[发明专利]一种基于社区划分算法的脑电图信号分析方法

权利要求书

1.一种脑电图信号分析方法，脑电图信号由多路导联电极采集，其特征在于：包括以下步骤：

S1：根据脑电图信号建立大脑功能性网络，具体步骤包括：

S11：计算全脑域功率GFP，其中K为总的导联通电极数，代表K个节点，i为第i路导联，V_i(t)为第i路导联的EEG信号，V_mean(t)为t时刻K路导联信号的平均值；

S12：获取GFP的峰值时刻，记为时间序列t＝[t₁,t₂,t₃...t_n]；

S13：在时间序列[t₁,t₂,t₃...t_n]中每个时刻t_i，i∈[1,n]为中心时间的一段时间范围内，计算每两路导联脑电信号之间的锁相值；

S14：根据所述每两路导联脑电信号之间的锁相值反映节点之间的联系，以此建立大脑功能性网络，所述锁相值的指标为时间序列[t₁,t₂,t₃...t_n]中每个时刻t_i，i∈[1,n]对应的锁相值的平均值，或者为时间序列[t₁,t₂,t₃...t_n]中每个时刻对应的锁相值的最大值；

S2：根据所述大脑功能性网络，进行社区划分，将大脑功能性网络分成若干个社区，所述社区划分的算法包括GN算法、Fast-GN算法、Louvian算法、RAK算法和LPAM算法；

S3：根据划分了社区的大脑功能性网络，识别不同的网络模体，所述网络模体为节点的连接模式，判断需要产生与真实网络规模和度分布一致的大量随机网络，并通过与随机网络比较计算以评价子图统计意义，所述大脑功能性网络的节点都具有属于某个社区的标签，所述网络模体的结构为不同数量的不同社区节点的不同连接方式；

S4：统计不同网络模体的模体结构数量，建立网络模体特征向量，所述网络模体特征向量对应三节点模体的模体结构数量和四节点模体的模体结构数量，并且节点都是具有属于某个社区的标签；

S5：根据所述网络模体特征向量，完成脑电图智能分类。

2.根据权利要求1所述的脑电图信号分析方法，其特征在于：所述步骤S5的智能分类的算法，包括支持向量机、决策树、贝叶斯分类器和神经网络。

3.根据权利要求2所述的脑电图信号分析方法，其特征在于：所述锁相值即PLV的计算公式为：其中为两路导联脑电信号的相位关系值，N为时间序列[t₁,t₂,t₃...t_n]中每个时刻t_i，i∈[1,n]为中心时间的一段时间范围内的采样点数。

4.根据权利要求3所述的脑电图信号分析方法，其特征在于：所述两路导联脑电信号的相位关系值可以通过信号的时频分析来计算。