[发明专利]基于多尺度脑功能网络分类脑电信号的方法

说明书

本发明涉及一种基于多尺度脑功能网络分类脑电信号的方法，包括：数据获取：采集静息状态下的脑电信号，并进行预处理；计算多尺度时间序列：对经过预处理的各导联时间序列进行多尺度化处理，获得广义多尺度粗粒化时间序列；构建多尺度脑功能网络：以脑电信号各导联间的幅值相关程度与相位相关程度为量化标准，计算多尺度加权脑功能网络；构建可学习多尺度脑功能网络的多尺度卷积神经网络；神经网络训练：以各卷积神经网络通路产生的决策误差的互相关程度作为惩罚项、惩罚损失函数，加速神经网络决策，降低泛化误差。

技术领域

本发明涉及基于脑电(EEG)信号的多尺度脑功能网络构建，以及以多通路卷积神经网络产生多尺度决策、以模糊神经网络进行决策融合的神经网络设计，是一种基于多尺度信息融合实现脑电信号分类的方法。

背景技术

脑电(EEG)描记法是记录大脑电活动的电生理监测技术，它反应了大脑神经元内由离子电流产生的电压波动。神经元不断地与细胞外环境交换离子，类似的离子相互排斥，当许多离子同时从许多神经元冲被推出时，他们推动邻近的离子，这些离子再推动它们临近离子，进而形成“波”，当离子波到达头皮时，推拉与头皮接触的电极中金属上的电子，因此可测得两电极间的电压差，通过多电极帽记录一段时间内的脑自发电活动，则形成了脑电图。脑电信号的采集过程具有无创、价廉、易实施的优势，较功能磁共振成像(fMRI)、正电子发射断层扫描(PET)、单光子发射计算机断层扫描(SPECT)及脑磁图(MEG)，EEG具有对幽闭恐怖症无恶化、无放射伤害、无强磁场、可在携带金属植入的个体上实施等优势，且提供了极高的时间分辨率，成为跟踪不同阶段脑状态变化的重要工具，例如青少年脑发育程度及老年人脑退化程度等。

脑功能连接作为反应脑功能活动的重要度量对象，在脑神经科学、脑机接口等研究领域被广泛研究。建立功能脑网络的本质是寻找刻画通道间或脑区间的相关程度或同步程度的方式，Wen团队在2015年发表的综述文章Acritical review:coupling andsynchronization analysis methods of EEG signal with mild cognitive impairment中总结了用于评估脑退化的5种耦合方法和6种同步算法，目前已有的方法可归属于基于相位相关性的功能连接构建方法或基于幅值相关性的功能连接构建方法，且对脑退化状态与非退化状态的EEG信号的敏感性显示在大约70％～80％的平均值，仍存在较大的改善空间。有研究者发现在非线性、非平稳复杂系统(尤其是时间序列)中存在多尺度现象，即不同尺度下观测的信号特征均具有重要意义，这将为脑电信号的分类、辨识提供了多层次的信息输入。

故，如何同时利用相空间脑功能网络和基于幅值的脑功能网络，及其不同尺度下的表征，构建具有信息融合功能的多尺度神经网络，提高脑电信号分类准确率，成为具有研究价值的技术问题。

发明内容

本发明要解决的技术问题：针对上述背景技术及现存问题，提出一种基于多尺度脑功能网络分类脑电信号的方法，为计算机辅助辨识不同状态脑电信号的相关任务提供一种易实现、高性能的学习机制，为基于脑电信号的深度学习领域提供新思路。为实现上述目的，本发明采用的技术方案为：

一种基于多尺度脑功能网络分类脑电信号的方法，包括下列步骤：

1)数据获取：采集静息状态下的脑电信号，并进行预处理；

2)计算多尺度时间序列：对经过预处理的各导联时间序列进行多尺度化处理，获得广义多尺度粗粒化时间序列，具体为，针对预处理后具有N个采样点x的单导联一维离散时间序列基于相邻的τ个采样点的一阶矩、二阶矩或三阶矩计算τ个多尺度粗粒化时间序列

3)构建多尺度脑功能网络：以脑电信号各导联间的幅值相关程度与相位相关程度为量化标准，计算多尺度加权脑功能网络；

4)构建可学习多尺度脑功能网络的多尺度卷积神经网络：将多尺度加权脑功能网络分别作为多尺度卷积神经网络各路通路的信息源，产生多尺度决策，设计可对多尺度决策进行信息融合的决策门，方法为：