一种基于复杂网络特征指标的脑电图信号分析方法技术

本发明专利技术涉及一种脑电图信号分析方法，包括以下步骤：包括以下步骤：S1：根据脑电图信号建立大脑功能性网络；S2：根据所述大脑功能网络，计算多个大脑功能网络的特征指标，建立特征指标向量；S3：根据所述大脑功能网络的特征指标向量，进行分类运算，完成脑电图分类。相对于现有技术，本发明专利技术的方法可以有效度量大脑功能网络的全局连通性、节点重要性以及刻画大脑的信息传递性，可以较准确地描述大脑的特征与状态。

An EEG signal analysis method based on complex network characteristic index

【技术实现步骤摘要】
一种基于复杂网络特征指标的脑电图信号分析方法
本专利技术属于脑电信号分析领域，尤其是涉及一种基于复杂网络特征指标的脑电图信号分析方法。
技术介绍
脑电图(EEG)是通过精密的电子仪器，从头皮上将脑部的自发性生物电位加以放大记录而获得的图形，是通过电极记录下来的脑细胞群的自发性、节律性电活动。脑电信号具有较高的时间精度，可以动态观察大脑的状态变化，因此脑电图信号是诊断不同神经障碍和疾病的重要工具。大脑神经元之间相互作用、相互关联，使大脑成为一个复杂的动力学系统。将大脑看成一个功能网络，研究大脑不同区域的神经集群之间的时间相关性，以此来探索大脑不同区域之间的联系是大脑动力学系统的一种方法。目前大脑功能网络的建立方法，一般是根据不同电极间采集到的EEG信号皮尔逊相关系数来建立功能性网络，或者由不同电极间的EEG信号的锁相值，来建立功能网络，这些忽略了脑电信号在不同时刻的放电特性，建立的脑功能网络不能较好的反映大脑的真实状态。另外，传统脑电信号分析方法，也一般是从信号本身的特征(幅值、频谱、相位)去分析大脑神经系统相关疾病患者与正常人的EEG信号差异，无法大脑的整体连通关系去分析EEG信号，因此也忽略了大脑网络的一些高阶的隐藏的有价值的信息。
技术实现思路
本专利技术的目的在于提供一种基于复杂网络特征指标的脑电图信号分析方法，通过全脑域功率峰值附近时刻的锁相值建立大脑功能网络，再通过计算多个大脑功能网络的特征指标，建立特征指标向量，根据特征指标向量，进行分类运算，完成脑电图分类。本专利技术是通过以下技术方案实现的：一种基于复杂网络特征指标的脑电图信号分析方法，脑电图信号由多路导联电极采集，包括以下步骤：S1：根据脑电图信号建立大脑功能性网络，具体步骤包括：S11：计算全脑域功率GFP，其中K为总的导联通电极数，代表K个节点，i为第i路导联，Vi(t)为第i路导联的EEG信号，Vmean(t)为t时刻K路导联信号的平均值；S12：获取GFP的峰值时刻，记为时间序列t＝[t1,t2,t3...tn]；S13：在时间序列[t1,t2,t3...tn]中每个时刻ti(i∈[1,n])为中心时间的一段时间范围内，计算每两路导联脑电信号之间的锁相值；S14：根据所述每两路导联脑电信号之间的锁相值指标反映节点之间的联系，以此建立大脑功能网络；S2：根据所述大脑功能网络，计算多个大脑功能网络的特征指标，建立特征指标向量；S3：根据所述大脑功能网络的特征指标向量，进行分类运算，完成脑电图分类。相对于现有技术，本专利技术的方法可以有效度量大脑功能网络的全局连通性、节点重要性以及刻画大脑的信息传递性，可以较准确地描述大脑的特征与状态。进一步地，所述步骤S2的所述大脑功能网络的特征指标包括度、聚类系数、特征路径长度、小世界指标、网络密度、介数中心性、同配系数和信息熵。进一步地，所述步骤S3的分类算法，包括支持向量机、KNN、决策树、贝叶斯分类器、神经网络。进一步地，所述步骤S4，将所述锁相值指标与一阈值相比较，若所述锁相值指标大于或等于所述阈值，则判定节点之间有连接关系，或所述锁相值指标小于所述阈值，则判定节点之间没有连接关系，由此建立无权的大脑功能网络图。进一步地，所述锁相值PLV的计算公式为：其中为两路导联脑电信号的相位关系值，N为时间序列[t1,t2,t3...tn]中每个时刻ti(i∈[1,n])为中心时间的一段时间范围内的采样点数。进一步地，所述两路导联脑电信号的相位关系值可以通过信号的时频分析来计算。为了能更清晰的理解本专利技术，以下将结合附图说明阐述本专利技术的具体实施方式。附图说明图1是本专利技术脑电图信号分析的方法的流程图。图2是全脑域功率峰值时刻表示图图3是大脑功能网络建立表示图。图4是大脑功能网络图。具体实施方式本专利技术提出一种基于复杂网络特征指标的脑电图信号分析方法，可以有效地分析大脑功能性网络。请参阅图1，本专利技术的脑电图信号分析的方法包括以下步骤：S1：根据脑电图信号建立大脑功能网络。由于脑电图信息一般由多路导联电极采集所得，因此可以建立不同电极之间的关联关系，由此来建立大脑功能网络。定义每个导联电极所测量区域为图中的一个节点，将多路EEG信号抽象为一个由点集和边集组成的图G：G＝(V,E)，其中V为节点的集合，对应EEG脑号采集的导联节点，E为连接的边。脑电信号不同频带内的相位同步已被证明是解释神经元整合的一种可能机制，通过锁相值(PLV)来表示两路脑电信号的相位同步关系。全脑域功率(Globalfieldpower，GFP)代表每个瞬间大脑上的电场强度，因此通常用于测量全局大脑对事件的反应或表征大脑活动的快速变化，GFP曲线的峰值位置表示最强场强和最高地形信噪比的瞬间。本申请大脑功能网络的建立，利用GFP曲线的峰值位置的时刻来计算锁相值，可以较好地反映大脑神经元放电的过程。因此，步骤S1包括：S11：计算全脑域功率GFP，其中K为总的导联通电极数，代表K个节点，i为第i路导联，Vi(t)为第i路导联的EEG信号，Vmean(t)为t时刻K路导联信号的平均值。S12：获取GFP的峰值时刻，记为时间序列t＝[t1,t2,t3...tn]。如图2所示，[t1,t2,t3...tn]对就的时刻即为GFP曲线的峰值时刻。S13：在时间序列[t1,t2,t3...tn]中每个时刻ti(i∈[1,n])为中心时间的一段时间范围内，计算每两路导联脑电信号之间的锁相值。锁相值PLV的计算公式为：其中为两路导联脑电信号的相位关系值，N为时间序列[t1,t2,t3...tn]中每个时刻ti(i∈[1,n])为中心时间的一段时间范围内的采样点数。而两路导联脑电信号的相位关系值可以通过信号的时频分析来计算，包括短时傅里叶变换、小波变换、希尔伯特黄变换和Cohen类时频分布等。S14：根据所述每两路导联脑电信号之间的锁相值指标反映节点之间的联系，以此建立大脑功能网络。由步骤S13会计算得到时间序列[t1,t2,t3...tn]每个时刻ti(i∈[1,n])对应的多个锁相值，取这个多锁相值的平均值或其取其中的最大值来作为每两路导联脑电信号之间的锁相值指标，以此来描述两个节点之间的联系，因此可以建立带权的大脑功能网络图，节点与节点之间的权值即为锁相值指标；也可建立无权的大脑功能网络图，将锁相值指标与一阈值相比较，若锁相值指标大于或等于阈值，则判定节点之间有连接关系，或锁相值指标小于阈值，则判定节点之间没有连接关系，由此建立无权的大脑功能网络图。对于大脑功能性网络图G，该图的无权邻接矩阵为W，其元素ωij计算如下：若任两个节点i与j的EEG信号间的锁相值PLVij大于等于阈值δ，则认为大脑区域的节点i和j之间有连接关系，邻接矩阵W对应的元素ωij＝1，反之，ωij＝0，表示大脑区域的节点i与j之本文档来自技高网...

