2025年大學(xué)《系統(tǒng)科學(xué)與工程》專業(yè)題庫——系統(tǒng)科學(xué)與工程在神經(jīng)科學(xué)中的應(yīng)用考試時間：______分鐘總分：______分姓名：______一、系統(tǒng)科學(xué)強調(diào)整體性、關(guān)聯(lián)性和動態(tài)性。請結(jié)合神經(jīng)科學(xué)的特點，闡述系統(tǒng)思維對于理解大腦功能與行為的必要性和優(yōu)勢體現(xiàn)在哪些方面。二、簡述神經(jīng)元群體活動如何可以被抽象為系統(tǒng)模型。列舉至少三種不同的神經(jīng)元群體模型類型（如數(shù)學(xué)模型或概念模型），并簡述其核心思想及主要用途。三、反饋機制在系統(tǒng)科學(xué)和神經(jīng)科學(xué)中都扮演著重要角色。請分別解釋正反饋和負(fù)反饋在一般系統(tǒng)中的含義，并各舉一個例子說明這兩種反饋機制在神經(jīng)科學(xué)過程中的可能作用（例如，在感覺處理、運動控制或情緒調(diào)節(jié)中）。四、功能連接分析方法（如基于時頻分析的相關(guān)性方法）是系統(tǒng)科學(xué)在神經(jīng)影像數(shù)據(jù)分析中應(yīng)用廣泛的技術(shù)。請簡述這種方法的原理，并討論其主要的優(yōu)勢和局限性。五、復(fù)雜適應(yīng)系統(tǒng)理論強調(diào)系統(tǒng)內(nèi)組分間的相互作用、適應(yīng)和學(xué)習(xí)能力。請論述這一理論視角如何有助于理解學(xué)習(xí)、記憶或大腦發(fā)育等神經(jīng)科學(xué)現(xiàn)象。六、腦機接口（BCI）系統(tǒng)可以被視為一個人機閉環(huán)系統(tǒng)。請分析BCI系統(tǒng)中涉及的關(guān)鍵系統(tǒng)科學(xué)要素（如傳感器、處理器、決策算法、執(zhí)行器），并討論系統(tǒng)設(shè)計時需要考慮的主要挑戰(zhàn)（技術(shù)、生理、倫理等方面）。七、系統(tǒng)辨識是系統(tǒng)科學(xué)中的一個重要方法，旨在根據(jù)輸入輸出數(shù)據(jù)建立系統(tǒng)的數(shù)學(xué)模型。請簡述系統(tǒng)辨識的基本流程，并說明在應(yīng)用系統(tǒng)辨識方法研究神經(jīng)電信號（如EEG）時可能遇到的具體困難。八、請比較功能連接和有效連接兩種腦網(wǎng)絡(luò)分析方法的核心概念、計算原理和主要區(qū)別。并說明在研究大腦高級認(rèn)知功能（如決策、問題解決）時，這兩種連接有何不同的重要性。九、從系統(tǒng)失穩(wěn)或網(wǎng)絡(luò)功能障礙的角度，嘗試解釋阿爾茨海默病或精神分裂癥某些核心癥狀的可能病理機制。在闡述中，請運用至少兩個系統(tǒng)科學(xué)相關(guān)的概念。十、設(shè)想你正在研究一種新的感覺（例如，被人類祖先可能擁有的動覺感知能力）。請簡要描述你會如何運用系統(tǒng)科學(xué)與工程的方法來設(shè)計這個研究項目，包括你可能會采用哪些系統(tǒng)科學(xué)工具或視角，以及如何計劃驗證你的研究假設(shè)。