[发明专利]一种基于多尺度多变量传递熵的多通道脑电耦合分析方法

说明书

本发明涉及一种基于多尺度多变量传递熵的多通道脑电耦合分析方法，属于非线性动力学因果系统及大脑感觉运动网络研究的技术领域，其包括以下步骤：一、采用32通道的Neuracle设备采集多通道脑电信号；二、采用matlab软件对采集到的脑电信号分别进行去除基线漂移、肌电干扰、眼动干扰和50Hz工频干扰的预处理；三、采用粗粒化分析方法对多通道脑电信号进行20个不同的尺度分解；四、采用多变量传递熵方法分析不同尺度下的脑电信号在不同时频间的耦合特性，定量刻画不同脑区间非线性耦合和信息传递特征。本发明具有能够描述大脑运动感觉皮层间的非线性特征，并深入探索大脑不同区域间的耦合强度及信息传递的效果。

技术领域

本发明涉及一种基于多尺度多变量传递熵的多通道脑电耦合分析方法，属于非线性动力学因果系统及大脑感觉运动网络研究的技术领域。

背景技术

探索和量化复杂运动网络中不同脑区之间潜在的功能性皮质-皮质连接(functional corticocortical connectivity,FCCC)是一个重要的课题。对于一个简单的运动行为，存在多个脑区的相互协调作用，因此通过分析一个脑区对另一个脑区的贡献，可以得到复杂运动网络之间的交互作用。同时一些生理和生物系统在多个时间尺度上表现出复杂的运行机制，近年来，研究复杂脑网络中的直接信息交互引起了越来越多的关注。目前，基于相干分析法研究大脑左、右感觉运动区的FCCC获取频域耦合强度特性，但传统的相干分析并不能体现耦合方向特征。进而有研究基于多元随机过程中的线性向量自回归模型提出了格兰杰因果分析方法，可以有效地评估大脑颞叶皮层神经群之间信息传递特性，但大脑是一个具有高度复杂性和随机性的网络结构，基于既定模型的格兰杰因果分析方法不能有效描述大脑复杂的非线性耦合特征。因此，有研究基于信息论提出了一种有效连接两个系统的传递熵方法探究系统间的非线性耦合关系。综上所述，以上方法主要分析双变量系统的线性、非线性因果耦合关系，然而，对于复杂的脑网络系统，在不同的脑区之间是存在关联特性的，并且普通的二元方法在采集头皮脑电信号时无法避免同一参考电极引起的共源性；此外，在生物和生理系统中，多个时间尺度上的随机过程往往存在明显或潜在的复杂动力学，因此提出多尺度多变量传递熵(multiscale multivariate transfer entropy，MSMVTE)方法来研究复杂多变量系统在不同时间尺度下的直接动态耦合特性是非常有必要的。

发明内容

本发明的目的在于提供一种能够描述大脑运动感觉皮层间的非线性特征，并深入探索大脑不同区域间的耦合强度及信息传递的基于多尺度多变量传递熵的多通道脑电耦合分析方法。

为了实现上述目的，本发明采用的技术方案是：

一种基于多尺度多变量传递熵的多通道脑电耦合分析方法，包括以下步骤：

一、采用32通道的Neuracle设备采集多通道脑电信号；

二、采用matlab软件对采集到的脑电信号分别进行去除基线漂移、肌电干扰、眼动干扰和50Hz工频干扰的预处理；

三、采用粗粒化分析方法对多通道脑电信号进行20个不同的尺度分解；

四、采用多变量传递熵方法分析不同尺度下的脑电信号在不同时频间的耦合特性，定量刻画不同脑区间非线性耦合和信息传递特征。

本发明技术方案的进一步改进在于：步骤一中，32通道的Neuracle设备的脑电电极采用国际10-20系统标准来采集记录大脑对应的感觉运动区的脑电信号。

本发明技术方案的进一步改进在于：步骤三的具体方法如下：