《表1 3名受试者Mu节律和Beta节律MI-EEG的脑功能网络特征参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于锁相值和图论的脑功能网络特征提取方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

针对3名受试者的MI-EEG信号，对Mu节律和Beta节律分别构建脑功能网络，计算CC、CPL等6种网络特征参数，并将所有实验的6种特征参数分别取平均，从统计的角度分析大脑网络特性，如表1所示。可见，在Mu节律和Beta节律上，想象舌头运动比想象左手运动在相同的阈值下取得了更高的网络聚类系数、网络密度、全局效率以及较低的特征路径长度，说明想象舌头运动时大脑功能网络更加稠密、集团化程度和信息传输能力更高。并且，相比于想象左手运动，想象舌头运动取得了更高的平均度，说明受试者在想象舌头运动时大脑具有更高的同步能力，造成这一现象的原因可能是想象舌头运动比想象左手任务难度更高。相比于Beta节律的网络特征参数，所有受试者在Mu节律上都取得了较高的网络聚类系数、网络密度、平均度、全局效率以及较低的特征路径长度，这说明受试者在进行想象运动时，Mu节律的脑电信号更加活跃。所有受试者两种想象任务的小世界指标都大于1，说明大脑网络具有小世界特性。显然，对于不同的MI任务，这6种特征参数都具有显著差异，所以这些特征可以用于区分不同的运动想象任务。