[发明专利]基于定量脑电图的脑电特征提取方法

摘要

本发明公开了一种基于定量脑电图的脑电特征提取方法，包括：运用PC机与脑电图仪可视化接口程序，实现16导联脑电信号电位数据的同步采集，并显示实时采集的脑电图波形；对采集到的脑电信号进行预处理，以去除工频干扰及噪声信号和眼电、肌电干扰；分别提取16导联EEG信号5个频段的基于绝对功率和相对功率的功率耦合系数以及基于高低频段功率谱密度的不对称性系数；最后利用双层结构的支持向量机SVM融合网络对静息状态下的脑电信号进行分类。本发明可以对PSD患者和正常人间的脑电信号做出很好的区分，并取得较高的分类正确率，实现对PSD患者抑郁程度的有效识别，为研究PSD的客观诊断标准提供依据，具有重大的社会意义。

主权项

1.一种基于定量脑电图的脑电特征提取方法，采用多导联脑电图仪进行脑电信号实时采集，导联个数为16个，并按照国际标准导联10-20电极系统布置电极，其中，将电极Cz作为参考电极，前额作为参考地，连接电极进行静息状态下的脑电信号实时采集，其特征在于，包括以下步骤：步骤一、运用PC机与脑电图仪可视化接口程序，实现16导联脑电信号电位数据的同步采集，并显示实时采集的脑电图波形；步骤二、对采集到的脑电信号进行预处理；首先对信号进行0.5Hz~48Hz带通滤波，以去除工频干扰及噪声信号；其次用主成分分析PCA方法做进一步的降噪处理，以去除眼电和肌电干扰；步骤三、提取脑电信号的功率耦合系数：将脑电信号划分为5个频带：δ波频带为0.5Hz~4Hz，θ波频带为4Hz~8Hz，α波频带为8Hz～13Hz，β1波频带为13Hz~20Hz，β2波频带为20Hz~30Hz；结合各频带绝对功率信息和相对功率信息提取功率耦合系数；具体包括如下步骤：步骤3-1、将脑电信号采集过程中的Cz参考电极变为双极导联形式，以消除因为距离所带来的各导联之间的电压差异，双极导联采用纵连形式；步骤3-2、计算各频带绝对功率值和相对功率值：绝对功率值利用快速傅里叶变换FFT求得，各导联某一频带的绝对功率值为其所有相邻导联功率值的平均值；各导联某一频带的相对功率值为此频带功率值相对于总频带功率的百分比，计算公式如下：总频带功率：T_m＝∑_fa_m,f                                    （1）相对功率值：rm,f=am,fTm---(2)]]>公式（1）和公式（2）中：a_m,f——m导联在f频带的绝对功率值；T_m——m导联所有频带的功率值；r_m，f——m导联在f频带的相对功率值；步骤3-3、将各导联某一频带的绝对功率值和各导联某一频带的相对功率值归一化：利用16导联中f频带绝对功率最大值和相对功率的最大值分别对各导联某一频带的绝对功率值和各导联某一频带的相对功率值进行归一化处理，归一化公式如下：绝对功率归一化值aNORM(m,f)=am,fAMAXf---(3)]]>相对功率归一化值rNORN(m,f)=rm,fRMAXf---(4)]]>公式（3）和公式（4）中：AMAX_f——各导联f频带绝对功率的最大值；RMAX_f——各导联f频带相对功率的最大值；步骤3-4、功率耦合系数计算：m导联f频带的功率耦合系数值CORD的计算公式如下：CORD_(m,f)＝±(|a_NORM(m,f)-0.5|+|r_NORM(m,f)-0.2|)    （5）当r_NORM(m,f)-0.2＞0，a_NORM(m,f)-0.5＜0时，CORD_(m,f)取负值；当r_NORM(m,f)-0.2＞0，α_NORM(m,f)-0.5＞0时，CORD_(m,f)取正值；当r_NORM(m,f)-0 2＜＝0时，CORD_(m,f)值为0；公式（5）中：α_NORM(m,f)——m导联f频带归一化之后的绝对功率值；r_NORM(m,f)——m导联f频带归一化之后的相对功率值；CORD_(m,f)——m导联f频带的功率耦合系数值；步骤四、提取脑电信号的高低频带频谱不对称性系数：高低频带频谱不对称性系数计算时，忽略α频带的功率谱特性；低频带选取4Hz的频带范围，高频带选取24Hz的频带范围，高低频带频谱不对称性系数计算具体包括如下步骤：4-1步骤、用平均周期图法计算预处理后脑电信号每一导联的功率谱密度s_m，即m导联的功率谱密度；4-2步骤、计算高低频带的边缘频率：首先，找出α频带功率谱密度最大的频率值f_max，对f_max±BHz频带的功率谱密度曲线作抛物线拟合，其中，B=2；将拟合后抛物线顶点处的频率作为α频带的中心频率f_c；低频带的边缘频率分别为F1和F2，其中，F1＝f_c-B-4，其单位为Hz，F2＝f_c-B，其单位为Hz；高频带的边缘频率分别为F3和F4，其中，为：F3＝f_c+B，其单位为Hz，F4＝f_c+B+24，其单位为Hz；4-3步骤、计算高低频带的功率值：低频带功率值高频带功率值4-4步骤、计算高低频带频谱不对称性系数值：即m导联高低频带的频谱不对称系数；步骤五、利用双层结构的支持向量机SVM融合网络对静息状态下的脑电信号进行分类：采用支持向量机SVM融合网络对相应的信号进行分类识别，将上述得到的受试者的16导联δ波、θ波、α波、β1波和β2波5个频带的功率耦合系数CORD_(m,f)以及高低频带不对称性系数SASI_m作为支持向量机SVM融合网络的输入向量，通过事先采集好的数据标签集对支持向量机SVM融合网络进行训练，网络自动修正各权值，阈值，直到训练完毕；以训练所得模型对受试者的静息状态下的脑电信号进行分类识别，以取得较好的分类效果。