项目名称: 同步脑电与功能磁共振成像的单次分析方法及应用研究

项目编号: No.61201096

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 邹凌

作者单位: 常州大学

项目金额: 27万元

中文摘要: 脑电与功能磁共振成像同时记录的融合信号具备较高的时间分辨率和空间分辨率,对认知科学研究有重要意义。本项目提出一套能同时获得两种模态数据特征及相互关系的单次实验分析算法,并用于研究考试焦虑者情绪调节的神经机制问题。首先,基于单个被试水平,提出能去除脑电信号中梯度噪声、脉冲相关噪声及未知生理源噪声的预处理鲁棒算法;其次,单次提取作为认知重评有效成分的晚正成分,并使其与功能磁共振成像数据同范围后进入融合数据空间;最后基于成组被试水平,采用多重集典型相关分析方法将两种模态数据分解为空域映射图和时域卷积脑电数据,以成组方式获得两者之间的共变特性,探讨考试焦虑认知重评的生理本质、构成及其神经中枢定位。本项目的研究对加深人类心理障碍的认知神经机制理解、改善考试焦虑个体的焦虑状态及提升心理健康水平有促进作用,并且借鉴人类认知机制来提高信息处理的性能,研究成果具有广阔的应用前景和辐射面。

中文关键词: 认知重评;脑电;功能磁共振成像;同步采集;融合

英文摘要: The integration of signals with high spatial and temporal resolution,acquired from simultaneous electroencephalography (EEG) and functional magnetic resonance imaging (fMRI),holds a great potential for cognitive science.In this project,a novel single-trial analytic framework is proposed to find the features of and the relationship between the two modalities at the same time, which is also applied to study the neural basis for emotion regulation of the students who suffer from test anxiety.Firstly,the preprocessing robust algorithms based on single subject level are presented, which can remove the gradient artifacts, pulse related artifacts and some unknown physiological noises;Secondly,the single-trial late positive potentials, which is an effective component of cognitive reappraisal, are extracted and brought into the same range with fMRI data before entering into the fusion space; At last,the spatial maps for fMRI data and the corresponding temporal evolution for EEG data are decomposed by applying multi-set canonical correlation analysis on group level,and the co-variations across modalities from a group of subjects are obtained.Besides,the physiological processing,the composition and brain source location of test anxiety during cognitive reappraising are also discussed. This research can lead to a better un

英文关键词: cognitive reappraisal;electroencephalography;functional magnetic resonance imaging;simultaneous recording;fusion

成为VIP会员查看完整内容
0

相关内容

监控视频的异常检测与建模综述
专知会员服务
48+阅读 · 2021年12月27日
混合增强视觉认知架构及其关键技术进展
专知会员服务
40+阅读 · 2021年11月20日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
54+阅读 · 2021年6月28日
机器人运动轨迹的模仿学习综述
专知会员服务
44+阅读 · 2021年6月8日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
79+阅读 · 2021年2月16日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
多模态情绪识别研究综述
专知会员服务
165+阅读 · 2020年12月21日
设计脑机接口的实践指南
AI前线
0+阅读 · 2022年4月8日
应用架构指南全新发布
谷歌开发者
0+阅读 · 2022年2月12日
【干货】人类海马体精细亚区加工工作记忆的神经动力学机制
中国图象图形学学会CSIG
0+阅读 · 2021年12月8日
智能科学创新讲堂预告 | 张道强主讲:基于机器学习的脑影像分析与应用
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
2+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
小贴士
相关VIP内容
监控视频的异常检测与建模综述
专知会员服务
48+阅读 · 2021年12月27日
混合增强视觉认知架构及其关键技术进展
专知会员服务
40+阅读 · 2021年11月20日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
54+阅读 · 2021年6月28日
机器人运动轨迹的模仿学习综述
专知会员服务
44+阅读 · 2021年6月8日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
79+阅读 · 2021年2月16日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
多模态情绪识别研究综述
专知会员服务
165+阅读 · 2020年12月21日
相关资讯
设计脑机接口的实践指南
AI前线
0+阅读 · 2022年4月8日
应用架构指南全新发布
谷歌开发者
0+阅读 · 2022年2月12日
【干货】人类海马体精细亚区加工工作记忆的神经动力学机制
中国图象图形学学会CSIG
0+阅读 · 2021年12月8日
智能科学创新讲堂预告 | 张道强主讲:基于机器学习的脑影像分析与应用
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
2+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员