[发明专利]基于EEG的认知功能可视化系统

权利要求书

1.基于EEG的认知功能可视化系统，其特征在于，包括：可视化模块、数据计算模块和存储模块；

可视化模块基于Unity3D平台，用于交互操作和可视化的效果实现，包括：

可视化功能模块、脑区可视化功能模块、左右脑区可视化功能模块、部分可视化功能模块、对比可视化功能模块和动态可视化功能模块；

数据计算模块基于Python文件用于从存储模块读取数据后执行所需程序，将结果反馈到可视化模块以及将数据保存到存储模块内，包括：小波分解功能模块、动态切片功能模块、连通性构建功能模块和加权算法功能模块；

小波分解功能模块，用于将读取的本地EEG时序数据分解为Alpha(8Hz-13Hz)、Beta(13Hz-30Hz)、Theta(4Hz-8Hz)、Delta(1Hz-4Hz)四个频段的数据；

动态切片功能模块用于根据时序顺序将EEG数据进行切片，方便后续动态地构建功能连通性结果；

连通性构建功能模块，通过使用皮尔逊相关系数、波谱相干和相锁值三种信号分析方法构建功能连通性矩阵；

加权算法功能，用于提取脑网络中心节点加权于功能连通性矩阵突出连通性的变化和差距；

存储模块，用于存储数据将一些EEG数据和数据计算模块的连通性矩阵结果进行存储，并用于可视化显示模块和数据计算模块的读取。

2.根据权利要求1所述的基于EEG的认知功能可视化系统，其特征在于，所述的皮尔逊相关系数r是功能连接指标，对于信号x、y，两者的皮尔森相关系数r定义如下：

其中，表示信号x的均值，表示信号y的均值，结果r的取值范围[-1，1],因此皮尔森相关系数可以测量出两个信号是正相关还是负相关，并且绝对值越大，相关性越强。

3.根据权利要求1所述的基于EEG的认知功能可视化系统，其特征在于，所述的波谱相干测量的是两个信号在频域内的相关程度，定义如下：

其中p_xy表示信号x、y的互谱密度(cross-spectral density)，p_xx和p_yy分别表示x、y的自谱密度，即功率谱密度。Coh_xy的取值范围[0，1]，值越大说明两个信号在频率f处的相关程度越大。

4.根据权利要求1所述的基于EEG的认知功能可视化系统，其特征在于，所述的相锁值是基于相位的功能连接方法，其实际测量的是两个通道信号的相位差，定义如下：

其中n表示时间点，φ_xt、φ_yt分别表示信号x、y在时间点t处的相角。PLV的取值范围为[0，1]，值越大表示两个信号之间的相位同步程度越强。

5.根据权利要求1所述的基于EEG的认知功能可视化系统，其特征在于，所述的加权算法是在以上信号分析方法的结果的基础上通过构建脑网络，提取中心节点，针对节点的度对每条边进行加权；

一段有n个通道的EEG数据中，对于通道x，其入度权重w_Indegree和出度权重w_Outdegree定义如下：

其中d_ix表示通道i到通道x的连通性，d_xj表示通道x到通道j的连通性；

计算出所有通道的出入度权重后，对于和通道i和通道j之间的连通性d_ij进行加权计算，定义如下：

之后对进行加权后的连通性矩阵进行归一化处理。