基于有向网络的人物信息诱发脑电信号特征

doi:10.12068/j.issn.1005-3026.2019.01.001

东北大学学报:自然科学版 ›› 2019, Vol. 40 ›› Issue (1): 1-6.DOI: 10.12068/j.issn.1005-3026.2019.01.001

• 信息与控制 • 下一篇

基于有向网络的人物信息诱发脑电信号特征

常文文^1,2，王宏¹，化成城¹，王翘秀¹

(1. 东北大学机械工程与自动化学院，辽宁沈阳110819; 2. 洛桑联邦理工学院神经义肢中心，瑞士洛桑1015)

收稿日期:2017-10-29 修回日期:2017-10-29 出版日期:2019-01-15 发布日期:2019-01-28
通讯作者: 常文文
作者简介:常文文(1987-)，男，甘肃通渭人，东北大学博士研究生; 王宏(1960-)，女，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(51405173)；辽宁省创新团队项目(LT2014006).

EEGs Feature Induced by Person’s Information Based on Directed Network

CHANG Wen-wen^1,2， WANG Hong¹， HUA Cheng-cheng¹， WANG Qiao-xiu¹

1. School of Mechanical Engineering & Automation， Northeastern University， Shenyang 110819， China; 2. Center for Neuroprosthetics， Ecole Polytechnique Federale de Lausanne， Lausanne 1015， Switzerland.

Received:2017-10-29 Revised:2017-10-29 Online:2019-01-15 Published:2019-01-28
Contact: WANG Hong
About author:-
Supported by:
-

摘要/Abstract

摘要： 基于熟人和陌生人的视听觉信息，通过记录对应的脑电信号，对大脑在熟人和陌生人信息刺激下的认知机制展开研究.首先，通过记录被试在视听刺激下的脑电信号，得到对应不同刺激下的事件相关脑电位.通过计算不同导联间的相位传递熵构建有向功能网络，最后对重点网络参数进行分析.结果表明，相比陌生人信息诱发的有向网络，熟人信息诱发网络中关键节点的作用加强，网络聚集能力增强;熟人信息诱发网络的连接更加趋向于全脑化，不同脑区间的信息交换加强，整个网络结构更有利于完成对熟人信息的识别.

Abstract: Based on the visuo-auditory information of acquaintances and strangers， the possible differences of the cognitive mechanisms were studied by recording EEG signals. Firstly， the ERP signals for different stimuli types were obtained by recording the EEG signals of visuo-auditory stimuli. Then， the directed functional network was constructed by calculating the phase transfer entropy. Finally， network parameters for the key connection were analyzed. The results show that compared with the directed network induced by unfamiliar information， the role of key nodes in the network of familiar information is strengthened， as well as the aggregation ability. The connections of the familiar network tend to be more global， and the information exchange between different brain regions are increased， which is good for the identification of the familiars.

Key words: EEG(electroencephalogram), event related potential(ERP), directed functional network, phase lag entropy, visuo-aduitory stimulus, familiar and unfamiliar recognition

中图分类号:

R318

常文文，王宏，化成城，王翘秀. 基于有向网络的人物信息诱发脑电信号特征[J]. 东北大学学报:自然科学版, 2019, 40(1): 1-6.

CHANG Wen-wen， WANG Hong， HUA Cheng-cheng， WANG Qiao-xiu. EEGs Feature Induced by Person’s Information Based on Directed Network[J]. Journal of Northeastern University Natural Science, 2019, 40(1): 1-6.

