神经与智能工程中心-复旦大学类脑智能科学与技术研究院

首页 · 旧站栏目 · 科研 · 科研平台1 · 神经与智能工程中心

神经与智能工程中心

发布时间：2018-08-28浏览量：454

该中心面向重大神经与精神疾病的临床诊治需求，发展神经动力学信息感知与处理方法，探索脑信息整合规律与脑功能重塑机制。将神经编码与智能理论相结合，研发神经感知、神经调控和神经计算技术，突破脑-智融合技术，建立片上智能系统，研发自学习智能人-机交互系统，实现神经功能智能调控与仿生，为保护脑、增强脑、干预脑提供智能设备和创新解决方案。

团队PI人员

王守岩|

主要研究方向

方向一：神经调控与仿生

面向神经功能修复与重建，发展神经动力学信息解码与编码方法，探索神经信息整合与功能重塑机制，建立具备神经感知、计算、调控功能的脑-智融合技术，研发智能神经刺激与神经假体设备，实现神经环路功能智能调控与仿生。

方向二：人机交互

研制生理、生化、行为等生物医学传感芯片，建立具备信息感知与融合、实时辨识与判断、自适应命令控制的智能人机交互系统，研发智能可穿戴设备与交互式医疗机器人，提供脑疾病精准治疗与康复解决方案。

研究进展

帕金森病与肌张力障碍丘脑底核神经波动

王守岩教授团队揭示人脑丘脑底核神经波动在不同运动障碍疾病中的异同。丘脑底核是基底神经节中参与运动控制的重要核团，其神经波动记录于通过深部脑刺激手术埋植的电极，标示了运动障碍的病理性状态。

深部脑刺激手术已广泛用于帕金森病、肌张力障碍等运动性神经系统疾病的治疗中。前期研究表明帕金森病丘脑底核存在过度同步化的beta频段神经波动，然而，对于发病机制不同的肌张力障碍，是否具有相似或独特的神经波动尚不明确。王守岩教授团队针对这一问题，采用频谱分析与复杂度分析的方法，对比发现丘脑底核神经波动在帕金森病与肌张力障碍病人中存在显著的频段能量差异和神经信号复杂度差异。对比帕金森病用药/不用药两个状态，丘脑底核神经波动低beta频段能量在用药后明显降低。对比肌张力障碍与帕金森病，肌张力障碍的丘脑底核神经波动没有过度同步化的的beta频段能量但存在同步化的低频能量（约4-10Hz）和高gamma频段能量，并且具有明显低于帕金森病丘脑底核神经信号的复杂度。该结果表明相同神经核团在不同病理状态下表现出不同的神经波动特征，且过度同步化的beta频段神经波动可能直接反映了多巴胺缺失的病理状态。

Geng, X., et al. (2017). “Comparison of oscillatory activity in subthalamic nucleus in Parkinson’s disease and dystonia.” Neurobiology of Disease 98: 100-107.

文章链接: https://doi: 10.1016/j.nbd.2016.12.006

与深部脑刺激疼痛缓解相关场电位特征

神经病理性疼痛的发病机制尚不明确，这极大程度的限制了治疗的有效性。近年来，牛津大学采用深部脑刺激感觉丘脑及水管周灰质（PVAG）的方法对神经病理性疼痛进行了治疗，然而对疼痛的缓解效果存在较大的个体性差异，其作用机制仍不明确。王守岩教授团队对进行了感觉丘脑及PVAG深部脑刺激手术的患者进行了神经波动与疼痛缓解程度的关联性研究。

该研究对神经波动的频谱特征与动态特征进行描述，并分析了各频段特征与疼痛缓解程度之间的非线性相关性。结果表明，theta频段神经波动与感觉丘脑和PVAG刺激后疼痛缓解程度强相关。此外，感觉丘脑的高beta频段神经波动和PVAG的alpha频段神经波动也与疼痛缓解程度相关。在神经波动动态特征方面，团队发现theta、高beta神经波动的高能量持续时间与低能量持续时间的比值与疼痛缓解程度相关。

该研究首次揭示了人脑丘脑和PVAG在神经病理性疼痛发病与治疗中的重要作用，并定量化的描述了神经波动与深部脑刺激治疗疼痛的关系，证明了神经波动作为定量化脑功能状态的神经标记的可靠性。

Huang, Y., et al. (2016). “Characteristics of local field potentials correlate with pain relief by deep brain stimulation.” Clinical Neurophysiology 127(7): 2573-2580.

