[发明专利]一种基于部分定向相干法的脑功能网络构建方法

摘要

本发明提出了一种基于部分定向相干法的脑功能网络构建方法；本发明首先采集脑电信号，对脑电数据进行小波硬阈值去噪、用独立成分分析方法去除心电、眼电。其次，对脑电信号运用多轨道自回归模型进行建模，并通过拉普拉斯变换将其转化到频域上，得到线性部分定向相干值。然后，利用AIC准则确定模型的阶数，采用显著性水平的方法计算阈值，根据阈值确定二值化矩阵。最后，根据二值化矩阵建立脑功能网络连接图。功能网络连接图以采集脑电通道位置作为节点位置。数据显示使用该方法能够鉴别患者发病间期分别与人体视觉、体觉及精神功能相关脑网络结点的变化情况。

主权项

1.一种基于部分定向相干法的脑功能网络构建方法，其特征在于，该方法包括如下步骤：步骤(1)，采集脑电信号Xi(n)，对脑电数据进行小波硬阈值去噪、用独立成分分析方法去除心电、眼电；步骤(2)，将步骤(1)中的脑电信号运用多轨道自回归模型MVAR进行建模；具体算法如下：假设一个MVAR为：式中，X(n)＝(xi(n),x2(n),...,xd(n))T，是一组离散的数据采样点，它表示的是在时刻n时采集到的数集；i，d表示通道数，P表示建立模型的阶数，由AIC准则来确定；aid为第i通道对第d通道影响状态系数；E(n)为偏差矩阵，E(n)T＝(ep+1T,ep+2T,...,ep+dT)是噪声信号；令：式中p_m是MVAR的最大预测模型参数，表示最大模型参数下的系数矩阵，上式写成：Y＝DA在公式两边同时左乘DT即可求出系数矩阵A，求得MVAR模型的系数：Ad＝(DTD)‑1DTYA是一个的MVAR模型d×d预测系数矩阵，表示预测时间序列，而E(n)是列长度为d的偏差矩阵，表示预测误差序列，Xi(n‑i)表示时刻n时第i通道的系数；步骤(3)通过拉普拉斯变换将其转化到频域上，得到线性部分定向相干值PDC；具体算法如下：在建立了MVAR之后，通过最小二乘法拟合了MVAR的系数A(r)，根据M维单位矩阵和系数矩阵的傅里叶变换之间的差异，通过拉普拉斯变换将其转化到频域上：式中p是MVAR的最大预测阶数，f是频率，那么从第j道到第i道的PDC值πij(f)表示为：其中，H表示共轭转置，Aij(f)是傅里叶变换后的系数矩阵A(r)对应的第i行第j行的系数；aj(f)是j列的系数步骤(4)利用AIC准则确定模型的阶数；AIC准则的计算公式为：AIC＝2k‑2ln(L)其中，k是估计的参数个数，L是似然函数；公式右边的第一项描述了拟合的优劣性，当估计的参数个数增加时，这一项的值会减少；而模型的复杂度就由第二项来决定，参数个数越小，模型就越优；步骤(5)，采用显著性水平的方法计算阈值T，当线性部分定向相干值PDC值大于T的时候，认为两个通道之间是具有相关性，用1表示；当PDC值小于T，则认为这两通道间不具有相关性用0表示，这样就得到二值化的矩阵；步骤(6)，根据二值化矩阵建立脑功能网络连接图；功能网络连接图以采集脑电通道位置作为节点位置。