基于格兰杰因果关系磁刺激穴位对亚健康失眠的脑功能网络分析.pdf 11页

'中国科技论文在线http://www.paper.edu.cn基于格兰杰因果关系磁刺激穴位对亚健康#失眠的脑功能网络分析1121**郑威，于洪丽，丁卫国，吴霞5（1.河北工业大学电气工程学院,天津300130；2.天津市北辰中医医院,天津300130）摘要：失眠是临床当中最常见的一种疾病和症状，严重影响着患者的身心健康。脑功能网络是揭示大脑精神活动的重要体现，对于亚健康失眠的脑网络分析具有重要意义。格兰杰因果关系是基于自回归模型上的10有向研究，其实现了各级脑电之间有向功能的连通性。本文利用Neuroscan128导脑电实验仪采集了9名失眠被试的32导脑电信号，然后基于格兰杰因果关系方法计算32导脑电极在时间序列上的有向连接关系，同时运用贝叶斯信息准则和F统计量检验每个连接值的统计显著性，以此来探究失眠情况下脑网络信息流向的差异，再利用磁刺激穴位的方法刺激失眠被试，获得不同状态下脑功能网络的有向连接图，并对其进行分析。结果表明，磁刺激神门、内关和三阴交穴后较刺激前，大脑额叶、中央区和左颞叶内部以及脑区15之间的连接有所增加；而枕叶、右颞叶内部以及脑区之间的连接有所减少。这一研究结果为磁刺激治疗失眠提供了一定的依据。关键词：失眠；脑功能网络；格兰杰因果关系；贝叶斯信息准则；磁刺激穴位中图分类号：ＴＭ１５20BrainFunctionalNetworkAnalysisofMagneticStimulationatAcupointsforSub-healthInsomniaBasedontheGrangerCausality1121ZHENGWei,YUHongli,DINGWeiguo,WUXia(1.SchoolofElectricalEngineering,HebeiUniversityofTechnology,Tianjin300130;252.HospitalofTianjinBeichenTraditionalChineseMedicine,Tianjin300130)Abstract:Insomniaisoneofthemostcommondiseasesandsymptoms,whichseriouslyaffectsthephysicalandmentalhealthofpatients.Brainfunctionalnetworkrevealsthementalactivityofbrain,andithasimportantsignificanceforthebrainnetworkanalysisofsub-healthinsomnia.Grangercausalityisadirectionalstudybasedonautoregressivemodel,whichachievestheconnectivityofthe30directionalfunctionwithintheEEG(electroencephalogram)atalllevels.UsingtheNeuroscanof128channelswecollected32electrodes’EEGof9subjectswhowereininsomniainthispaper,thencalculatedthedirectionalandconnectedrelationshipof32electrodes’EEGbasedontheGrangercausalrelationmethodonthetimesequence,simultaneouslyusingBayesianinformationcriterionandF-statisticsexaminedthestatisticsignificanceofeveryconnectedvalue,onthiscountweexploredthe35flowdifferenceofbrainnetworkinformationinthecaseofinsomnia,finallygottheconnectiondiagramsofbrainfunctionalnetworksunderdifferentsituationsinthewayofmagneticstimulationatacupointstostimulateinsomniasubjects.Thisstudywasconcludedthattheconnectionswereincreasedbetweenthefrontal,centralis,lefttemporallobeandbrain,atthesametime,theconnectionsweredecreasedbetweentheoccipital,righttemporallobeandbrainregionsaftermagneticstimulating40NeiguanandShenmen,Sanyinjiao.Theresultwasprovidedabasisforthetreatmentofinsomniabymagneticstimulation.Keywords:nsomnia;brainfunctionalnetwork;Grangercausality;Bayesianinformationcriterion;magneticstimulationatacupoints0引言随着现代人们生活节奏的加快，失眠人群也就随之多了起来。失眠是指无法入睡或无法45基金项目：国家自然科学基金(31400844);教育部高等学校博士学科点专项科研基金(20131317120007)作者简介：郑威（1990年-），男，主要研究方向：生物电工，生物电信号处理通信联系人：于洪丽（1979年-），女，硕导，主要研究方向：生物电工，生物电信号处理.E-mail:yhlzyn@126.com-1- 中国科技论文在线http://www.paper.edu.cn保持睡眠状态，导致睡眠不足，又称入睡和维持睡眠障碍，为各种原因引起入睡困难、睡眠深度或频度过短、早醒及睡眠时间不足或质量差等，是一种常见病。失眠以及由其引起的紧张、焦虑、神经衰弱等造成滥用失眠药物，同时成为一个广泛的公共问题，受到研究者的普遍关注。一直以来，失眠的治疗以药物为主，药物治疗能快速起效，但是长期效果并不理想，5且药物耐受性、依赖性以及副作用也不容忽视。目前也有一些非药物的失眠治疗方式，比如包括刺激控制、睡眠限制、睡眠卫生教育、认知调节、放松等治疗技术的综合性失眠认知行为治疗。中医学上利用针灸进行治疗，但其主观性强，无法量化的特点，使得其无法实时的解决失眠人群的困扰。目前，功能性电刺激(functionalelectricalstimulation,FES)的研究和应[1]用已涉及临床的各个领域。但与前两者相比，磁刺激技术因具有无痛、无创、操作简便等10优点，正在作为一种新型的穴位刺激方式应用于临床研究中，在人体神经功能调控、疾病治[2]疗与康复理疗等方便具有很好应用前景。目前，磁刺激及其应用方面的研究主要是面向磁刺激在脑认知、脑功能及诊疗作用的研究居多，对刺激后建立有向连接网络的研究较少，尤其是将磁刺激与失眠治疗相结合方面的研究相对更少。基于此，本文结合失眠被试的脑电（electroencephalography,EEG）数据采集15实验，通过EEG信号的格兰杰因果（Grangercausality,GC）分析，建立32导大脑电极的脑网络的因果关系模型，来探究失眠状态下磁刺激前后的各电极因果调制，对比磁刺激前后大脑动态网络拓扑特性，以此来研究磁刺激穴位对亚健康失眠的作用效应。Wiener在1956年给出了两个时域信号间的因果性定义，1969年Granger在此基础上给出了经济学上随机过程的因果性的公式，现在被称为GC，并被广泛引入脑功能连通性研究[3,4]20中。GC分析不仅能够描述不同大脑区域间的相互作用的强度，还可以表明它们之间相互[4]作用的因果关系，这是与传统的分析方法，如相关、相干及互信息等相比最明显的优势。正因如此，EEG结合GC研究动态脑网络在时间分辨率上具有明显优势。近年来，随着复杂网络的蓬勃发展，其基本理论及分析方法被广泛应用在了大脑的研究[5-7]中，被广大学者所重视。目前对人脑结构和功能的神经机制研究，已经不仅仅局限于脑25功能定位问题，更多的是分析不同层次网络的结构、连接问题及动力学行为，研究各功能区间的动态功能连接和整合问题，即描述特定功能区的交互作用以及这些交互作用如何受认知[4]任务的影响。而感觉认知上的神经生理学模型的建立在描绘不同神经系统交互作用上一直[8]是个难点。所以，研究各级脑电之间的有向连接，实现因果关系的脑网络构建具有重要意义。