一种从静息态脑电数据中提取特征的方法及终端设备技术

本发明专利技术适用于脑电信号处理技术领域，提供了一种从静息态脑电数据中提取特征的方法及装置，所述方法包括：获取被试人员在静息状态下的脑电信号段，并计算脑电信号段对应的全局能量谱；根据全局能量谱确定脑电信号段中各个时间点对应的微状态，得到微状态序列；采用滑动时间窗口算法描述微状态序列，并将第一微状态序列子段内持续时间大于第一时间阈值的微状态作为第一微状态序列子段的主要特征，得到特征序列；第一微状态序列子段为当前滑动时间窗口描述的微状态序列子段。本发明专利技术提供的技术方案使用滑动时间窗口算法描述微状态序列，能够提高获取到的特征序列的有效性，减小计算量以及降低噪声对数据的影响。

【技术实现步骤摘要】
一种从静息态脑电数据中提取特征的方法及终端设备
本专利技术属于脑电信号处理
，尤其涉及一种从静息态脑电数据中提取特征的方法及终端设备。
技术介绍
脑电图具有良好的时间和空间分辨率，是人们研究大脑的有力工具。脑电图的微状态是多通道脑电图中脑电拓扑结构的准稳定时期，静息态脑电图就是由少数交替的微状态主导的。由于微状态具有较高的可重复性，利用脑电图微状态这一神经生理学工具，可以分析各种神经精神障碍，了解和评估被试人员在毫秒时间尺度上的脑网络动力学情况。然而，由于脑电图对应的微状态情况复杂，直接根据微状态获取对应的特征容易受到噪声干扰，计算量大，且准确度不高。
技术实现思路
有鉴于此，本专利技术实施例提供了一种从静息态脑电数据中提取特征的方法及终端设备，以解决现有技术中根据微状态获取特征准确度低的问题。本专利技术实施例的第一方面提供了一种从静息态脑电数据中提取特征的方法，包括：获取被试人员在静息状态下的脑电信号段，并计算所述脑电信号段对应的全局能量谱；根据所述全局能量谱确定所述脑电信号段中各个时间点对应的微状态，得到微状态序列；采用滑动时间窗口算法描述所述微状态序列，并将第一微状态序列子段内持续时间大于第一时间阈值的微状态作为所述第一微状态序列子段的主要特征，得到特征序列；所述第一微状态序列子段为当前滑动时间窗口描述的微状态序列子段。本专利技术实施例的第二方面提供了一种从静息态脑电数据中提取特征的装置，包括：脑电信号段获取模块，用于获取被试人员在静息状态下的脑电信号段，并计算所述脑电信号段对应的全局能量谱；微状态序列计算模块，用于根据所述全局能量谱确定所述脑电信号段中各个时间点对应的微状态，得到微状态序列；特征序列获取模块，用于采用滑动时间窗口算法描述所述微状态序列，并将第一微状态序列子段内持续时间大于第一时间阈值的微状态作为所述第一微状态序列子段的主要特征，得到特征序列；所述第一微状态序列子段为当前滑动时间窗口描述的微状态序列子段。本专利技术实施例的第三方面提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述方法的步骤。本专利技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。本专利技术实施例与现有技术相比存在的有益效果是：本专利技术实施例提供了一种从静息态脑电数据中提取特征的方法及装置，所述方法包括：获取被试人员在静息状态下的脑电信号段，并计算脑电信号段对应的全局能量谱；根据全局能量谱确定脑电信号段中各个时间点对应的微状态，得到微状态序列；采用滑动时间窗口算法描述微状态序列，并将第一微状态序列子段内持续时间大于第一时间阈值的微状态作为第一微状态序列字段的主要特征，得到特征序列；第一微状态序列字段为当前滑动时间窗口描述的微状态序列子段。本专利技术实施例提供的技术方案使用滑动时间窗口算法描述微状态序列，能够提高获取到的特征序列的有效性，同时能够减小计算量并降低噪声的影响。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的从静息态脑电数据中提取特征的方法的实现流程示意图；图2是本专利技术实施例提供的从静息态脑电数据中提取特征的方法的另一实现流程示意图；图3是本专利技术实施例提供的从静息态脑电数据中提取特征的装置结构示意图；图4是本专利技术实施例提供的终端设备的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。参见图1，本专利技术实施例提供了一种从静息态脑电数据中提取特征的方法，包括：S101：获取被试人员在静息状态下的脑电信号段，并计算脑电信号段对应的全局能量谱；在本实施例中，依据国际标准10-20脑电记录系统设置16个电极获取被试人员的原始脑电信号，16个电极的设置位点分别为Fp1、Fp2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T3、T4、T5以及T6，设置所有电极对应的导联阻抗值均小于5K欧姆，选择采样率为1KHz，采样时长为10分钟。在本实施例中，为了获取静息态的脑电数据，需在安静封闭弱光环境下获取被试人员的原始脑电信号，使被试人员保持静止的闭眼清醒状态，并尽量减少眼球转动。在本实施例中，获取被试人员的原始脑电信号后，需对原始脑电信号进行预处理，得到脑电信号段。预处理包括：降采样处理、滤波处理、分段处理、基线校正处理、重参考处理以及阈值法处理。可选的，通过降采样处理将脑电信号的采样频率降至250Hz；滤波处理使用0.5-40Hz的带通滤波；通过分段处理将脑电信号分为10秒长的脑电数据段；基线校正处理中将各个脑电数据段的前200ms部分作为基线进行校正处理；重参考处理使用平均参考的方法；阈值法处理去除各个脑电数据段中幅值大于75μv的部分，从而去除脑电信号中肌电和眼电伪迹信号的影响。在本专利技术的一个实施例中，S101包括：基于小波分解方法提取所述脑电信号中的α成分；计算所述α成分对应的全局能量谱。在本实施例中，α成分为脑电信号中的频率为8-12Hz的成分。S102：根据全局能量谱确定脑电信号段中各个时间点对应的微状态，得到微状态序列；在本专利技术的一个实施例中，S102包括：获取全局能量谱的目标峰值点对应的脑电拓扑图；对峰值点对应的脑电拓扑图进行聚类分析，得到至少一种微状态；分别计算脑电信号中第一时间点与各个峰值时间点的空间相关度；第一时间点为脑电信号中除峰值时间外的其他时间点；选取与第一时间点的空间相关度最大的峰值时间点对应的微状态作为第一时间点对应的微状态，得到脑电信号的微状态序列。在本专利技术的一个实施例中，获取全局能量谱的目标峰值点对应的脑电拓扑图包括：将全局能量谱中除第一峰值点外的峰值点作为目标峰值点；第一峰值点为与相邻峰值点的时间间隔小于预设时间阈值的峰值点；获取各个目标峰值点对应的脑电拓扑图。本实施例选取除与相邻峰值点的时间间隔小于预设时间阈值的峰值点外的目标峰值点，删去了波动过大的数据，从而减小提取特征的误差。可选的，预设时间阈值为10ms。在本专利技术的一个实施例中，对目标峰值点对应的脑电拓扑图进本文档来自技高网...