【技术保护点】
1.一种脑电图信号分析方法，脑电图信号由多路导联电极采集，其特征在于：包括以下步骤：/nS1：根据脑电图信号建立大脑功能性网络，具体步骤包括：/nS11：计算全脑域功率GFP，

【技术特征摘要】
1.一种脑电图信号分析方法，脑电图信号由多路导联电极采集，其特征在于：包括以下步骤：
S1：根据脑电图信号建立大脑功能性网络，具体步骤包括：
S11：计算全脑域功率GFP，其中K为总的导联通电极数，代表K个节点，i为第i路导联，Vi(t)为第i路导联的EEG信号，Vmean(t)为t时刻K路导联信号的平均值；
S12：获取GFP的峰值时刻，记为时间序列t＝[t1,t2,t3...tn]；
S13：在时间序列[t1,t2,t3...tn]中每个时刻ti(i∈[1,n])为中心时间的一段时间范围内，计算每两路导联脑电信号之间的锁相值；
S14：根据所述每两路导联脑电信号之间的锁相值指标反映节点之间的联系，以此建立大脑功能网络；
S2：根据所述大脑功能网络，计算多个大脑功能网络的特征指标，建立特征指标向量；
S3：根据所述大脑功能网络的特征指标向量，进行分类运算，完成脑电图分类。


2.根据权利要求1所述的脑电图信号分析方法，其特征在于：所述步骤S2的所述大脑功能网...

【专利技术属性】
技术研发人员：许学添，万晓辉，陈丹，
申请(专利权)人：广东司法警官职业学院，
类型：发明
国别省市：广东;44