[发明专利]一种基于最大信息系数的脑自调节机制指标相干性获取方法

说明书

本发明提供一种基于最大信息系数的脑自调节机制指标相干性获取方法，包括：将平均血动脉压、脑组织氧饱和度两项指标信号的数据整合到二维散点图中，根据互信息计算公式计算互信息，分别选取不同分割尺寸下的最大互信息，组成特征矩阵中，并进行归一化；将特征矩阵中的数据点放入三维空间形成一个曲面，该曲面最高点数值为所求得的最大互信息系数MIC；根据样本输入信息对分类边界线建立回归公式，寻找最优参数从而对样本输入信息进行相关性分类；该方法应用在数据指标具有相关性的其他领域，探究某些相关指标与实际结果的关系。

技术领域

本发明涉及脑自调节机制技术领域，具体而言，尤其涉及一种基于最大信息系数的脑自调节机制指标相干性获取方法。

背景技术

目前针对大脑的脑自我调节机制能力，对血压和血流指标相关性的分析方法主要传递函数分析法，小波相干分析法。各方法的主要思路如下：其中传递函数分析法是衡量脑自调节机制的传统方法，是利用传递函数，在静息状态的前提条件下，分析血压(刺激或者输入信号)与脑血流(反应或者输出信号)之间的动态关系的方法。其中小波相干分析法是利用小波时域分析从多时间尺度对平均血动脉压，脑组织氧饱和度的谱功率和动态关系进行量化，通过比较在不同区间内的相位、增益同向或反向变化，来这两个指标间的变化关系。

目前脑自调节机制领域指标相干性分析方法存在如下问题：(1)传递函数分析这是衡量的传统方法。但是这种方式是在静息状态的前提条件下进行分析的。在实际应用的很多领域中，指标与指标之间都是动态变化的，该方法具有一定的局限性。虽然理论上可行，传递函数分析方法在实践中存在相当大的主观性，这限制了研究之间的比较，也阻碍了其应用。(2)小波相干分析法，变量指标的相干性区分效果不是很明显，对结果的解释性较弱，不能准确直接的说明哪类相干，哪类不相干。不能明确给出平均血动脉压，脑组织氧饱和度这两个指标的相干程度的衡量结果。

发明内容

根据现有技术存在的问题，本发明对平均血动脉压，脑组织氧饱和度这两个具有一定关系的指标通过使用最大信息系数的计算方法获取指标间的相干性，具体技术方案包括如下步骤：

将平均血动脉压、脑组织氧饱和度两项指标信号的数据整合到二维散点图中，基于一定大小的网格对散点图进行划分，根据互信息计算公式计算互信息，不断改变网格大小分布得到最大互信息；

分别选取不同分割尺寸下的最大互信息，将其归一化放入特征矩阵中；

将特征矩阵归一化的结果代入MIC计算公式，从而将特征矩阵中的数据点放入三维空间形成一个曲面，该曲面最高点数值为所求得的最大互信息系数MIC；

将平均血动脉压、脑组织氧饱和度以及最大互信息系数MIC作为样本输入信息，采用逻辑回归LR方法、根据样本输入信息对分类边界线建立回归公式，寻找最优参数从而对样本输入信息进行相关性分类；

采用混淆矩阵得到真阳性TP、假阳性FP、假阴性FN和真阴性TN，基于上述参数获得逻辑回归LR方法的评价指标，其中评价指标包括准确率、精确率和召回率；

使用留一交叉验证法对输入样本信息进行逐一验证，设有K组样本输入信息，将其中一组作为测试对象，其余K-1组作为训练对象，采用上述方法依次测试K组输入样本信息，将所有组测试结果取平均值，得到整体的验证结果。

进一步的，将二维散点图分成m×n大小的网格，m代表网格行数，n代表网格列数，将落在某一网格的数据点的概率作为该网格的估计，设网格(a,b)的概率估计为P(a,b)，

根据互信息计算公式计算出互信息：

再按照2×2大小的网格对散点图进行划分，根据互信息计算公式计算出互信息，再不断改变网格的大小分布得到最大互信息记作x₂₂；

基于上述方式按照2×3网格进行划分，计算出最大互信息得到x₂₃；