本文首先研究對比AMUSE、SOBI、JADE、FastICA四種典型盲源信號處理算法提取腦機接口(BCI)中四種運動想象腦電源信號(想象左手、右手、腳和舌)的分類識別正確率。之后從時間和空間兩個角度,組合應用兩種盲源信號處理算法,解決特征提取時腦電信號微弱、不平穩和極易受到各種干擾的問題。研究結果表明:通過組合SOBI和FastICA算法,能夠提取出比較微弱的想象運動源信號,并且能夠在一定程度上消除外部干擾的影響,有利于進一步研究大腦在運動控制過程中的腦電生理機制,提高BCI系統的實際應用能力。
人工智能的快速發展對計算神經科學的計算速度、資源消耗和生物解釋性提出了更高的要求。脈沖神經網絡能夠攜帶大量信息，實現對大腦信息處理方式的模仿。它的硬件化是實現其強大計算能力的重要途徑，但也是極具挑戰性的技術難題。憶阻器是目前功能最接近神經元突觸的電子器件，能夠以與生物大腦高度相似的脈沖時間依賴可塑性（STDP）機制響應脈沖電壓，成為近幾年研究構建脈沖神經網絡硬件電路的熱點。本文通過查閱國內外相關文獻，對近幾年基于憶阻器的脈沖神經網絡的研究工作進行了深入了解和介紹。
電磁場（EMF）作用對神經系統功能的影響，現已成為電磁生物效應領域廣泛關注的問題。本文旨在從神經信息網絡連接角度探究工頻 EMF 長期作用對大腦認知功能的影響及其機制。本文將斯普拉格·道利（SD）大鼠隨機分為 3 組，其中模型Ⅰ組將 SD 大鼠置于 2 mT 工頻 EMF 中作用 24 d；模型Ⅱ組將 SD 大鼠置于 2 mT 工頻 EMF 中作用 48 d；對照組 SD 大鼠未經工頻 EMF 作用。隨后，采集不同組別 SD 大鼠執行工作記憶（WM）任務過程中前額皮層（PFC）16 通道的局部場電位信號（LFPs），并基于定向傳遞函數（DTF）構建 LFPs 因果連接網絡，最終通過對比各組 SD 大鼠在 WM 過程中 LFPs 信號因果網絡特征參數及行為學表現的異同，探討工頻 EMF 長期作用對 WM 的影響。本文研究結果顯示，模型Ⅱ組大鼠執行 WM 任務達到正確率 80% 以上所需時間及次數明顯多于對照組。WM 任務中，模型Ⅰ、Ⅱ組因果網絡連接強度及全局效率值均明顯低于對照組；且模型Ⅱ組中因果網絡連接密度值明顯低于模型Ⅰ組及對照組。結果表明，經 2 mT 工頻 EMF 的長期作用，PFC 的 LFPs 信號間因果網絡連接強度及全局效率降低，并影響 SD 大鼠的行為學表現。本文的研究結果從神經網絡信息傳遞的角度揭示了工頻 EMF 作用影響大腦認知功能的可能機制，可為進一步研究其作用機制提供重要的支持。
隨著虛擬現實（VR）技術的廣泛應用和相關設備的迅速普及，長時間使用 VR 技術引起的腦疲勞問題受到廣泛關注。本研究結合主觀疲勞量表與腦電信號腦功能網絡特征參數，研究 VR 技術引起的腦疲勞問題。隨機選取 16 名健康受試者，同步采集觀看相同題材的傳統平面（TP）視頻及 VR 視頻時的腦電信號，觀看視頻前后填寫主觀疲勞量表，利用互相關方法對所采集到的腦電信號進行關聯特性分析，構建兩種視覺體驗前后的腦功能網絡，并從復雜網絡的角度，對比分析平均度、平均聚類系數、平均路徑長度、平均全局效率和“小世界”屬性等腦網絡特征參數。結果發現，觀看視頻后的量表分值均大于觀看前，并且從主觀感受上，受試者觀看 VR 視頻比觀看 TP 視頻更容易產生疲勞感；觀看 VR 和 TP 視頻后，腦網絡互相關系數、平均度值、平均聚類系數和平均全局效率值均比觀看視頻前顯著降低，平均路徑長度值顯著升高，“小世界”屬性顯著減小；并且相比觀看 TP 視頻，觀看 VR 視頻后腦網絡特征參數變化量更大，且差異具有統計學意義（P < 0.05）。通過本研究結果，或可為分析和評價 VR 視覺體驗引發的腦疲勞提供理論依據和試驗參考。
