儿童时期大脑的正常发育轨迹对于脑疾病的分析具有重要的对照意义。许多学者基于脑电图对不同年龄阶段的正常儿童大脑功能连接进行分析研究,但通常采用较为传统的耦合方法以及连通性分析方法,这会影响大脑连通性表征的真实性和全面性。另一方面,人们在对功能连接的分析过程中,往往忽略了对脑电图(electroencephalogram,EEG)的非关联性特征的分析,这可能会错过潜在的重要信息。本文基于0～17岁儿童的非快速眼动(non-rapid eye movement,NREM)睡眠期脑电图研究不同年龄组的儿童大脑功能连接差异性,创新点主要在于:(1)分别通过网络二值化以及深度学习方法解决脑电图的噪声、个体差异性对年龄组群体大脑连通性真实表征的影响;(2)应用复杂网络理论分析大脑功能连接,并提出新的网络度量。主要的工作和成果如selleckchem Baf-A1下:1.针对脑电图的低信噪比以及个体间差异性问题,本文提出了基于熵稳定性判据的二值化阈值搜Healthcare acquired infection寻法构建个体水平的大脑功能连接(individual level functional connetivity,ILFC),该方法剔除功能网络中的个性化部分连接以及噪声产生的连接。通过分析网络的功能分离和功能整合发现:(1)脑电信号的β频带是反映大脑功能网络分离和整合特性随年龄变化的关键频带;(2)3个月到3岁期间大脑发生从网络分离到网络整合的转变。之后,为了研究年龄组群体的网络中心性,首先基于多数投票方法构建了年龄组水平的功能连接(group level functional connectivity,GLFC),之后提取GLFC的节点度特征,刻画年龄组群体网络中心性分布形状,并在节点度的基础上提出VD(variance of overlaying degree centrality)特征,该特征反映了大脑网络中心的突出程度。结果显示VD特征与年龄的增长大体呈负相关,能够在一定程度上反映大脑的成熟度。2.提出基于并行一维卷积神经网络(one dimension convolutional network,1D-CNN)和典型关联性分析(canonical correlation analysis,CCA)的带权功能连接构建方法。该方法在构建连接之前提取脑电图的年龄相关特征,同时削弱脑电信号的噪声和个体个性化信息。然后通过非参数统计检验分析连接值随年龄增长而变化的主要功能区。此外,利用同样结构的1D-CNN模型结合通道失活方法分析脑电图非关联性特征随年龄增长而变化的主要功能区。综合分析以上的实验结果发现:(1)随着年龄增长而变化的连接主要为跨功能区的连接;(2)对于各个大脑功能区,其功能连接和脑电非关联性特征随年龄增长的变化程度在大多数情况下并不一致;(3)3岁或是儿童认知能力发育的关键阶段。3.开发了儿童大脑功能连接分析系统,以Matlab GUI软件为依托,将第三章所提的功能连接构建方法以及网络分析方法应用于该分析系统,能实现EEGSTM2457分子量数据预处理、功能连接构建、网络特征对照分析三个功能。该系统能很好地辅助医生对儿童个体的大脑功能连接进行分析。