接影响.结果:经过长串连续经颅磁刺激后,全脑相干性增强,尤其是在beta频段和gamma频段.长距离不同脑区间在各个频段相干性均增强.结论:长串2Hz连续经颅磁刺激可以通过增强脑区内和脑区间的相干性实现对大脑的调控.

摘要： 研究目的:广泛使用的时空脑成像方法beamformer在用于脑磁(MEG)源成像时,经常无法有效定位弱源.为解决此问题,本文尝试发展一种针对MEG信号的弱源成像方法.方法:首先利用经典成像方法beamformer获取源空间的源强度和波形,然后选取种子点(产生最强磁场的源),获取功能连接图,最后根据功能连接的强度得到相关弱源的定位及其波形.结果:在听觉刺激MEG数据上的测试结果证明了该方法可有效地定位脑磁强源和弱源.结论:本文提出的基于功能连接的脑磁弱源成像方法可以识别经典方法不能定位的弱源,具有很大的应用价值,如定位癫痫病灶.

摘要： 研究目的:广泛使用的时空脑成像方法beamformer在用于脑磁(MEG)源成像时,经常无法有效定位弱源.为解决此问题,本文尝试发展一种针对MEG信号的弱源成像方法.方法:首先利用经典成像方法beamformer获取源空间的源强度和波形,然后选取种子点(产生最强磁场的源),获取功能连接图,最后根据功能连接的强度得到相关弱源的定位及其波形.结果:在听觉刺激MEG数据上的测试结果证明了该方法可有效地定位脑磁强源和弱源.结论:本文提出的基于功能连接的脑磁弱源成像方法可以识别经典方法不能定位的弱源,具有很大的应用价值,如定位癫痫病灶.

摘要： 本发明为以独立成分网络为参照的全脑个体化脑功能图谱构建方法，该方法利用个体被试的脑静息态fMRI数据，首先引入独立成分分析法构建组水平的脑功能子网络，然后利用时空回归反重建各个被试的脑功能子网络和该功能子网络相对应的特征时间序列，并以功能子网络相对应的特征时间序列为参考信号；引入反距离加权系数、子网络逆变异系数加权、相关因子以及迭代过程，进而获得独立成分网络为参照的全脑个体化功能图谱。该方法具有：纯数据驱动，脑区完全对应，全脑覆盖，以及功能脑区细分更灵活等优点，为研究正常人脑运作机制以及疾病相关的脑功能损伤提供了更加精准的客观影像学工具。

摘要： 本发明公开了一种脑功能数据分析的个体脑功能网络提取方法，包括以下步骤：步骤S1、实时采集个体的脑功能数据形成脑功能数据链，并对所述脑功能数据链进行波动分析生成病态脑功能数据链；步骤S2、对所述病态脑功能数据链中所有的病态脑功能数据进行区块匹配生成具有同属性数据噪声的噪声区块集群，并对所述噪声区块集群进行低秩张量恢复以去除噪声区块集群的数据噪声转换为重构区块集群；步骤S3、将所述重构区块集群进行区块重构并恢复至特征清晰的病态脑功能数据帧，依据所述病态脑功能数据帧构建清晰凸显个体病态特征的病态个体脑功能网络。本发明快速精准的掌控病态个体脑功能网络，为后续医疗分析提供有效辅助。

摘要： 本发明公开了一种青少年脑结构网络和脑功能网络关系模型的分析方法；包括如下步骤；步骤一，建立被试数据信息；步骤二，孤独症大脑结构网络分析；步骤三，孤独症大脑功能网络分析；步骤四，大脑因效性网络分析；步骤五，建立结构网络和功能网络的关系。本专利对结构网络的分析研究可以给医学上挖掘孤独症治疗靶点提供线索，而对功能网络、静息态大脑局部活动和因效网络的分析研究可以给医生诊断提供可靠的依据，对结构网络和功能网络的关系的研究也有重要的科学理论意义；有利于做好孤独症的早诊断早治疗，具有很重要的社会意义。本发明的应用领域可体现于；(1)疾病的诊断和治疗，(2)吸烟成瘾、网络成瘾、网络游戏成瘾，(3)认知等健康领域。

摘要： 脑网络的活动估计系统(1)包括：获取从受验者(S)同时测量出的脑电波的测量数据(121)和功能性磁共振图像法的测量数据(122)的单元；单元(152)，其构建将脑电波的测量数据作为输入数据的特征估计模型(10)，并且决定用于规定该特征估计模型的参数；单元(154)，其基于在提供了脑电波的测量数据作为输入数据的情况下计算出的各模块的输出值，来计算每个模块的特征量；单元(158)，其基于功能性磁共振图像法的测量数据，来计算每个脑网络的图像特征量；以及单元(160)，其通过评价每个模块的特征量与每个脑网络的图像特征量之间的相关性，来决定多个模块中的表现特定的脑网络的活动的一个或多个模块。