試卷答案一、系統(tǒng)思維強調(diào)整體性，有助于理解大腦功能不是孤立區(qū)域活動的總和，而是網(wǎng)絡(luò)協(xié)同作用的結(jié)果；強調(diào)關(guān)聯(lián)性，有助于揭示不同腦區(qū)、神經(jīng)元類型、分子通路之間復(fù)雜的相互作用和相互依賴，例如神經(jīng)網(wǎng)絡(luò)中的長程連接和突觸可塑性；強調(diào)動態(tài)性，有助于觀察大腦活動隨時間、隨不同狀態(tài)（如休息、任務(wù)）的變化，理解信息處理的動態(tài)過程，如突觸效率的快速調(diào)節(jié)和記憶痕跡的消退。二、神經(jīng)元群體活動可以被抽象為系統(tǒng)模型，因為它可以被視為由大量相互連接的“要素”（神經(jīng)元）組成的系統(tǒng)，這些要素通過特定的“連接”（突觸）相互作用，共同產(chǎn)生宏觀的“行為”（如感知特征、運動指令）。模型類型包括：1.平均場模型（如Fokker-Planck方程）：將大量神經(jīng)元的平均活動或概率分布作為狀態(tài)變量，簡化計算，用于模擬宏觀神經(jīng)活動模式。2.連接主義模型（如人工神經(jīng)網(wǎng)絡(luò)）：由大量簡單處理單元（神經(jīng)元）通過連接權(quán)重相互關(guān)聯(lián)組成，用于模擬學(xué)習(xí)和信息處理過程。3.多主體模型（Agent-BasedModel）：模擬大量具有個體行為規(guī)則（神經(jīng)元放電特性）和交互規(guī)則的“智能體”（神經(jīng)元或神經(jīng)元集群）的行為，用于研究涌現(xiàn)現(xiàn)象和網(wǎng)絡(luò)動力學(xué)。三、正反饋是指系統(tǒng)的輸出通過某種機制增強其自身的輸入，導(dǎo)致系統(tǒng)狀態(tài)加速偏離平衡點。例如，在神經(jīng)放電中，一個突觸后神經(jīng)元的高頻放電可能通過使其他神經(jīng)元進(jìn)入易化狀態(tài)，導(dǎo)致更多神經(jīng)元同步放電，形成爆發(fā)性同步。負(fù)反饋是指系統(tǒng)的輸出通過某種機制抑制其自身的輸入或進(jìn)一步變化，使系統(tǒng)狀態(tài)趨向或維持穩(wěn)定。例如，在感覺處理中，持續(xù)的強光刺激可能導(dǎo)致神經(jīng)元的適應(yīng)（如感受器暗適應(yīng)），降低其后續(xù)放電率；在體溫調(diào)節(jié)中，體溫升高會觸發(fā)散熱機制，抑制產(chǎn)熱，使體溫回到設(shè)定點。四、功能連接分析方法（如基于時頻分析的相關(guān)性方法）的原理是：首先，將神經(jīng)信號（如EEG）分解到不同頻率成分（時頻分析，常用小波變換）；然后，計算不同腦區(qū)或同一腦區(qū)內(nèi)不同頻率成分信號的時間序列之間的相關(guān)性或同步性（常用相干、相位鎖定值、互信息等）；最后，將計算得到的連接強度繪制成矩陣或圖譜，以揭示功能上相互關(guān)聯(lián)的腦區(qū)。優(yōu)勢在于能夠揭示大腦不同區(qū)域在功能上的統(tǒng)計相關(guān)性，提供關(guān)于信息分布式處理的證據(jù)，且計算相對直觀。局限性在于相關(guān)性不等于因果性，無法明確指示信息流向；易受頭骨和腦組織容積傳導(dǎo)的影響；空間分辨率有限；對噪聲敏感。五、復(fù)雜適應(yīng)系統(tǒng)理論強調(diào)大腦中的神經(jīng)元、神經(jīng)回路和分子等組分能夠與環(huán)境（內(nèi)部狀態(tài)、外部刺激）互動，并根據(jù)經(jīng)驗（學(xué)習(xí)）調(diào)整自身行為（如改變連接強度、放電閾值）。