301材料和方法1.1被试的选择和脑电数据的采集实验选择9名被失眠困扰的人员且其匹斯堡睡眠质量指数均大于7，所有被试均是河北工业大学的学生，这其中包括4名女性和5名男性，年龄在20~25岁之间，且除具有睡眠障碍外，无其他疾病。实验前已告知被试实验内容，并签署了知情同意书。35经天津市北辰中医医院专家指导，本实验选择神门穴、内关穴、三阴交穴作为靶点刺激。磁2刺激设备为英国MagstimRapid经颅磁刺激仪，8字形线圈，实验设定刺激强度为设备最大输出强度（2.2T）的80%，刺激频率为1Hz。实验刺激序列为连续脉冲，每个靶点刺激的时-2- 中国科技论文在线http://www.paper.edu.cn间均为1min。实验设定流程如图1所示。磁刺激实验如图2所示。采集被试者第一采集被试者第一天刺激前数据天刺激后数据采集被试者第三采集被试者第三天刺激后数据天刺激前数据图1实验流程图Fig.1Theflowchartofexperiment5(a)(b)(c)(d)图2磁刺激实验及所用设备。(a)磁刺激神门穴；(b)磁刺激内关穴；(c)磁刺激三阴交穴；(d)实验用磁刺激10仪Fig.2Experimentofmagneticstimulationanditsdevice.(a)ExperimentmagneticstimulationatShenmenacupoint;(b)ExperimentofmagneticstimulationatNeiguanacupoint;(c)ExperimentofmagneticstimulationatSanyinjiaoacupoint;(d)Magneticstimulationsystem15本实验利用美国Neuroscan128导脑电实验仪采集了32导脑电数据，如图3所示，这些脑电极在大脑的额叶、顶叶、枕叶和左、右颞叶均匀分布。实验数据的采样频率为1000Hz，放大倍数为500，每组脑电数据在1Hz的刺激频率下采集2min。图3脑电采集实验20Fig.3ExperimentofEEGsignalrecording1.2数据预处理数据预处理主要包括基线校正，去除伪迹和眼点等干扰以及数字滤波（0.5Hz~40Hz）-3- 中国科技论文在线http://www.paper.edu.cn等，该过程利用NeuroScan脑电采集与分析专业软件完成。1.3处理方法1.3.1格兰杰因果（GC）GC关系的基本思想是：如果用第一个时间序列过去的值和第二个时间序列过去的值去5估计第一个时间序列当前的值比仅有第一个时间序列过去的值去估计得到的预期误差方差减小，那么第二个时间序列就是第一个时间序列的因[4]。GC关系是基于自回归模型上的有向研究，同时体现出其优势。首先：自回归模型是动态模型，它能捕捉到变量当前时间的最新且最有效的信息;其次：自回归模型的系数比较容易估计，它可以归结为一个求线性回归模型系数的问题来求解；再次：对于大多数平稳随机过程而言，都可以用充分大阶的自回归10模型来很好地逼近，在一个线性移不变系统中，任何一个时间序列都可以表示成它本身与单位冲激响应函数的卷积的形式，这就有利于对时间序列进行分段计算[9]。假设两个随即平稳的时间序列X(t)和Y(t)，p为变量X(t)回归方程中的滞后长度，q为变量Y(t)回归方程中的滞后长度，滞后长度p和q的最大值为建立回归模型的阶数，u1(t)和u2(t)表示与时间序列不相关的白噪声，建立自回归模型p15Xt()X()(iXti)ut1()i1qYt()Y()(iYti)ut2()(1)i1在考虑到两个变量X(t)和Y(t)不仅仅可以用自身过去表达，同时还具有相互作用的情况下，表达式如下：ppXt()XX()(iXti)XY()(iYtj)1()tij11qq20Yt()YX()(iXti)YY()(iYtj)2()t(2)ij11式中，X(t-i)为X(t)的滞后项，Y(t-i)为Y(t)的滞后项，αX(i)和αY(i)分别是X(t)和Y(t)的自回归系数，i和j为滞后项数，αXX(i)和αYX(i)为X(t)的系数估计值,αXY(i)和αYY(i)为Y(t)的系数估计值，ε1(t)和ε2(t)为白噪声。如果αXY(i)(i=1,…,p)在统计学上整体显著不为零，则说明X(t)是Y(t)的格兰杰结果，Y(t)是X(t)的格兰杰原因，反之亦然。如果αXY(i)(i=1,…,p)等于零，则说25明X(t)和Y(t)不存在因果关系。