稳态视觉诱发电位(Steady state visual evoked potential,SSVEP)具有较高信噪比和稳定的频谱特征等优点,目前得到了广泛地应用。虽然已有的研究揭示SSVEP的产生涉及到多个脑区,但是其神经机制目前来说还不是很清楚,制约了相关领域的研究。在本文的研究中,采用了多通道,且兼有高时间、高空间分辨率的颅内记录方式,以此来记录麻醉状态下的大鼠脑电数据(electroencephalograph,EEG),从网络的层面上研究SSVEP的神经机制。本论文的主要工作如下:1.采用基于图论的脑网络分析方法,针对不同的刺激频率,我们研究了SSVEP的振幅与网络拓扑属性之间的关系。对于单只大鼠,具体分析了随时间动态变化的SSVEP的振幅与其对应的网络拓扑属性之间的关系,而在组间,具体分析了其空闲的基线网络属性与SSVEP响应的网络属性之间的关系,以及与SSVEP响应强度的关系。我们的结果首次揭示了SSVEP的产生与节点分布于全脑的网络重组有着密切的关系。在SSVEP的产生中,控制态的网络重组扮演着重要的角色,它可以为SSVEP的产生提供一个重要的预测指标。并且在与其他状态下的网络对比中发现,能够诱发出较强SSVEP的8Hz刺激下的网络拓扑结构连接更加紧密,并且枕叶与额叶之间的长程连接明显增多,所以我们推测,枕叶和额叶之间的信息交互在SSVEP的生成中扮演着重要角色。2.首次利用基于神经参数集总模型耦合构成的双柱模型,对在SSVEP响应中的额叶和枕叶间的信息交互进行了研究,揭示了不同频率刺激下SSVEP响应的机制,并且利用偏有向相干分析方法(Partial directed coherence,PDC),对真实的EEG数据作有向网络分析,对双柱模型的结果进行验证。在本文的研究中,我们采用粒子群方法(Particle Swarm Optimization,PSO)对不同刺激状态下的模型参数进行估计,采用与真实脑电数据误差最小的输出参数,然后基于该参数来对相应SSVEP的机制进行解释。结果显示,对于不同的频率刺激,在枕叶和额叶内部的连接没有显著变化,并且额叶向枕叶的信息反馈也没有明显的变化,最主要的变化来自于枕叶向额叶的信息传递,也就是说,在有SSVEP响应的8Hz刺激条件下,显示出枕叶较强地向额叶信息的传递。这一发现揭示枕叶向额叶的信息传递强度对SSVEP的产生有较大的影响,而且这与利用PDC构建有向网络得到的结果是一致的。