這一視角有助于理解學(xué)習(xí)記憶：新經(jīng)驗的產(chǎn)生被視為系統(tǒng)適應(yīng)環(huán)境并存儲適應(yīng)性信息的過程，突觸可塑性的變化是神經(jīng)元群體適應(yīng)的體現(xiàn)；有助于理解大腦發(fā)育：大腦結(jié)構(gòu)和功能網(wǎng)絡(luò)的構(gòu)建被視為個體與環(huán)境互動、系統(tǒng)自組織的結(jié)果；有助于理解大腦可塑性：大腦在損傷后重新組織功能的能力被視為系統(tǒng)在擾動下適應(yīng)和涌現(xiàn)新功能的表現(xiàn)。六、BCI系統(tǒng)涉及的關(guān)鍵系統(tǒng)科學(xué)要素包括：1.傳感器（Sensors）：用于采集大腦信號（如EEG、fMRI）或生理信號（如肌肉電）。2.信號處理與特征提?。⊿ignalProcessing&FeatureExtraction）：清洗噪聲信號，提取代表用戶意圖的可靠特征。3.狀態(tài)估計與意圖識別（StateEstimation&IntentRecognition）：基于提取的特征，利用算法（如分類器）判斷用戶的意圖（如移動光標(biāo)、打字）。4.決策與規(guī)劃（DecisionMaking&Planning）：根據(jù)識別出的意圖，選擇相應(yīng)的指令序列。5.執(zhí)行器（Actuator）：將指令轉(zhuǎn)化為外部輸出（如控制電腦光標(biāo)、輪椅、假肢）。6.反饋回路（FeedbackLoop）：系統(tǒng)輸出（執(zhí)行器動作）的反饋信息可能被用于調(diào)整輸入信號的處理或輸出指令的生成，形成閉環(huán)控制。系統(tǒng)設(shè)計挑戰(zhàn)包括：提高BCI系統(tǒng)信號采集的穩(wěn)定性和抗干擾能力；增強意圖識別算法的準(zhǔn)確性和魯棒性，減少誤報漏報；降低用戶的認(rèn)知負(fù)荷，提高控制效率和舒適度；確保系統(tǒng)的安全性和可靠性；解決長期植入BCI的生物相容性和電極穩(wěn)定性問題；處理潛在的倫理和社會問題。七、系統(tǒng)辨識的基本流程通常包括：1.模型選擇：根據(jù)系統(tǒng)特性和研究目標(biāo)，選擇合適的系統(tǒng)模型類型（如線性時不變模型、非線性模型）。2.實驗設(shè)計：設(shè)計輸入信號（激勵），使其能夠充分揭示系統(tǒng)的動態(tài)特性，同時采集系統(tǒng)的輸出響應(yīng)。3.數(shù)據(jù)預(yù)處理：對采集到的輸入輸出數(shù)據(jù)進(jìn)行去噪、濾波、歸一化等處理。4.參數(shù)估計：利用系統(tǒng)辨識算法（如最小二乘法、最大似然估計、非線性優(yōu)化算法），根據(jù)輸入輸出數(shù)據(jù)估計模型中的未知參數(shù)。5.模型驗證：將辨識得到的模型與實際系統(tǒng)進(jìn)行比較，通過統(tǒng)計檢驗或模擬仿真評估模型的預(yù)測精度和泛化能力，判斷是否滿足要求。在應(yīng)用系統(tǒng)辨識研究神經(jīng)電信號（如EEG）時可能遇到的困難包括：神經(jīng)信號本身具有高度隨機性和非線性的特點；信號微弱，易受噪聲（環(huán)境電磁干擾、肌肉活動、眼動等）污染；信號與潛在認(rèn)知狀態(tài)的關(guān)系復(fù)雜，難以設(shè)計理想的實驗輸入；需要辨識的參數(shù)數(shù)量龐大，而可用數(shù)據(jù)量有限。八、功能連接和有效連接的核心概念、計算原理和主要區(qū)別如下：1.核心概念：*功能連接（FunctionalConnectivity,FC）：指基于時間序列分析得出的不同腦區(qū)神經(jīng)活動（通常是信號幅度或時頻特征）之間的統(tǒng)計相關(guān)性或同步性。