[发明专利]一种工作记忆能力的综合评定方法

权利要求书

1.一种工作记忆能力的综合评定方法，其特征在于，该方法包括如下步骤：

步骤1.利用一种改进的Sternberg工作记忆任务范式对被试在三种不同记忆难度下的工作记忆能力进行测试，并且三种记忆难度下都分别执行图片、字母、数字、汉字四种类型各5次共20次实验，这样多模态的测试方法更有效地度量不同状态下的工作记忆系统；

步骤2.采集被试在执行步骤1中所述的工作记忆任务过程的行为学数据，取反应时长T与准确率AC作为特征，过卡方检验判断tDCS前后的行为学数据是否有显著性差异，计算基于三种记忆难度下四种类型记忆负载的行为学评价指标集

其中：

上式中load表示记忆任务的难度分级，load＝3,4,5，type_i表示记忆负载的类型，i＝1,2,3,4；

对上述评价指标集中的元素进行线性归一化后求其平均值作为行为学评价指标M_be，取值范围在0到1之间，值越大表示工作记忆能力越强；

步骤3.采集被试在执行步骤1中所述的工作记忆任务过程的多通道脑电数据，通过预处理去除噪声干扰后，利用两两通道间的相关性构建脑功能网络，提取节点度、聚类系数与全局效率作为特征，计算出基于脑功能网络特征的工作记忆能力评价指标M_eeg，具体过程如下：

3-1.对采集得到的各通道脑电信号进行0.5-40Hz的带通滤波，去除不必要的噪声干扰，然后通过独立成分分析方法，去除眼电，眼漂和头动等伪迹后进行信号重构；

3-2.选取互相关的分析方法，计算两两通道之间的脑电信号互相关系数：

其中X与Y表示脑电时间序列，i与j表示EEG信号的采样点，n表示总采样数；R_xy的值介于0和1，值为0表明信号之间完全不相关，值为1表明信号之间完全相关；

3-3.根据3-2得到的连接系数矩阵，选择合适的阈值之后转化为二值矩阵，由此矩阵就得到脑功能网络的拓扑结构；计算节点度、聚类系数与全局效率：

(1)节点i的节点度为：

其中为整个网络中的节点数，h_ij为二值矩阵中的元素，当节点i与j之间存在连接时h_ij＝1，反之则h_ij＝0；

(2)节点i的聚类系数为：

其中k_i为节点i的邻节点个数，e_i为节点i与邻节点之间实际连接边数；

(3)网络的全局效率为：

其中N为整个网络中的节点数，d_ij为节点i与j之间最短的通讯路径所经过的连接边数，V是脑功能网络中所有节点的集合；

3-4.选取n个节点度i值最大的节点构成与工作记忆强相关的重要脑区，综合该脑区的聚类系数特征与全局效率特征计算出脑网络特征评价指标M_eeg：

步骤4.将行为学评价指标与脑功能网络特征的工作记忆能力评价指标相结合，提出综合评价指标M：

M＝α·M_be+(1-α)·M_eeg

其中α的值在未经过tDCS时取0.5，此时的M为基准值；进行tDCS之后α由步骤2中卡方检验的结果P值所确定，如表1所示；

表1。

2.根据权利要求1所述的一种工作记忆能力的综合评定方法，其特征在于：还包括提高方法：每次tDCS之后都将计算得到的最终评价指标与前一次的指标进行比对，若提升效果不显著则首先考虑缩短刺激的周期；若还不显著则尝试增加电流密度与刺激时长；若刺激后呈现出抑制的效果，则考虑移动电极位置或更换电极极性。