在神经科学研究领域,通过电极阵列同时记录多个神经元放电活动越来越普遍。分析多个神经元的连接关系是了解产生某种特定脑功能活动神经元如何工作的关键。论文通过记录猴子执行三维伸展抓握运动时的初级运动皮层神经元放电脉冲,采用基于连接函数的格兰杰因果方法构建神经元格兰杰因果网络,进行相关网络分析。工作内容如下:(1)分析相同任务不同Trial神经元格兰杰因果网络,发现神经元格兰杰因果网络不是恒定不变而是动态改变的,该发现可能与猴子在执行相同运动任务条件下神经元发放模式存在差异有关。通过对不同目标任务神经元格兰杰因果网络的统计分析,发现不同任务神经元格兰杰因果网络拓扑结构具有显著性差异,说明不同任务条件下神经元之间协同工作机制会发生变化,网络拓扑结构的改变对基于脑机接口的运动任务辨识具有一定指导意义。同时,统计分析还发现运动准备阶段神经元格兰杰因果连接水平和复杂程度要弱于运动执行阶段,这可能是与运动执行阶段基于传感反馈的闭环运动控制神经元交互模式更复杂有关。(2)通过比较附加干扰与无干扰下的神经元格兰杰因果网络,发现加入干扰神经元之间信息参与度会发生改变。通过比较重复干扰与随机干扰格兰杰因果网络,发现对于不同类型干扰,猴子将采取不同运动控制策略,进而导致神经元协同工作机制发生变化。相较随机干扰的在线反馈控制,重复干扰的前馈预测控制下的神经元格兰杰因果网络更加集聚、效率更高。通过比较重复干扰适应前期与后期神经元格兰杰因果网络,发现在重复干扰适应前期,猴子为了应对干扰,增加了执行任务的复杂度,进而会使网络结构发生变化;而在重复干扰后期,随着学习自适应,猴子对重复干扰已经能够准确预测,神经元格兰杰因果网络的拓扑结构朝着无干扰情况转变。