同样的，对于X(t)的残差u1(t)比ε1(t)的协方差大，则代表Y(t)对X(t)的影响大；相反的，协方差越小，则代表Y(t)对X(t)的影响越小；当残差u1(t)比ε1(t)的协方差相等时，Y(t)对X(t)的没有影响。记Σ1=var(p)，Γ1=var(u2)对于（2）中的协方差记为var()cov(,)21221(3)tcov(,)var()2212130用对数比表示残差协方差的大小关系的情况：1122FYXln,FXYln,FYX*ln,|Σt|表示Σt的行列式，FY→X表示Y对X的直22t接影响，FX→Y表示X对Y的直接影响，FX*Y表示的是Y和X间的相互作用；如果-4- 中国科技论文在线http://www.paper.edu.cn11Fln0,则说明Y对X有因果响应；如果Fln0，则说明Y对X不存YXYX2222在这种因果关系；当X(t)和Y(t)相互独立时，有，Fln0。t2211YX*t在计算格兰杰因果关系值的过程中，要选取一个适当的自回归模型阶数。如果阶数取值太小，就会导致搭建的模型的模拟数据不好，影响结果，阶数取的太大又会影响对模型的估5计。最佳阶数的选择必须平衡模型的模拟度以及模型中要计算参数的数量，目前国际上计算[10][11]自回归模型的阶数有两个标准，Akaike信息标准和Bayseian信息标准。根据贝叶斯信息准则（BayesianInformationCriterion,BIC）在同时考虑似然项和惩罚项[12]的同时，通过寻找似然函数与类别数的变化曲线的最小值得到最佳类别数。以此，使用BIC来选择最佳的滞后长度，找到适当的模型规范。10动态因果模型研究的是有效连通性即模型匹配数据，最佳模型的选择是用贝叶斯的方法来估计模型的参数—贝叶斯因子，在模型的匹配度和复杂度上寻找一个平衡点，选择出最合[13,14]适的模型作为动态因果模型，从而进行理论验证假设。对于自回归模型的阶数的选择采用国际上通用的BIC。在计算出两个变量之间的格兰杰因果关系的值以后，我们还需要确定这个格兰杰因果关15系值是显著有效的，简单的说非零的格兰杰因果值是很容易从两个变量中计算得到的，但是[9]如果这个值没有统计显著性，那么这个值就是没有意义的。统计上的解释通常用F检验统[9,15]计量来说明情况，具体步骤如下：(1)提出假设原假设：H0:αXY(i)(i=1,…,p);20备择假设：H1:αXY(i)不全为0。(2)构造统计量F检验统计量：NN12()ii()ii11pF(4)YXN2()ii1Np21N表示总的时间点的个数；25(3)计算和判断假设原假设成立，则N∙FY→X~χ2(p);当N∙FY→X>χ2(p)时，拒绝原假设，即Y对X有因果影响当N∙FY→X<χ2(p)时，接受原假设，即Y对X无因果影响。本文中通过以下几个步骤计算GC值：(1)通过BIC确定的模型阶数为2。(2)建立2阶回归模型，对各个大脑电极的EEG信号进行拟合。30(3)求出各个大脑电极相互之间的因果关系。(4)选取适当的阈值，并对(3)中求出的因果关系值与阈值进行比较，大于阈值的因果关系值在进行F统计量的分析。-5- 中国科技论文在线http://www.paper.edu.cn1.3.2脑功能网络的构建大脑神经连接网络的研究有三个方向，分别为结构性脑网络（structuralbrainnetworks）、[16]功能性脑网络（functionalbrainnetworks）以及因效性脑网络（effectivebrainnetworks）。其中，功能性脑网络是由节点间的功能性连接构成的，它反映的是节点间或脑区间统计性连5接关系。脑功能网络的构建主要包含三个方面，分别为：网络节点的选取、连接边的意义和阈值的选取。在图论中，一个复杂网络由两个集合构成：节点集合和边集合，节点集合表示网络的规模，边集合表示网络边的总数，最后得到一个网络图。本文将32导脑电极作为脑功能网络构建的节点，GC值作为衡量节点之间有无连接边的标准，选取适当的阈值，若GC值大于10阈值表示对应的节点之间存在连接边，否则不存在。[17]正常情况下，人脑具有高效经济的处理模式，但是亚健康失眠可能会引起这种处理模式的改变，并反应在脑功能网络的结构变化上。为了更加清晰的显示失眠状态下磁刺激前后脑网络中各个脑电极的信息流向情况，我们在进行阈值选取时人为选取了比较大的阈值来进行GC图的构建，只画出因果关系比较明显的脑电极连接。