参考文献

[1]Meijer E H，Sulders F T Y，Merckelbach H L G J，et al.The P300 is sensitive to concealed face recognition ［J］.International Journal of Psychophysiology，2007，66(3):231-237.
[2]Gonzalez I Q，Leon M A，Belin P，et al.Person identification through faces and voices:an ERP study ［J］.Brain Research，2011，1407(3):13-26.
[3]Rosenfeld J P，Soskins M，Bosh G.Simple，effective countermeasures to P300-based tests of detection of concealed information ［J］.Psychophysiology，2004，41(2):205-219.
[4]Wang H，Chang W，Zhang C.Functional brain network and multichannel analysis for the P300-based brain computer interface system of lying detection ［J］.Expert Systems with Application，2016，53(1):117-128.
[5]Sun D，Chang C，Lee T M.Identification and classification of facial familiarity in directed lying:an ERP study ［J］.PloS One，2012，7(2):31250.
[6]Rodriguez Y S，Fuster J I，Leon M A B.Covert and overt face processing in healthy subjects:an ERP study ［J］.International Journal of Bioelectromagnetism，2008，10(4):246-260.
[7]Tanaka J W，Curran T，Porterfiled A L，et al.Activation of preexisting and acquired face representations:the N250 event-related potential as an index of face familiarity ［J］.Journal of Cognitive Neuroscience，2006，18(9):1488-1497.
[8]常文文，王宏.基于听觉ERP功能脑网络特征和SVM的测谎方法研究［J］.电子学报，2016，44(7):1757-1762.(Chang Wen-wen，Wang Hong.Study on lie detection method based on auditory ERP functional brain network characteristic and SVM ［J］. Acta Electronica Sinica，2016，44(7):1757-1762.)
[9]高军峰，王沛，郑崇勋.基于P300和机器学习的测谎方法研究［J］.西安交通大学学报，2010，44(10):120-124.(Gao Jun-feng，Wang Pei，Zheng Chong-xun.Lie detection method based on P300 and machine learning［J］. Journal of Xi’an Jiaotong University，2010，44(10):120-124.)
[10]梁夏，王金辉，贺永.人脑连接组研究:脑结构网络和脑功能网络［J］.科学通报，2010，55(16):1565-1583.(Liang Xia，Wang Jin-hui，He Yong.Human connectome:structure and functional brain networks［J］.Chinese Science Bulletin，2010，55(16):1565-1583.)
[11]van Diessen E，Numan T，van Dellen E，et al.Opportunities and methodological challenges in EEG and MEG resting state functional brain network research ［J］.Clinical Neurophysiology，2015，126(8):1468-1481.
[12]Lobier M，Siebenhuhner F，Palva S，et al.Phase transfer entropy:a novel phase-based measure for directed connectivity in networks coupled by oscillatory interactions ［J］.NeuroImage，2014，85(2):853-872.

[1]	王翘秀，王宏，胡佛，化成城. 基于脑区社团结构的恐高程度识别模型[J]. 东北大学学报（自然科学版）, 2021, 42(3): 381-388.
[2]	王琳，化成城，姜鑫，王宏. 基于颈腰部肌电及脑电信号的疲劳驾驶检测[J]. 东北大学学报:自然科学版, 2018, 39(1): 102-107.
[3]	张驰，卢绍文，王宏，王宏*. 磨矿过程控制中专家操作人员脑电特征分析[J]. 东北大学学报:自然科学版, 2017, 38(6): 828-833.
[4]	黄璐，王宏. 基于盲反卷积的脑电信号盲分离研究[J]. 东北大学学报:自然科学版, 2016, 37(8): 1100-1103.
[5]	刘冲，于清文，陆志国，王宏. 基于最小二乘支持向量机的脑电信号分类[J]. 东北大学学报:自然科学版, 2016, 37(5): 634-637.
[6]	韩凌，王宏，李春胜. 基于多变量希尔伯特频域模型的癫痫发作预测[J]. 东北大学学报:自然科学版, 2015, 36(10): 1383-1387.
[7]	王福旺，王宏，罗旭. 基于EEG与EOG信号的疲劳驾驶状态综合分析[J]. 东北大学学报:自然科学版, 2014, 35(2): 175-178.
[8]	叶柠;孙宇舸;. 基于EEG小波包子带能量比的疲劳驾驶检测方法[J]. 东北大学学报(自然科学版), 2012, 33(8): 1088-1092.
[9]	颜世玉;王宏;刘冲;赵海滨;. 基于小波方差的运动想象脑电信号特征提取[J]. 东北大学学报(自然科学版), 2012, 33(7): 934-937.
[10]	刘冲;赵海滨;李春胜;王宏;. 基于CSP与SVM算法的运动想象脑电信号分类[J]. 东北大学学报(自然科学版), 2010, 31(8): 1098-1101.
[11]	孙宇舸;叶柠;于艳波;. 基于右腿驱动技术的脑电信号放大器的设计[J]. 东北大学学报(自然科学版), 2010, 31(6): 777-781.
[12]	叶柠;孙宇舸;王旭;. 基于共空间模式和神经元网络的脑-机接口信号的识别[J]. 东北大学学报(自然科学版), 2010, 31(1): 12-15.
[13]	叶柠;孙宇舸;王旭;. 基于共空间模式和K近邻分类器的脑-机接口信号分类方法[J]. 东北大学学报(自然科学版), 2009, 30(8): 1107-1110.
[14]	王志宇;王宏;李一娜;王旭. 脑-计算机接口系统中诱发脑电信号的小波分析[J]. 东北大学学报(自然科学版), 2005, 26(6): 546-549.
[15]	王黎;于涛;闻邦椿;. 基于脑电α波的非线性参数人体疲劳状态判定[J]. 东北大学学报(自然科学版), 2005, 26(12): 1174-1177.

基于有向网络的人物信息诱发脑电信号特征

EEGs Feature Induced by Person’s Information Based on Directed Network

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价