摘要： 本发明涉及一种结构‑功能脑网络双向映射构建方法及脑网络双向映射模型，方法包括，构建特征预处理模块，得到脑结构网络和脑功能网络；构建结构特征提取模块和功能特征提取模块，得到大脑的结构特征和功能特征；构建结构分类器模块和功能分类器模块，得到基于结构特征的病情分类结果和基于功能特征的病情分类结果；构建结构‑功能双向映射网络，对脑结构网络和脑功能网络进行双向映射；利用预处理后的所述脑结构网络和脑功能网络的数据集，对构建的结构特征提取模块和功能特征提取模块、结构分类器模块和功能分类器模块及结构‑功能双向映射网络进行训练学习。使得构建的脑网络模型有助于揭示大脑结构和功能之间复杂关系。

摘要： 本发明公开了一种基于卷积网络和长短期记忆网络的脑网络特征提取方法，包括：将静息状态功能磁共振成像的整个时间序列分割成若干个连续且重叠的时间窗口；计算每个时间窗口内成对脑区时间序列的Pearson相关系数作为脑区对的连接权重，构建动态功能连接网络；将每个时间窗口的功能连接网络按行展开成一维向量，依次排列构成动态特征矩阵；将动态特征矩阵沿时间维度和空间维度连续进行三层卷积操作，得到高层次脑网络特征；将学到的高层次脑网络特征转换为有序特征序列，利用长短期记忆网络挖掘序列间的相互作用，得到时序动态特征。本发明能够利用卷积网络和长短期记忆网络等深度学习框架，通过数据驱动的方式学习高层次特征和时序动态特征。

摘要： 本发明公开了一种基于Qcut算法的脑功能网络异常脑节点数据检测方法，步骤1、对所采集的被试者功能性磁共振成像数据进行预处理；步骤2、划分被试者的整个大脑结构，构建脑功能网络；步骤3、基于Qcut算法实现检测脑功能网络的社团划分；步骤4、对脑功能网络进行社团检测以及采用雅卡尔指数对脑节点的异常情况进行检测。与现有技术相比，本发明有益效果包括：1)所获得的脑功能网络的社团结构稳定性高；2)同时采用脑网络组图谱对大脑进行了相对细致的划分，将大脑划分为246个脑节点，所得到的异常脑节点检测结果更加精准，该方法具有高可靠性。

摘要： 一种基于脑网络和深度学习的脑电信号识别方法，包括：获取运动想象脑电数据和语言想象脑电数据，进行预处理并得到对应的标签；基于多导联的脑电数据，分别计算多窄波段的导联间时间序列的相位同步性；设定阈值，得到多个窄带的基于相位同步性的连接矩阵；通过连接矩阵构建功能性脑网络；训练深度学习模型，多窄波的同步性脑网络同时作为卷积神经网络的输入，优化网络的结构和参数；通过同步性脑网络分类模型进行训练和分类，本申请充分利用了深度学习算法强大的特征提取能力和处理时序信号的能力，结合隐藏在脑电信号中的时序信息，完成基于多窄带的脑网络的脑电信号识别任务，合理设计了多输入卷积层以及卷积核的大小，提高分类效果。

摘要： 本发明提供了一种基于脑网络和多尺度排列熵的脑电信号情绪识别方法，对获取的脑电信号去除伪迹并进行降采样；对降采样的脑电信号利用小波包变换进行分解，根据分解结果，采用互信息与最小生成树构建脑网络，提取脑网络特征；对降采样的脑电信号采用快速变分模态分解与小波包变换进行模态和频带分解，利用遗传算法优化多尺度排列熵的参数选择，得到非线性多尺度排列熵特征；将提取出的脑网络特征与非线性多尺度排列熵特征进行特征的融合，得到融合后的特征向量；根据融合后的特征向量和随机森林分类模型，得到情绪状态识别结果；本发明结合脑网络特征与多尺度排列熵的融合，提高了脑电信号情绪识别的速度和精度。

摘要： 本发明提供了一种基于双层脑网络的脑电信号情绪识别方法及系统，包括对获取的脑电信号进行眼电去除、降采样和基线校正；对预处理后的脑电信号采用小波包变换进行频带分解并采用互信息构建连通性矩阵，根据矩阵，采用Prim算法构建基于最小生成树的脑网络并提取特征；对连通性矩阵采用阈值选择构建得到基于阈值选择的脑网络并提取特征。对双层脑网络中提取的特征基于贝叶斯加权平均的方法进行特征融合，得到融合后的特征向量；将融合后的特征向量输入随机森林分类器模型中，得到情绪识别结果。本发明通过融合双层脑网络特征，有效提高了脑电信号情绪识别的准确率。