它反映的是兩個腦區(qū)活動在時間上的相似性，不一定代表直接的因果關(guān)系。*有效連接（EffectiveConnectivity,EC）：指一個腦區(qū)的活動對另一個腦區(qū)活動產(chǎn)生因果影響的可能性或方向性。它試圖揭示信息在腦網(wǎng)絡(luò)中的流動方向和控制關(guān)系。2.計算原理：*功能連接：常用方法包括計算時間序列之間的皮爾遜相關(guān)系數(shù)、相干（Coherence）、相位鎖定值（PhaseLockingValue,PLV）、互信息（MutualInformation）等。這些方法主要度量信號在幅度或相位上的相似性。*有效連接：常用方法包括Granger因果分析（GCA）、動態(tài)因果模型（DynamicCausalModeling,DCM）、基于模型的方法（如結(jié)構(gòu)方程模型）、信息論方法（如轉(zhuǎn)移熵）等。這些方法旨在量化一個腦區(qū)活動對另一個腦區(qū)活動變化的預(yù)測能力或影響程度。3.主要區(qū)別：*性質(zhì)：FC是統(tǒng)計相關(guān)性，EC是因果性或影響性。*方向性：FC通常是雙向的或無方向的統(tǒng)計關(guān)系，EC具有潛在的方向性（雖然雙向EC也是可能的）。*對噪聲和偽影的敏感性：FC易受噪聲和偽影影響（尤其是幅度信息），EC方法試圖通過引入方向性假設(shè)或基于模型的方法來克服部分FC的局限性，但計算更復(fù)雜。*生物學(xué)意義：EC通常被認(rèn)為比FC具有更強的生物學(xué)解釋潛力，因為它直接關(guān)聯(lián)到信息傳遞和控制。在研究大腦高級認(rèn)知功能（如決策、問題解決）時，F(xiàn)C有助于揭示參與這些功能的不同腦區(qū)是否協(xié)同工作，形成功能集群；EC則有助于揭示這些功能中信息是如何被精確地調(diào)控和傳遞的，例如，哪個腦區(qū)可能起驅(qū)動作用，哪個起抑制或調(diào)節(jié)作用，從而提供更精細(xì)的機制理解。九、從系統(tǒng)失穩(wěn)或網(wǎng)絡(luò)功能障礙的角度，阿爾茨海默病（AD）或精神分裂癥（SC）某些核心癥狀的可能病理機制可解釋如下：以AD為例，其核心病理特征是β-淀粉樣蛋白斑塊和神經(jīng)元纖維纏結(jié)（Tau蛋白聚集）。從系統(tǒng)科學(xué)視角看，這些病理物質(zhì)可以被視為干擾了神經(jīng)網(wǎng)絡(luò)正常運行的“干擾項”或“故障模式”。1.系統(tǒng)失穩(wěn)：大量病理蛋白沉積可能破壞了神經(jīng)元之間的正常通訊，增加了網(wǎng)絡(luò)對微小擾動的敏感性，降低了系統(tǒng)的穩(wěn)定性和恢復(fù)能力。當(dāng)網(wǎng)絡(luò)活動偏離正常范圍時，可能難以回到平衡狀態(tài)，導(dǎo)致認(rèn)知功能的緩慢衰退。2.網(wǎng)絡(luò)功能障礙：病理蛋白可能選擇性地破壞特定的長程連接，或者改變腦區(qū)之間連接的權(quán)重分布，導(dǎo)致功能網(wǎng)絡(luò)（如默認(rèn)模式網(wǎng)絡(luò)、執(zhí)行控制網(wǎng)絡(luò)）的結(jié)構(gòu)和功能發(fā)生改變。例如，AD中默認(rèn)模式網(wǎng)絡(luò)的過度連接和內(nèi)部功能分化受損，可能解釋了其記憶障礙和認(rèn)知衰退癥狀。