基于全脑皮层网络模型的周期性刺激响应机制研究

Noninvasive periodic stimulation is a brain modulation method that is widely used in the fields of brain cognition, brain disorders and neural engineering. However, the underlying mechanisms of the evoked responses of periodic stimulation remain poorly understood. Owing to the nonlinearity of neural circuits and the large number of different periodic stimuli，there exist some limitations of the research with electrophysiological research methodology. However，the simplified models were used in the research based on computational models, and the brain structure and the structural connectivity between the brain areas were omitted. In this project, we will construct the whole-brain cortical network model based on the structural, functional MRI and DTI data, and then obtain neural signals with high temporal-spatial resolution. Then, we will systematically explore the neural mechanisms of evoked responses to the periodic stimuli under different conditions, and investigate the modulation mechanisms of periodic stimuli on the oscillation activities in the different frequency bands. The research findings of this project have theoretical significance for elucidating neural mechanisms of periodic stimulation, and will provide new ideas and methods for future theoretical and practical applications.

非侵入式的周期性刺激作为一种调控大脑活动的方法在脑认识、脑疾病和神经工程领域有着广泛应用，但迄今周期性刺激诱发响应机制尚不完全明确。由于脑神经回路的非线性和不同属性的周期性刺激的数量庞大，基于电生理实验的研究方法存在较大的局限性。然而，当前基于模型的研究主要采用简化模型，未考虑大脑的结构及不同脑区结构连接关系。本项目将利用被试结构、功能磁共振和DTI数据，建立全脑皮层网络模型，通过仿真获取高-时空分辨率的神经信号，以深入研究不同条件下的周期性刺激诱发响应的神经机制，刺激对大脑不同频带活动的调制作用机制。项目研究成果对阐明周期性刺激诱发响应的神经机制具有重要的理论意义，并能为今后的理论和应用研究提供新的研究思路和方法。

非侵入式的周期性刺激作为一种调控大脑活动的方法在脑认识、脑疾病和神经工程领域有着广泛应用，但迄今周期性刺激诱发响应机制尚不完全明确。项目组成员根据项目最初的研究方案，主要开展了以下三个方面的工作：.1）在全脑皮层网络模型的构建方面，基于健康被试磁共振的结构和静息态数据建立了全脑皮层网络模型，并设计和完成了相应的软件平台。模型每个节点的功能用一个动态平均场模型来进行模拟。2）在周期性刺激诱发响应的机制研究方面，基于66个节点的全脑皮层模型，研究了1 Hz-20 Hz周期性刺激诱发响应的神经机制。通过模型仿真实验发现，在枕叶和额叶节点能检测到刺激信号诱发响应，刺激频率在Alpha频带范围内诱发响应最强，且增加刺激信号的幅值能增强刺激诱发响应的能量。此外，基于多尺度神经环路计算模型，研究了低频周期性刺激诱发响应调制的神经机制，发现反映神经电路耦合状态的固有 Alpha 振荡在不同的空间水平上以互补的方式调制周期性刺激诱发响应，这些发现统一了先前看似矛盾的观测结果；3）在数据分析方面，开展了周期性视觉刺激诱发响应的频率识别机器学习算法研究，提出了层级特征融合的频率识别算法框架，通过大尺度脑电数据集实验验证，基于提出的算法框架显著性地提升了传统空间滤波算法的性能。 .本项目执行期间，在IEEE Transactions on Neural Systems and Rehabilitation Engineering、Neural Networks等国际著名期刊发表SCI检索论文4篇。项目研究所取得的成果丰富了周期性刺激诱发响应的脑机制内涵以及相应的数据分析方法，同时也为以后相关理论和应用研究提供新的思路和方法，具有重要的科学意义和应用价值。