我校生物医学工程学院丛丰裕教授课题组针对脑功能网络的时间非平稳性、频率特定性及空间不均匀性问题，提出基于张量分解的分析框架提取任务相关脑网络，相关成果连续发表于NeuroImage、IEEE transactions NSRE等顶级期刊。脑功能连接网络刻画了不同脑区之间的协同作用，在认知过程中扮演了重要的角色。通常以记录的不同脑区功能磁功能信号（fMRI）之间的统计依赖性（如相关）来刻画脑功能连接作用。但由于fMRI信号的低时间分辨率，不能很好的研究大脑网络的电生理特征。最近利用源空间高维脑电/脑磁（EEG/MEG）信号的高时间、空间分辨率研究表明，脑网络连接在时间上是非平稳的、且依赖于脑节律的频率，在空间上也展现一定的拓扑结构，针对脑网络这一高维特性还没有很好的方法来提取复杂的电生理脑网络结构。
首先，丛丰裕课题组长期致力于高阶脑信号的处理，针对传统高阶张量分解收敛性差，速度慢等问题，该课题组提出了一种新的利用近端算法的非负张量分解模型，采用基于块式主轴元法（block principal pivoting）的非负最小二乘算法来优化目标函数。该方法能够保证张量分解具有较好的收敛性并提高计算速度(图1)。此研究为处理高维脑功能网络提供了可能。相关成果“Higher-Order Nonnegative CANDECOMP/PARAFAC Tensor Decomposition Using Proximal Algorithm”发表信号处理领域旗舰会议ICASSP并获得最佳学生论文奖（）。
图1. 与传统算法对比实验结果。
为了提取特定频率脑节律参与的功能网络，该课题组提出了基于张量分解的分析框架来分析在执行认知任务工程中频率特定的脑功能网的动态重组特性。这些网络在时间上交替形成和消散，往往对应特定的事件，可以成为事件相关网络。分析流程首先对连续脑磁信号进行溯源和脑区划分提取出特定脑区的信号，基于时频耦合分析计算动态功能链接指标，形成三阶张量，采用CP分解提取时间，频率即连接分量的成分，通过每个成分的时间特征与行为数据相关分析，确定任务相关的电生理脑网络模式的重组（图2）。分析框架应用到脑连接计划（HCP）开源数据中的运动任务中得到了很好的验证（图3），可以看到成功的提取了Beta节律参与的Motor网络当执行按钮操作时。另外，当提示信号出现在屏幕上时，提取了低频视觉脑网络。然后应用到相对复杂的工作记忆任务中，探索了工作记忆中电生理网络模式的重组。该成果“Discovering dynamic task-modulated functional networks with specific spectral modes using MEG” （）发表于神经成像领域顶级期刊NeuroImage （IF=5.9，JCR Q1）。
图2. 利用张量分解提取事件相关脑功能网络分析框架。
图3. 分析方法应用于简单运动（Motor）任务成功提取事件相关Motor和Visual网络。
另外，针对更复杂的任务如自然音乐刺激下的电生理脑网络提取，课题组利用该分析方法结合音乐检索技术从音乐刺激中提取特定的特征序列（可看作特定事件序列）作为参考，设计出用于分析自然音乐刺激下电生理脑功能网络的提取（图4），成功的提取了音乐特征相关的脑功能网络模式（图5）。该成果“Deriving Electrophysiological Brain Network Connectivity via Tensor Component Analysis During Freely Listening to Music”（）发表于生物医学工程康复医学领域顶级期刊IEEE Transactions on Neural Systems and Rehabilitation Engineering（IF=3.34, JCR Q1）。目前国际上对于提取频率依赖的脑网络主要依赖于先滤波成感兴趣的频段，然后再计算连接，从而容易忽视其他任务相关的频段参与的脑网络，该课题组提出的基于张量的方法完全数据驱动的，不需要事先假设哪一频段或时间窗内出现特定网络连接，可以很好的描述电生理脑网络特性，对于研究连续任务尤其自然刺激下脑网络重组具有一定的意义。
图4. 结合张量分解以及音乐信息检索提取脑网络连接分析框架。
图5. 提取的音乐相关脑网络。
丛丰裕教授长期从事脑科学、医学和计算机科学等高度交叉的认知神经科学，任职大连理工大学电信学部生物医学工程学院与人工智能学院双聘教授、博士生导师。同时是芬兰于韦斯屈莱大学兼职教授，日本理化学研究所客座研究员，中国生物医学工程青年委员会副主任委员，辽宁省神经科学学会副会长，先后获得辽宁省“兴辽英才计划”青年拔尖人才和大连市地方级领军人才等称号。出版一本英文专著，在国际顶尖期刊NeuroImage、IEEE Trans on Signal processing/Multimedia/ Neural Systems and Rehabilitation Engineering等其他国际主流期刊及会议发表论文共计100余篇，其谷歌学术H因子为19。获得了多项国家自然科学基金的资助（91748105&81471742、DUT2019），另外与美国哈弗大学、德国亚琛工业大学、芬兰于韦斯屈莱大学有紧密的国际合作关系，欢迎对脑科学感兴趣的同学加入。
