基于ACT-R与fMRI融合的情绪与认知计算的信息加工过程研究

本书在研究方法上参考了国内外相关研究成果，依据脑信息学系统方法学原理，利用ACT-R平台建立相应的认知假设模型并仿真，同时，对抑郁症患者和正常对照组完成不同情绪刺激下认知计算任务的信息加工过程从更细的时间微粒上进行解释和验证。本书提出采用模糊近似熵方法研究不同性别、不同年龄及抑郁症患者和正常对照组之间的差异，这在国内尚属首次。本书的主要创新点如下：①针对被试完成加法计算和减法计算的任务信息加工过程差异问题，分别建立了对应的认知假设模型，模拟数据和真实数据的有效拟合，证明了假设模型的有效性。首次采用ACT-R建模的方式对加法计算和减法计算任务的信息加工过程差异性进行解释和验证，提出加法计算主要以提取策略为主，减法计算则是提取策略与计算策略共同完成，该结果与Deheane提出的三联体模型相一致。②针对正常人完成不同情绪刺激下加减法计算任务的差异问题，依据行为实验数据、事后问卷调查表结果，分别对其信息加工过程建立了对应的ACT-R假设模型。首次采用ACT-R结合fMRI技术对正常人完成不同情绪刺激下加减法计算任务之间的差异问题进行了分析和研究，提出了正常人具有正性情绪偏向和负性情绪偏离的特点。③针对抑郁症患者具有情绪功能障碍和认知功能障碍特点，首次提出了抑郁症患者与正常对照组完成不同情绪刺激下加法计算的ACT-R假设模型，并进行了仿真验证。模拟数据和真实数据的有效拟合验证了假设模型的有效性，首次从更细的时间微粒上解释正常对照组和抑郁症患者完成不同情绪刺激下加法计算任务的脑区内部信息加工过程。④针对不同性别、不同年龄的抑郁症患者及抑郁症患者和正常对照组的BOLD信号数据的非线性动力学之间差异性问题，首次提出采用模糊近似熵的方法对其进行分析和研究，并与样本熵进行比较。结果表明，模糊近似熵更适合BOLD信号数据分析，从而可能为抑郁症患者的临床诊断和康复治疗提供一个新的客观量化指标，为抑郁症患者的BOLD信号研究提供一个新的手段和方法。