文章链接: https://doi: 10.1016/j.clinph.2016.04.011

基于脑深部场电位神经同步与大脑连接的运动解码研究

王守岩教授团队解码基底神经节运动控制环路，为运动性神经系统疾病治疗和下一代脑机接口技术开发提供新思路。该研究对深部脑刺激记录的基底神经节的苍白球内侧和丘脑底核，两个核团的神经波动进行运动任务相关的神经解码。研究采用手指点按运动任务，对神经波动进行事件相关电位的频谱、时频谱分析。使用小波包变换和Granger因果分析的方法，对事件相关电位的神经波动进行特征提取并进行大脑区域功能连接分析。该研究提出了一种新的加权序列特征选择算法，在解码过程中进行特征重要性评估，适合用于试验次数少的高维信号特征提取。该算法能够有效解码运动特征，达到99.8%的准确率和81.5%的偏侧化分类准确率。研究发现双侧基底神经节的因果关系，对侧强于同侧，这种因果关系提高了偏侧性的辨识力。该研究表明由同侧大脑连接性确定的同步化神经波动可作为自适应脑机接口的控制信号。尤其在进行深部脑刺激手术的病人中，该信号可直接被记录并稳定用作控制信号。此外，该方法还可扩展为采集运动皮层神经波动，用于非侵入式脑机接口，提供脑深部神经波动之外的附加信息。

Mamun, K. A., et al. (2015). “Movement decoding using neural synchronization and inter-hemispheric connectivity from deep brain local field potentials.” J Neural Eng 12(5): 056011.

文章链接: https:// doi: 10.1088/1741-2560/12/5/056011.

发表成果（2015-2016）

X Geng, J Zhang, Y Jiang, K Ashkan, T Foltynie, P Limousin, L Zrinzo, A Green, T Aziz, P Brown, S Wang, Comparison of oscillatory activity in subthalamic nucleus in Parkinson's disease and dystonia. Neurobiology of Disease, 98: 100-107, 2017
Y Huang, H Luo, AL Green, T Aziz, S Wang*. Characteristics of local field potentials correlate with pain relief by deep brain stimulation.Clinical Neurophysiology, 127:2573-2580, 2016
Y Huang, X Geng, L Li, JF Stein, TZ Aziz, AL Green, S Wang*, Measuring complex behaviors of local oscillatory networks in deep brain local field potentials. Journal of Neuroscience Method, 264:25-32, 2016
M Khondaker, M Mace, M Lutman, J Stein, X Liu, T Aziz, R Vaidyanathan, S Wang*. Movement decoding using neural synchronisation and inter-hemispheric connectivity from deep brain local field potentials. Journal of Neural Engineering, 12(5): 056011, 2015
PT Hosseini, S Bell, S Wang, D Simpson. Induced activity in EEG in response to auditory stimulation. Biomedical Signal Processing and Control, 22: 31-43, 2015
“A 101.4 GOPS/W Reconfigurable and Scalable Control-Centric Embedded Processor for Domain-Specific Applications,“ IEEE Transactions on Circuits and Systems I: Regular Papers, vol. 63, no. 12, pp. 2245-2256, December 2016.
“A UWB-Based Sensor-to-Time Transmitter for RF-Powered Sensing Applications,“ IEEE Transactions on Circuits and Systems II, vol. 63, no. 5, pp. 503-507, May 2016.
Han Jin(#)，Yajie Qin(*)，Hao Liang，Lei Wan，Hao Lan，Guoping Chen(*)，Ran Liu，Li-rong Zheng，Patrick Chiang，Zhi-liang Hong，A Mobile-Based High Sensitivity On-Field Organophosphorus Compounds Detecting System for IoT-Based Food Safety Tracking，Journal of Sensors，02.21，2017.
Keji Cui(#)，Kebo Wang，Jia Mao，Yajie Qin(*)，Zhuo Zou，Lirong Zheng，An All-Digital Phase-Locked-Loop with a Robustness Enhanced DCO，Microwave and Optical Technology Letters，02.01，59（2）：312~315.
Liao, Mengjia(#)，Guo, Yi，Qin, Yajie，Wang, Yuanyuan(*)，The application of EMD in activity recognition based on a single triaxial accelerometer，Bio-Medical Materials and Engineering，01.01，26：S1533~S1539 .
Sun, Ming-Yuan(#)，Qin, Ya-Jie，Lim, Wim-Meng，Yu, Qi，Liu, Yang(*)，Design of a 60 GHz, 11.7% Tuning-Range Voltage-Controlled Oscillator in 65 nm CMOS Technology，Nanoscience and Nanotechnology Letters，5.01，7（5）：402~405 .
Wang, Yanchao(#)(*)，Ke, Keren，Qin, Wenhui，Qin, Yajie，Yi, Ting，Hong, Zhiliang，A low power low noise analog front end for portable healthcare system，Journal of Semiconductors，01.01，36（10）.