为了呈现清晰的脑网络信息流15向，选取0.8作为阈值。1.3.3小世界属性的判定随着大量复杂网络实验的进行，研究者们发现真实的网络几乎都是小世界网络，这一现象在脑网络领域也普遍存在[18]。具有较大聚类系数和较短路径长度的网络称为“小世界”网络。Watts和Strogatz于1998年研究小线虫的神经网络数据集时，首次发现“小世界”网络模20型，该网络具有聚类系数较高和平均路径长度较小的特点[19]。目前常用的衡量网络是否具有小世界属性的标准是由Humphries等人提出的，具体定义如下：CC/1(5)netranLL/~1(6)netran式中，Cnet和Lnet表示所构建网络的聚类系数和特征路径长度，Crand和Lrand表示相同尺度随25机网络的聚类系数和特征路径长度。[20]当=/>1时，说明所构建的网络具有“小世界”属性。2结果9名被试的脑电数据经过预处理之后，为减小个体差异对实验结果的影响，分别计算第一天、第三天刺激前后的平均数值，得到四组数据，在四组数据中取第一天刺激前和第三天刺30激后的数据作为治疗前后的数据进行对比，以探究磁刺激对失眠的治疗效果。在进行数据分析时，对得到的脑电极之间因果关系进行统计分析，得到在磁刺激前后不同状态下失眠被试的脑网络连接性的变化，如图4所示。从图中可以看出，为期三天进行两次磁刺激治疗，不同状态下的脑功能网络有向连接变化明显，额叶、左颞叶的连接明显增加，而枕叶、右颞叶的连接降低。-6- 中国科技论文在线http://www.paper.edu.cn(a)(b)图4不同状态下脑功能网络。(a)刺激前;(b)刺激后Fig.4Brainfunctionalnetworksatdifferentstages.(a)Before-stimulationstate;(b)After-stimulationstate52.1脑功能网络的小世界属性对不同状态下的GC值进行F统计量分析，阈值为0.8，构建出脑网络。为具体分析刺激前后脑网络有向连接，通过计算上述脑功能网络的小世界属性进行分析，结果如表1所示。可以看出，磁刺激前后的脑功能网络均满足σ>1，说明其都具有小世界属性。10表1不同状态下的脑功能网络特征参数Tab.1Characteristicparametersofbrainfunctionalnetworksatdifferentstages状态聚类系数C特征路径长度Lσ刺激前0.832.052.26刺激后0.793.643.692.2节点的度尽管图4中（a）和（b）在脑网络连接上存在明显的变化，但仍要对其进行量化分析，15探究具体的变化。为此，计算了节点的度从数据上直观体现磁刺激前后的不同。表2为分别在图1的（a）和（b）中32导脑电极节点度的统计。为使统计结果更加直观体现，按脑区绘制了其对比折线图，如图5所示为额叶对比图，图6所示为枕叶对比图，图7所示为中央区对比图，图8所示为左颞叶对比图，图9所示为右颞叶对比图，图10所示为不同状态下脑区节点度对比直方图。可以明显得出不同状态下各个脑区节点的度的变化，额叶区、中央20区、左颞叶区刺激后节点度都有增加，且额叶和中央区相对变化较大；枕叶区、右颞叶区刺激后节点度降低。25表2不同状态下的脑电极节点度Tab.2Nodedegreesofbrainelectrodeatdifferentstages节点磁刺激前磁刺激后节点磁刺激前磁刺激后FP102CP512FP217CP149F508CP231F105CP649-7- 中国科技论文在线http://www.paper.edu.cnF238P558F611P127FC502P202FC134P621FC221PO502FC642PO335T7210PO414C542PO601C102CB162C222O153C620O265T820CB242图5不同状态下额叶区节点度Fig.5Nodedegreesoffrontalareaatdifferentstates5图6不同状态下枕叶区节点度Fig.6Nodedegreesofoccipitalareaatdifferentstates10图7不同状态下中央区节点度Fig.7Nodedegreesofareacentralisatdifferentstates-8- 中国科技论文在线http://www.paper.edu.cn图8不同状态下左颞叶区节点度Fig.8Nodedegreesoflefttemporallobeareaatdifferentstates5图9不同状态下右颞叶区节点度Fig.9Nodedegreesofrighttemporallobeareaatdifferentstates图10不同状态下脑区节点度10Fig.10Nodedegreesofbrainareaatdifferentstates3讨论在脑功能网络分析中，有向网络与无向网络都可以体现出各个脑电极之间的连接关系。