决策是人类高级认知科学领域中的热门研究课题之一,它在经济学、社会学和人工智能等方面具有潜在的应用价值。但是,当前研究对决策过程的大脑神经机制还缺乏深入的了解。决策作为高级认知过程,它涉及多个大脑区域间的信息交互,而且决策信息的加工一般在毫秒级时间尺度内完成。脑电(Electroencephalogram,EEG)因其具有采集便捷、无创且时间分辨率高等优点而被广泛应用于大脑认知科学的研究中。因此,本研究基于复杂网络理论,利用脑网络分析技术来揭示决策信息的处理机制。针对决策过程中动态网络信息、不同决策反应的信息加工机制、不同群体或情绪特质间的决策策略差异、以及被试行为的干预和预测模型,我们展开了系统性的研究。本文的主要工作如下:1)基于大尺度时变网络分析方法,对决策不同阶段的网络模型以及不同决策反应(接受或拒绝)间的差异网络进行探索。研究发现接受和拒绝反应涉及不同的网络结构:被试接受不公平方案时,大脑有着更强的源于视觉皮层到额叶的自下而上的信息流向;被试拒绝不公平方案时,大脑呈现更强的源于额叶到顶枕叶的自上而下的信息流向。同时我们使用经颅磁刺激(Transcranial magnetic stimulation,TMS)来干预额叶区域,进一步验证了决策网络结构可以作为一个有效的干预模型来影响被试的决策行为。2)我们探讨了青少年和成年人在不公平情境下决策策略上的差异。通过对被试在最后通牒任务(Ultimatum game,UG)中接受率、事件相关电位(Event-related potential,ERP)和从静息到任务态的网络重构模式的研究,发现与成年人相比,青少年呈现更高的接受率、比N1更小的内侧额叶负波(Medial frontal negativity,MFN),以及枕叶皮层更强的激活。这加深了我们对不同年龄阶段,尤其,从青少年到成年时期决策发展变化的认识,以及个体逐渐形成的公平性界限。3)不同情绪特质会影响个体认知表现,我们研究了不同情绪特质的青少年在不公平情境下决策策略的差异。我们发现,相对于情绪稳定组,情绪不稳定组青少年更倾向拒绝不公平方案,且情绪不稳定组青少年在接受不公平方案时呈现更高的MFN幅值。对于大脑功能网络,情绪不稳定组在接受时激活更多的额顶网络;情绪稳定组在做出拒绝反应时则激活更强的额枕网络。这反映出在不公平的社会背景下,情绪不稳定的青少年更倾向于拒绝这一情境,而情绪稳定的青少年关注其利益更倾向于做出理性决策。4)我们从静息态EEG脑网络的角度分析了被试静息态功能连接与决策反应间的关系,并采用静息态EEG网络属性来预测个体在UG中的接受率。研究发现,在Alpha频段,静息态额-枕连接和接受率间存在显著关系:更高的接受率对应一个更大的聚类系数、全局和局部效率,以及较短的特征路径长度。相比低接受率组,高接受率组呈现更强的额-枕网络连接。最后,基于静息态EEG网络属性,我们采用多元线性回归模型来预测被试在UG任务中的接受率,真实值和预测值间的相关系数为0.58,均方根误差为10.24%。5)基于被试单个trial脑电数据信息,我们提出一种空间网络的判别模式(Discriminative spatial network pattern,DSNP)方法用于预测被试单个试次的决策反应,并通过采用两个放大器采集系统收集两批独立的数据集来验证此方法。DSNP可以有效提取被试单个试次的特征,然后通过一般线性判别分析来预测个体决策过程中瞬时的决策反应。结果发现,相比其它两类特征(网络属性和MFN幅值),从脑网络中提取的DSNP特征在区分接受和拒绝反应时,有更好的分类表现,两组独立数据集分别对应的分类准确率为0.88和0.90。本研究的预测是基于决策中单个trial的脑电信息中本质的和内部的空间信息来进行,此方法有助于我们揭示决策的内部信息,进而可以在实际应用中建立一个智能决策系统。综上所述,本文的研究价值在于针对决策机制的相关研究,结合脑网络分析方法,探讨了决策过程中被试大脑网络的信息加工,实现决策行为和脑网络等多模态信息融合,解释了决策中大脑信息的处理机制以及不同群体和不同情绪特质间决策策略差异,并建立了基于决策脑电的预测模型和干预模型。