這種網(wǎng)絡(luò)功能的改變可被視為系統(tǒng)層面的功能障礙。以SC為例，其病理機制復(fù)雜，涉及遺傳、神經(jīng)生化、神經(jīng)環(huán)路等多種因素。從系統(tǒng)科學(xué)視角看，可能存在以下機制：1.負(fù)反饋環(huán)路功能障礙：大腦中存在多種調(diào)節(jié)注意力和認(rèn)知控制的負(fù)反饋環(huán)路。SC患者可能存在這些環(huán)路的功能減弱或過度激活，導(dǎo)致難以抑制無關(guān)信息的干擾（如思維散漫、幻覺），或難以主動引導(dǎo)注意（如注意力不集中）。2.多巴胺系統(tǒng)失衡：中腦多巴胺通路的功能異常與SC的陽性癥狀（如幻覺、妄想）和陰性癥狀（如情感淡漠、意志減退）有關(guān)。這可以被視為關(guān)鍵神經(jīng)化學(xué)“控制器”的失衡，導(dǎo)致整個神經(jīng)行為系統(tǒng)的狀態(tài)偏離正常范圍。這些解釋運用了系統(tǒng)失穩(wěn)、網(wǎng)絡(luò)結(jié)構(gòu)改變、反饋機制失調(diào)、關(guān)鍵組分（如神經(jīng)遞質(zhì)）功能異常等系統(tǒng)科學(xué)概念，將疾病的復(fù)雜表現(xiàn)關(guān)聯(lián)到系統(tǒng)層面的運行異常。十、研究一種新的感覺（例如，動覺感知能力）的設(shè)想：1.系統(tǒng)科學(xué)視角與工具：*視角：采用復(fù)雜適應(yīng)系統(tǒng)視角，將感知系統(tǒng)視為一個由感受器（假想的動覺感受器）、傳入神經(jīng)通路、大腦處理區(qū)域（初級、次級感覺皮層等）以及環(huán)境互動所構(gòu)成的動態(tài)自適應(yīng)系統(tǒng)。*工具：*系統(tǒng)建模：建立簡化的數(shù)學(xué)模型（如多主體模型或連接主義模型）來模擬感受器如何編碼運動信息，以及大腦如何整合、解釋這些信息。*網(wǎng)絡(luò)分析：分析在動覺感知任務(wù)中大腦活動（如fMRI、EEG）的時空動態(tài)網(wǎng)絡(luò)，識別哪些腦區(qū)參與其中，以及它們之間的連接模式。*控制理論：如果該感覺涉及運動控制（如本體感覺），可以運用控制理論分析感知與運動反饋的閉環(huán)機制。*信息論：評估該感覺系統(tǒng)傳遞信息的效率。2.研究設(shè)計思路：*階段一：探索與假設(shè)形成。*文獻(xiàn)回顧：研究已知感覺系統(tǒng)（如視覺、聽覺）的神經(jīng)機制、信息編碼方式、大腦處理網(wǎng)絡(luò)。*病例研究/行為觀察（如果存在類似能力的動物或人類）：了解其感知特性、行為表現(xiàn)。*提出假設(shè)：關(guān)于該新感覺的信息編碼方式（例如，是編碼速率、方向還是其他物理量？）、大腦處理區(qū)域、以及它如何與已知感覺系統(tǒng)交互。*階段二：實驗設(shè)計與數(shù)據(jù)采集。*設(shè)計實驗范式：通過精確控制外部運動刺激（如不同速度、方向、力度的機械運動），誘發(fā)表觀該新感覺的行為反應(yīng)（如主觀報告、反應(yīng)時、回避行為）。同時，利用無創(chuàng)腦成像技術(shù)（如fMRI、EEG/MEG）記錄大腦活動。*招募被試：可能需要特別訓(xùn)練的被試（如動物）或?qū)ふ胰祟愄乩ㄈ绻嬖冢?采集數(shù)據(jù)：記錄行為數(shù)據(jù)、神經(jīng)影像數(shù)據(jù)、可能的神經(jīng)電信號數(shù)據(jù)。*階段三：數(shù)據(jù)分析