但有向网络在探究脑神经连接的因果机制上具有明显优势。本文采用GC方法，设定1Hz15磁场刺激作用于手腕处的神门穴、内关穴和脚腕处的三阴交穴，采集刺激前、后的脑电数据，对脑电信号进行了两两通道间因果关系特性分析，构建了磁刺激前、后的脑功能连接有向网络，探究了磁刺激对脑功能网络的影响，并基于复杂网络对脑功能网络的特征进行了深入研究。课题组自2008年以来，开展了磁刺激穴位作用效应及机制的相关研究[21-22]。研究发20现，在亚健康失眠状态下，磁刺激前较磁刺激后所构建的脑功能有向网络存在不同，通过脑区进行分析差异化明显。基于不同状态下脑功能网络有向连接图，以及脑区节点度的对比，可以得出，额叶区、中央区、左颞叶区刺激后节点度都有增加，且额叶和中央区相对变化较大；枕叶区、右颞叶区刺-9- 中国科技论文在线http://www.paper.edu.cn激后节点度降低。在分析过程中，额叶区在磁刺激穴位前后的脑功能网络图和节点度存在明显增强。额叶，因为有着广泛的神经联系和复杂的结构图式，以及丰富的、复杂的双向性联系，它是大脑中最重要的区域之一。目前已知的额叶功能包括：记忆、判断、分析、思考、操作。从脑前额叶的功能可以看出，它对人的思维活动与行为表现有十分突出的作用，是与5智力密切相关的重要脑区，并且还有平衡激素水平的功能。由此得出，磁刺激穴位有助于改善亚健康失眠的思维活动和脑认知功能。而枕叶区磁刺激穴位后较之前脑功能网络连接减少，节点度降低。枕叶主要负责视觉处理，而磁刺激穴位对亚健康失眠的视觉处理有所弱化，但具体机制有待进一步研究。104结论本文基于GC关系的分析方法，从亚健康失眠角度研究了磁刺激神门穴、内关穴和三阴交穴位对大脑功能有向连接产生的影响。利用GC关系对32导脑电信号进行了两两通道之间的GC值计算，对其进行关联特征分析，并在此基础上构建了磁刺激穴位在不同状态下的大脑功能有向网络。并计算了脑功能网络的小世界属性，利用脑电极为节点测量度的方法对失眠15患者磁刺激前后的大脑功能网络结构分析、特征参数进行了深入研究与分析，探索了三个穴位磁刺激时大脑功能网络有向连接的变化，并结合额叶、枕叶、中央区、左颞叶和右颞叶几大脑区进行分析。结果发现，失眠状态下，1Hz磁刺激与刺激前相比，复杂脑功能网络都具有小世界属性，其平均度和整体有向连接边增加，失眠患者在刺激后的脑网络连接较刺激之前，在额叶、中央区、左颞叶之间的连接均出现增加趋势，在枕叶、右颞叶之间的连接出现20减少趋势。该研究为磁刺激穴位对于改善亚健康失眠提供了一定的依据。[参考文献](References)[1]许小璇,陈晓冬,王邦茂,张莉莉,姜雪,汪毅,郁道银.基于多通道电刺激的食管起搏系统研究[J].纳米技术与精密工程,2017,(01):31-35.25[2]尹宁,徐桂芝,周茜.磁刺激穴位复杂脑功能网络构建与分析[J].物理学报,2013,(11):569-576.[3]BROVELLIA,DINGM,LEDBERGA,etal.Betaoscillationsinalarge-scalesensorimotorcorticalnetwork:directionalinfluencesrevealedbygrangercausality[J].ProcNatlAcadSciUSa,2004,101(26):9849-9854.[4]王宁,魏玲,李颖洁.基于格兰杰因果分析情绪认知过程中alpha脑电特性[J].生物医学工程学杂志,2012,(06):1021-1026.30[5]STROGATZSH.Exploringcomplexnetworks[J].Nature,2001,410(6825):268-276.[6]MILOR,SHEN-ORRS,ITZKOVITZS,etal.Networkmotifs:simplebuildingblocksofcomplexnetworks[J].Science,2002,298(5594):824-827.