[发明专利]一种基于相幅耦合网络的致痫区定位及潜在致痫区预测方法

摘要

一种基于相幅耦合网络的致痫区定位及潜在致痫区预测方法，其步骤如下：一、对癫痫患者ECoG数据进行预处理；二、通过CFC分析，计算LFOs和HFOs之间的MI；三、对MI进行显著性检验，建立ECoG网络；四、根据网络特征，发现高风险位点，找到局域性致痫区以及潜在致痫区；通过以上步骤，本发明从系统的角度寻找局域致痫区和潜在致痫区，并且考虑到患者的个体差异以及基础脑功能网络的影响，针对神经元异常振荡建立癫痫故障网络，提出一种基于相幅耦合网络的局域致痫区定位及潜在致痫区预测方法；本发明具有系统性、鲁棒性和预警性，其研究结果将对致痫区定位及潜在致痫区预测提供强有力的方法支承。

主权项

1.一种基于相幅耦合网络的致痫区定位及潜在致痫区预测方法，其特征在于：其步骤如下：步骤一、对癫痫患者ECoG数据进行预处理；采集癫痫患者发作间期的ECoG，ECoG数据格式为EDF+，其通道数目为M即对应患者脑上M个位点，采样频率为f_s；使用0.2H_Z的高通滤波器滤掉基线干扰，使用notch滤波器去除工频噪声和谐波噪声；步骤二、通过CFC分析，计算LFOs和HFOs之间的MI；对ECoG时间序列X(t)进行滤波，得到低频信号X_L(t)和高频信号X_H(t)；分别对X_L(t)和X_H(t)进行希尔伯特变换，得到X_L(t)的相角和X_H(t)的幅值A_H(t)；将和A_H(t)分割成10秒的片段，共K个片段，得到和将相角范围[‑π，+π]分割成18等份，每个小区间的长度为π/9，共N个区间，N＝18.在每个片段k，根据当前的的大小，将其划分到某个区间j中,j＝1,2,…,N；记为同时将其对应的记为由此得到每个相区间j对应的平均幅值得到归一化的幅值调制分布计算幅值调制分布与均匀分布U(j)的Kullback‑Leibler距离即KL散度，作为X_L(t)和X_H(t)的调制指数MI，其中步骤三、对MI进行显著性检验，建立ECoG网络；ECoG共M个通道，每个通道包含低频信号X_m，L(t)和高频信号X_m，H(t),m＝1,2,…,M.将X_m，L(t)和X_m，H(t)看作节点，共2M个节点；将和A_m2，H(t)之间的调制指数MI_m1，m2看作边权；其中，在的相区间下计算m2＝1,2,…,M.对MI_m1，m2指数进行显著性检验，若通过则生成连边，由此建立皮层脑电PAC网络；MI_m1，m2显著性检验步骤如下：保持不变，将A_m2，H(t)随机打乱200次，每次计算与打乱的A_m2，H(t)之间的调制指数p＝1,2,…,200.如果MI_m1，m2大于95％的MI_perm，则认为该连边成立；步骤四、根据网络特征，发现高风险位点，找到局域性致痫区以及潜在致痫区；(一)分析皮层脑电PAC网络的统计信息，按照度中心性、介数中心性等指标对网络节点进行排序；指标排名越高的节点在网络中的位置越重要，也可能是导致癫痫的高风险位点；排序方法可采用复杂网络理论方面已有的节点重要度排序方法；这部分作为公知，不做赘述；(二)利用先验知识，结合网络特征，进行潜在致痫区预测；考虑已知致痫节点周围的近邻节点、已知致痫节点连通路径之间的节点，作为潜在的高风险位点，进行进一步验证；具体做法如下：将癫痫故障网络的节点标记为两类，来源于同一通道且有连接的X_m，L(t)和X_m，H(t)节点标记为致痫节点；其余节点标记为风险节点；根据先验知识即致痫节点位置，从风险节点中寻找潜在致痫节点：同源子节点和桥接节点；同源子节点：与致痫节点共享父节点，且父节点也为致痫节点；桥接节点：连接两致痫节点的风险节点；这两类节点所在的位点被认为是潜在致痫区。