[发明专利]一种基于矢量多分类的大脑功能区特异性脑电检测方法

说明书

一种基于矢量多分类的大脑功能区特异性脑电检测方法，其特征在于，包含以下顺序的步骤：首先在被检测者执行或接受特定任务状态下，采集脑电信号；然后采用矢量多分类的方法，对脑电信号进行小波分解并重构各单子频带信号，以任务事件前后的各单子频带信号能量差别作为特征量，构建多维时频域矢量；最后采用基于决策树的支持向量机多分类算法对多维时频域矢量进行分类，从而识别各电极导联上脑电信号的特异性，完成大脑功能区脑电特异性的检测。本发明的方法，能够科学、准确地检测大脑皮层功能区的脑电特异性，可广泛应用于基于脑电分析的术中脑功能定位、认知功能评估以及脑机接口等神经科学的研究与临床应用。

技术领域

本发明涉及基于脑电分析的神经科学研究与临床应用领域，特别涉及一种基于矢量多分类的大脑功能区特异性脑电检测方法。

背景技术

由生命科学研究表明：脑电信号分析是人类了解人体神经系统的重要途径之一。人体的各种器官和组织活动伴随着生理电现象，而脑电是中枢神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。基于神经系统的反射弧工作原理，通过脑电信号的检测和分析可以判断人体神经系统的各种器官和组织处于什么状态；而且脑电信号的检测和分析已经应用到医学临床诊断与治疗(比如大脑皮层功能定位、睡眠分析等)、大脑神经认知功能以及脑－机接口等研究与应用中。

各功能区的脑电特异性是所有脑电信号分析及其应用的基础。然而目前脑电特异性被认为是脑电特定节律与特定功能区的简单对应关系，特异性脑电检测就是脑电特定节律检测。例如：脑电中的mu节律(8—13Hz)被认为是感觉运动区的特异性节律，High gamma频带(60Hz—200Hz)一直被视为语言区的特异性节律。但相关研究事实表明：运动时刻以及想象运动时刻，运动区也能检测到mu节律变化，High gamma频带也同样有能量变化。由此可见，特定功能区的特异性脑电具有复杂的成分，不能简单地用脑电特定节律表达；而且在应用中，脑电特定节律检测会造成特异性脑电的误检和漏检。显然，目前特异性脑电检测的方法缺乏科学性和准确性。

那么大脑皮层各功能区的脑电特异性是否存在？如果存在，又如何表示和识别检测？这些问题至今还尚无科学定论，也是目前基于脑电信号分析的神经科学研究中亟待回答的基础理论问题。而这些问题中，如何检测出各功能区的特异性脑电成为脑电特异性研究的关键。

目前国内外尚未出现一种基于矢量多分类的大脑功能区特异性脑电检测方法的报道；同时，国内外也尚无在临床上应用基于矢量多分类的大脑功能区特异性脑电检测方法。因此研发具有自主知识产权的基于矢量多分类的大脑功能区特异性脑电检测方法非常有必要。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于矢量多分类的大脑功能区特异性脑电检测方法。

本发明的目的通过以下的技术方案实现：

一种基于矢量多分类的大脑功能区特异性脑电检测方法，包含以下顺序的步骤：

S1.首先在被检测者执行或接受特定任务状态下，采集脑电信号；

S2.然后采用矢量多分类的方法，对脑电信号进行小波分解并重构各单子频带信号，以任务事件前后的各单子频带信号能量差别作为特征量，构建多维时频域矢量；

S3.最后采用基于决策树的支持向量机多分类算法对多维时频域矢量进行分类，从而识别各电极导联上脑电信号的特异性，完成大脑功能区脑电特异性的检测。

所述的步骤S2具体为：先选定小波基，根据信号的采样频率fs，对脑电信号进行J层小波分解，J取满足公式(1)的最大整数；提取各层的细节系数和逼近系数，重构各层系数的单子频带信号；在重构单子频带信号时，先把其他层的系数都置0，再重构该层系数，得到该层系数对应的单子频带信号；以任务前后的能量差别作为特征量，计算所有单子频带信号的特征量，把这些特征量组成一个多维的矢量，即得到多维时频域矢量；其中公式(1)如下所示：