随着全球人口老龄化问题日益严重,年老化相关的认知功能研究也得到了更多的关注和重视。众所周知,多感觉整合参与到了人类生活、工作和学习的各个方面,且大量研究已经证明,多感觉整合可以增强人的认知加工过程。正常老化对多感觉整合的影响已经成为了最近几年较重要的大脑认知研究之一。由于人类的认知功能随年龄增长而逐步退化的情况无可避免,但却可以通过感官能力的补偿来弥补这种认知障碍,因此通过研究多感觉整合来探究老年人的认知过程对现如今老龄化问题而言意义重大。视听整合是一种典型的多感觉整合,以往对年老化相关的视听整合研究大多是基于ERP技术和行为学数据来探索老年人和年轻人的认知差异,因此尚未清楚老化引起的脑功能网络在完成认知任务时的拓扑变化。在本研究中,通过设计时间异步的视听整合实验任务,利用脑网络分析方法和机器学习SVM分类技术去发掘与年龄相关的功能连接和网络拓扑属性的变化,从而探索随着老化引起的认知下降和记忆力衰退时的脑机制。本研究主要工作如下:(1)数据采集实验记录了老年人和年轻人在时间异步的视听整合任务中的脑电信号(EEG)与行为学数据,并对行为学数据进行分析,发现老年人的峰值时间点在每个刺激条件下都比年轻人的高。(2)动态功能连接分析与传统基于整个时间序列构建脑网络并提取功能连接的方法不同的是,本研究在各个时间点上计算了加权脑网络的平均功能连接,以度量每个时间点上的全局加权网络连接强度。结果发现在theta频段的0-400ms和alpha频段的50-200ms的时间段表现出显著组间差异,且老年人和年轻人在AV和V50A条件诱导了更强的功能连接。(3)稳态脑网络分析本研究在可能发生视听整合的时间段内构建了稳态脑网络,并计算分析了其网络拓扑属性,结果发现对于theta和alpha频段,老年人在AV和V50A条件下表现出更高的全局和局部效率。同时在年轻人视听任务中发现网络属性和行为峰值时间点之间存在显着关联。(4)动态脑网络分析本研究基于脑活动在一段时间内具有时变性质的证据,在视听整合可能发生期间的时间段内构建了随时间窗滑动的动态脑网络,并计算分析了其网络拓扑属性,结果发现对于theta和alpha频段,老年人在各个刺激条件下都表现出更高的网络效率,且两组被试的网络效率随时间具有明显的动态变化。(5)SVM分类研究分别提取稳态脑网络以及动态脑网络的功能连接和网络属性作为分类特征,采用主成分分析PCA技术进行特征选择,利用SVM分类器对老年人大脑和年轻人大脑进行了分类。结果发现以动态脑网络的功能连接和网络属性作为分类特征时的分类准确率高。本研究通过研究老化过程中视听时间整合的脑网络拓扑结构的变化规律,发现在时间异步的视听整合任务期间,老年人在theta和alpha频段下激发出更高的功能连接性和网络效率,这可能是因为老年人在集中注意力和抑制分心刺激方面比年轻人更加困难,因此可能需要更高的认知需求完成整合。同时根据SVM分类结果可以发现动态脑网络的功能连接和网络属性可以更好地检测到与正常老化相关的认知能力衰退,这对揭示老化过程中潜在的生理和病理脑机制,以及对预防脑疾病,提高老年人的健康水平具有重要意义。