本文選題：音樂 + 腦電信號��； 參考：《復旦學報(自然科學版)》2017年06期

【摘要】：近年來實驗發(fā)現音樂相比其他機械噪聲對人腦感知系統(tǒng)更能增強大腦內部復雜網絡特性.優(yōu)美音樂在頻譜上普遍具有1/f統(tǒng)計特征.在音樂增強腦電信號記錄分析中,我們發(fā)現對比具有1/f特征的音樂信號,在仍保留1/f特征的隨機亂樂刺激下,大部分腦皮層區(qū)域的腦功能網絡連接密度普遍下降,并且增強的腦功能網絡小世界特性在一定閾值范圍內也會有顯著下降.隨機打亂的音樂雖然仍保留長程相關特征,但打亂后每分鐘節(jié)拍數和節(jié)拍清晰度出現了明顯降低.這兩種音樂特性的降低與音樂打亂前后的大腦小世界網絡統(tǒng)計指標的CMean/LMean降低有顯著關聯(lián).說明音樂信號除了1/f長程相關統(tǒng)計特征之外的其他有效音樂信息在增強腦功能網絡方面也起到重要作用.
[Abstract]:In recent years, it has been found that music can enhance the complex network characteristics of the brain more than other mechanical noise. Beautiful music generally has a 1 / F statistical feature on the spectrum. In music enhanced EEG recording and analysis, we found that compared with music signals with a 1 / f feature, the density of functional network connections in most cortical regions generally decreased under random stimuli that still retain the 1 / f feature. And the enhanced small-world characteristics of brain functional networks also decrease significantly within a certain threshold range. Although the randomly disturbed music still retains the characteristics of long range correlation, the number of beats per minute and the clarity of the beat were significantly decreased after the disturbance. The decrease in these two musical characteristics was significantly associated with the decrease of Cmean / LMean, a statistical measure of the small world network of the brain before and after musical disruption. The results show that other effective musical information, besides the statistical features of 1 / f long range correlation, also play an important role in enhancing the brain function network.
【作者單位】： 復旦大學生命科學學院生理學和生物物理學系腦科學協(xié)同創(chuàng)新中心;復旦大學計算系統(tǒng)生物學中心;
【基金】：國家自然科學基金(31571070) 國家高級術研究發(fā)展計劃(2015AA020508) 上海市“東方學者”和國家癲癇精準醫(yī)學(2016YFC0904400)項目
【分類號】：J60-05;Q42

【相似文獻】

相關期刊論文 前10條

1 魯強;劉玉軍;徐建蘭;張進祿;;一種適用于清醒動物腦電信號采集的固定裝置[J];首都醫(yī)科大學學報;2011年06期

2 孟欣，歐陽楷;腦電信號的幾個非線性動力學分析方法[J];北京生物醫(yī)學工程;1997年03期

3 吳小培,馮煥清,周荷琴,王濤;獨立分量分析及其在腦電信號預處理中的應用[J];北京生物醫(yī)學工程;2001年01期

4 李英遠,周衛(wèi)東;徑向基函數神經網絡在腦電信號建模中的應用[J];山東生物醫(yī)學工程;2002年02期

5 劉大路,江朝暉,馮煥清,王聰;基于腦電信號時空分布信息的思維特征研究[J];北京生物醫(yī)學工程;2004年02期

6 許崇濤,沈民奮,李慧,朱國平;雙譜分析方法在腦電信號分析中的應用[J];中國行為醫(yī)學科學;2004年03期

7 李谷;范影樂;龐全;;基于排列組合熵的腦電信號睡眠分期研究[J];生物醫(yī)學工程學雜志;2009年04期

8 劉國松;周佳音;;腦電信號的計算機頻譜分析[J];生物化學與生物物理進展;1985年03期

9 馬彥斌，，吳祈耀;維格納分布在腦電信號處理中的應用[J];北京理工大學學報;1995年02期

10 吳祈耀，吳祈宗;腦電信號的現代譜分析技術[J];北京理工大學學報;1995年02期

相關博士學位論文 前1條

1 馬小飛;認知任務下的腦電動力學分析[D];南京大學;2017年

相關碩士學位論文 前10條

1 于洪;基于腦電信號的警覺度估計[D];上海交通大學;2007年

2 張志琴;腦電信號的復雜性分析[D];中南大學;2009年

3 許鳳娟;腦電信號采集與分析系統(tǒng)的設計[D];長春理工大學;2011年

4 王歡;基于非平穩(wěn)時間序列分析方法的腦電信號模式識別[D];蘇州大學;2015年

5 王世通;基于多尺度符號序列熵的睡眠腦電與少中年腦電信號分析[D];南京郵電大學;2015年

6 徐朝陽;基于深度網絡的腦電信號分類方法研究[D];中國海洋大學;2015年

7 王帥;基于符號化表示學習的腦電信號情緒分類方法研究[D];哈爾濱工業(yè)大學;2016年

8 溫煒;腦電信號采集系統(tǒng)的設計與實現[D];南京郵電大學;2016年

9 葛卉;腦電與視聽覺特征相結合的視頻情感分類[D];北京工業(yè)大學;2016年

10 雙嘉偉;運動想象腦電信號模式識別算法的研究[D];中國計量學院;2016年

本文編號：2054119