(Keyan Pan, Tiejia Jiang, Runze Zheng, Tianlei Wang, Feng Gao, and Jiuwen Cao*, Graph Theory based Multi-level Cortical Functional Connectivity Developmental Analysis, IEEE Transactions on Cognitive and Developmental Systems, 2023, published online)
儿童时期是大脑发育的关键时期，一旦偏离正常的发育轨迹，可能会导致癫痫以及其他类型的脑疾病。研究各年龄阶段的正常儿童大脑功能连接对于脑疾病的检测与分析具有重要的对照意义。脑电图具有信噪比低的特点，且不同个体之间的脑电图往往存在较大的差异性，这对群体的大脑功能连接特征分析造成困难。由此，与浙江大学医学院附属儿童医院合作，我院人机混合智能与智慧健康研究中心儿童大脑功能连接发育分析方向的研究论文“Graph Theory based Multi-level Cortical Functional Connectivity Developmental Analysis”被IEEE Transactions on Cognitive and Developmental Systems收录。该研究有效解决了脑电图信噪比低，个体间差异性大的问题，分别于片段，个体，年龄组水平分析了不同年龄阶段儿童大脑功能连接的特征。
功能连接被定义为大脑不同区域的神经信号之间的时间依赖关系，脑电图（EEG）作为一种高时间分辨率，低成本的神经系统监测工具，是计算功能连接的最佳选择。EEG信号的噪声以及个体间差异性会造成虚假、冗余连接的产生，当前的研究缺乏合理的阈值选取判据对功能连接进行二值化，从而影响大脑连通性的真实性表征。本文提出了一种基于图论的多级儿童大脑功能连接分析方法：1）基于非快速眼动睡眠期(NREM)脑电图，选用虚部相干性(ICoh)耦合指标构建片段水平的大脑功能连接(PLFC)。2）使用熵稳定性判据迭代搜寻最优二值化阈值，构建个体水平的功能连接(ILFC)。并分析ILFC的全局聚类系数特征与特征路径长度特征。3）基于多数投票法构建年龄组水平的大脑功能连接(GLFC)，并提出新型的特征度量VD，对GLFC的网络中心性进行分析。论文提出的分析方法在浙江大学医学院附属儿童医院42例受试者的临床数据上得到验证，实验结果具备医学的生理可解释性。
论文第一作者为2020级硕士研究生潘克炎，通讯作者为指导教师曹九稳教授，研究获得了国家自然科学基金重点、科技部重点研发和浙江省重点研发等项目的资助。
总体分析流程框架图：
最优二值化阈值搜寻流程图：
网络中心性分析：