【技术保护点】
1.一种从静息态脑电数据中提取特征的方法，其特征在于，包括：/n获取被试人员在静息状态下的脑电信号段，并计算所述脑电信号段对应的全局能量谱；/n根据所述全局能量谱确定所述脑电信号段中各个时间点对应的微状态，得到微状态序列；/n采用滑动时间窗口算法描述所述微状态序列，并将第一微状态序列子段内持续时间大于第一时间阈值的微状态作为所述第一微状态序列子段的主要特征，得到特征序列；所述第一微状态序列子段为当前滑动时间窗口描述的微状态序列子段。/n

【技术特征摘要】
1.一种从静息态脑电数据中提取特征的方法，其特征在于，包括：
获取被试人员在静息状态下的脑电信号段，并计算所述脑电信号段对应的全局能量谱；
根据所述全局能量谱确定所述脑电信号段中各个时间点对应的微状态，得到微状态序列；
采用滑动时间窗口算法描述所述微状态序列，并将第一微状态序列子段内持续时间大于第一时间阈值的微状态作为所述第一微状态序列子段的主要特征，得到特征序列；所述第一微状态序列子段为当前滑动时间窗口描述的微状态序列子段。


2.如权利要求1所述的从静息态脑电数据中提取特征的方法，其特征在于，在所述得到特征序列之后，所述方法还包括：
获取至少一个脑电信号段对应的特征序列，并根据各个脑电信号段对应的特征序列计算所述被试人员对应的各个主要特征的特征值；
将所述被试人员对应的各个主要特征的特征值输入分类模型，得到所述被试人员对应的人员类别；所述人员类别包括：阿兹海默症患者类、轻度认知障碍患者类以及正常人员类。


3.如权利要求1所述的从静息态脑电数据中提取特征的方法，其特征在于，所述计算所述脑电信号段对应的全局能量谱，包括：
基于小波分解方法提取所述脑电信号中的α成分；
计算所述α成分对应的全局能量谱。


4.如权利要求1所述的从静息态脑电数据中提取特征的方法，其特征在于，所述根据所述全局能量谱确定脑电信号中各个时间点对应的微状态，得到微状态序列，包括：
获取所述全局能量谱的目标峰值点对应的脑电拓扑图；
对所述目标峰值点对应的脑电拓扑图进行聚类分析，得到至少一种微状态；
分别计算所述脑电信号中第一时间点与各个目标峰值时间点的空间相关度；所述第一时间点为所述脑电信号中除所述峰值时间外的其他时间点；
选取与所述第一时间点的空间相关度最大的目标峰值时间点对应的微状态作为所述第一时间点对应的微状态，得到所述脑电信号的微状态序列。


5.如权利要求4所述的从静息态脑电数据中提取特征的方法，其特征在于，所述获取所述全局能量谱的目标峰值点对应的脑电拓扑图，包括：
将所述全局能量谱中除第一峰值点外的峰值点作为目标峰值点；所述第一峰值点为与相邻...

【专利技术属性】
技术研发人员：冯春雨，史玉盼，王铭维，马芹颖，任维聪，黎彤亮，
申请(专利权)人：河北省科学院应用数学研究所，
类型：发明
国别省市：河北;13