[7]胡彩莲,杨硕,陈玲,张林,徐桂芝,尹宁.基于脑网络磁刺激穴位对脑疲劳影响[J].计算机应用,2016,(S2):331-334.35[8]KUSSR,KAMINSKIM,BLINOWSKAKJ.DeterminationofEEGactivitypropagation:pair-wiseversusmultichannelestimate[J].IEEETransBiomedEng,2004,51(9):1501-1510.[9]彭寒平.格兰杰因果关系及其在医学影像数据中的应用[D].湖南师范大学,2013.[10]H.Akaike.Anewlookatthestatisticalmodelidentification.AutomaticControl,IEEETransactionson,1974,19(6):716-723.40[11]G.Schwarz.Estimatingthedimensionofamodel.Theannalsofstatistics,1978,6(2):461-464.[12]杨文,颜卫,涂尚坦,廖明生.基于贝叶斯信息准则的极化干涉SAR图像非监督分类[J].电子与信息学报,2012,(11):2628-2634.[13]蒋涛.基于格兰杰因果关系的视觉额顶网络的研究[D].电子科技大学,2013.[14]W.D.Penny,K.Stephan,A.Mechelli,etal.Comparingdynamiccausalmodels.Neuroimage,2004,22(3):451157-1172.[15]UddinLQ,KellyA,BiswalBB,etal.FunctionalConnectivityofDefaultModeNetworkComponents:-10- 中国科技论文在线http://www.paper.edu.cnCorrelation,Anticorrelation,andCausality[J].HUMANBRAINMAPPING.2009,30(2):625-637.[16]沈洋洋.基于互信息的脑信号分类以及脑功能网络研究[D].南京邮电大学,2016.[17]BullmoreE,SpornsO.Theeconomyofbrainnetworkorganization[J].NatureReviewsNeuroscience,2012,5013(5):336-349.[18]BullmoreE,SpornsO.Complexbrainnetworks:graphtheoreticalanalysisofstructuralandfunctionalsystems[J].NatureReviewsNeuroscience,2009,10(3):186-198.[19]WattsDJ,StrogatzSH.Collectivedynamicsof"small-world"networks[J].Nature,1998,393(6684):440-442.[20]AchardS,SalvadorR,WhitcherB,etal.Aresilient,low-frequency,small-worldhumanbrainfunctional55networkwithhighlyconnectedassociationcorticalhubs[J].TheJournalofNeuroscience,2006,26(1):63-72.[21]YuHongli,XuGuizhi,ZhouQian,etal.EEGcharacteristicsundermagneticstimulationatacupuncturepointandatmockpoint[J].IEEETransactionsonMagnetics,2012,48(11):2857-2860.[22]XuGuizhi,ZhangXiu,YuHongli,etal.ComplexityanalysisofEEGundermagneticstimulationatacupoints[J].IEEEtransactionsonAppliedSuperconductivity,2010,20(3):1029-1032.60-11-'