重復經顱磁刺激是一種無創的腦刺激技術，作為一種治療性神經康復手段備受關注。已有研究表明，高頻重復經顱磁刺激可以提高動物在行為測試中的認知能力和神經元興奮性。本文旨在研究小鼠自然老化過程中，高頻重復經顱磁刺激對其認知能力和神經興奮性的影響。實驗采用青年小鼠、成年小鼠、老年小鼠各 12 只，且每個年齡段小鼠被隨機分成刺激組和對照組。刺激組小鼠接受連續 15 天的高頻重復經顱磁刺激，對照組接受連續 15 天的偽刺激。刺激結束之后，進行新物體識別與跳臺測試，用以檢查小鼠的學習記憶能力。行為學測試結束之后，進行全細胞腦片膜片鉗實驗，用以記錄并分析海馬齒狀回顆粒神經元的靜息膜電位、動作電位及其相關電特性指標。數據分析表明，小鼠認知能力與神經興奮性隨著老化而顯著衰退，高頻重復經顱磁刺激能顯著改善認知損傷并緩解神經電特性指標的衰退。通過改變海馬齒狀回顆粒神經元電生理特性以及提高神經元興奮性，可能是重復經顱磁刺激緩解認知損傷、提高認知能力的機制之一。
腦神經電生理信號的內在特征變化能夠反映腦功能的正常與否，因此有效的特征提取分析方法有利于腦功能異常的早期診斷與相關疾病的治療。近年來的研究表明，神經電信號具有非線性和多尺度的特性。基于此，科研人員近來發展了適用于多尺度非線性信號分析的多尺度熵（MSE）算法，并在神經信息科學領域得到了廣泛應用。本文對 MSE 算法的原理和特性進行了介紹，并進一步介紹了幾種在實際應用中針對 MSE 算法的一些不足而提出的相關改進算法。然后，對 MSE 及其改進算法在疾病診斷、腦功能分析以及腦-機接口等方面的應用進行了綜述。最后，對上述各算法在神經信號分析中面臨的挑戰及其可能的發展方向進行了探討。
隨著深度學習技術在疾病診斷方面的廣泛應用，尤其是卷積神經網絡（CNN）在計算機視覺、圖像處理方面的突出表現，越來越多的研究提出使用該算法實現阿爾茨海默病（AD）、輕度認知障礙（MCI）以及正常認知（CN）之間的診斷。本文系統地回顧了幾種經典的卷積神經網絡模型在該疾病不同階段腦影像分析診斷方面的應用進展，進一步探討了其存在的問題及研究方向，以期為該領域的研究提供一定的參考和借鑒。
經顱磁刺激（TMS）作為一種無創神經調控技術可以改善因疾病而造成的學習記憶損傷，而學習記憶調節依賴于突觸可塑性這一生理學基礎。TMS 可以影響大腦神經突觸可塑性，本文從結構和功能可塑性兩方面綜述其對突觸可塑性的影響；并進一步從突觸囊泡、神經遞質、突觸相關蛋白、腦源性神經營養因子及其相關通路揭示 TMS 作用機制。最后發現 TMS 通過對神經元形態、谷氨酸受體、神經遞質的影響，以及對腦源性神經營養因子表達的調節，從而調節突觸相關蛋白的表達，最終調節突觸結構和功能可塑性，從而影響學習記憶功能。本文綜述了 TMS 對學習記憶及大腦神經突觸可塑性的影響，期望對今后 TMS 作用機制的研究提供借鑒。
在類腦人工智能高速發展、電磁環境日益復雜的現狀下，最具有仿生特性和抗干擾性的脈沖神經網絡在計算速度、實時信息處理、時空數據處理上表現出巨大的潛能。脈沖神經網絡是類腦人工智能的核心之一，通過模擬生物體神經網絡結構和信息傳遞方式來實現類腦計算。本文首先總結五種神經元模型的優缺點和適用性，分析五種網絡拓撲結構的特征；其次綜述脈沖神經網絡算法，從無監督學習和有監督學習兩個角度總結基于突觸可塑性規則的無監督學習算法和四類監督學習算法；最后重點綜述國內外在研的類腦神經形態芯片。本文旨在通過系統性的總結，為初入脈沖神經網絡研究領域的同行提供學習思路和研究方向。
腦電信號具有高時間分辨率的特征，各類腦電信號分析方法近年來發展迅速。腦電微狀態分析方法能夠研究毫秒級范圍內的大腦變化，同時也可呈現腦電信號在拓撲層面上的分布，從而反映全腦的不連續和非線性特征。經歷三十多年的豐富和完善，腦電微狀態分析已經滲透到腦科學相關的多個研究領域。本文總結了腦電微狀態分析方法的基本原理，系統闡述了微狀態特征參數改變、微狀態與腦功能網絡的關系以及微狀態特征提取與分類在腦疾病和腦認知方面的主要應用進展，期望能夠為該領域的研究人員提供一定的參考。