一种基于相位锁定边的脑电功能连接构建方法

技术领域

本发明涉及脑电信号模式识别技术领域，具体为一种基于相位锁定边的脑电功能连接构建方法。

背景技术

脑电信号是通过头皮表面测量脑部神经元活动的一种非侵入性的神经影像学技术。它可以用来研究脑功能的组织和动态变化，比如脑区间的功能连接。相比于传统的脑电信号分析方法，功能连接分析更关注脑区间的相互作用，而不是单个脑区的活动。通过这种方法，可以了解脑区间同步性的特点，如同步强度、同步时延和同步模式等，并进一步研究这些同步性与行为和认知过程之间的关系。

目前为止，基于脑电的功能连接主要是基于节点的功能连接，然而，基于节点功能连接容易受到数据集异质性的干扰，可能无法很好地捕捉大脑区域之间复杂的相互作用特征，并且这种以节点为中心的方法一个局限性是，它不能捕获潜在的有意义的特征或边之间的相互关系，但是在目前的研究现状中，还并未发现基于边的功能连接应用于脑电数据。

于是，有鉴于此，提出一种基于相位锁定边的脑电功能连接构建方法。

发明内容

本发明的目的在于提供一种基于相位锁定边的脑电功能连接构建方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案包括以下步骤：

步骤S1：获取静息态脑电数据，并对其进行预处理得到干净的时间序列数据；

步骤S2：采用带通滤波器对预处理后的数据进行带通滤波，得到不同频段的时间序列x(t)；

步骤S3：对每个频段时间序列进行希尔伯特变换提取每个通道的瞬时相位,具体如下：设x

φ

步骤S4：将希尔伯特变换后的时间序列φ(t)划分为长度为n的时间窗，φ(t)＝[φ

步骤S5：将每个时间窗内每个通道与其余通道的瞬时相位差作为边时间序列，具体如下：

|Δφ

其中,n,m均为整数，φ

步骤S6：计算每个时间窗任意两条边的相关性得到PHeFC矩阵。

进一步的，所述S1中数据预处理包括去除无用电极、滤波、去眼电、去伪迹、重参考。

进一步的，所述S2中采用带通滤波器对预处理后的数据进行带通滤波，输出信号为H(s)＝(K(s))/((s-s1)(s2-s))，其中，s表示频域复变量，s1和s2分别表示滤波器的下限和上限截止频率，K(s)表示滤波器增益函数，最终分频为Delta(1-4Hz)、Theta(4-7Hz)、Alpha(8-13Hz)、Beta(13-30Hz)四个频段。

进一步的，所述S3中对每个频段时间序列进行希尔伯特变换提取每个通道的瞬时相位,设x

其中

是x

进一步的，所述S4中将希尔伯特变换后的时间序列φ(t)划分为长度为n的时间窗φ(t)＝[φ

进一步的，所述S5中计算每个时间窗N个通道中两两时间序列之间的相位差，相位差即为连边时间序列，连边时间序列表示两个节点在每一时刻的相位同步关系；计算它们之间在t时刻的相位差:

|Δφ

进一步的，n,m均为整数，φ

进一步的，所述S6中计算每个时间窗任意两条边的相关性得到PHeFC矩阵，公式如下：

与现有技术相比，本发明具有以下有益效果：采用相位锁定作为边序列，从边与边的功能连接角度来解释大脑活动的神经机制，提高了利用脑电数据识别精神类疾病任务的分类准确率，为患者的诊断提供一个全新的角度，对精神类疾病早诊断，早干预提供关键的见解；解决了脑电信号分析中传统的节点功能连接中无法反映空间不同区域之间的交互是如何随着时间的推移而演变的问题。

附图说明

图1为本发明功能连接算法流程示意图；

图2为本发明使用真实数据在四种频段下基于相位锁定边功能连接方法与基于节点功能连接方法网络强度分类准确率对比图；

图3为本发明使用基于相位锁定边功能连接方法计算网络统计检验图。

具体实施方式

下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例用于说明本发明，但不能用来限制本发明的范围。

如图1所示，一种基于相位锁定边的脑电功能连接构建方法，该方法是采用如下步骤实现的：

步骤S1：获取静息态脑电数据，并对其进行预处理得到干净的时间序列数据；

步骤S2：采用带通滤波器对预处理后的数据进行带通滤波，得到不同频段的时间序列x(t)；

步骤S3：对每个频段时间序列进行希尔伯特变换提取每个通道的瞬时相位；

步骤S4：将希尔伯特变换后的时间序列φ(t)划分为长度为n的时间窗，φ(t)＝[φ

步骤S5：计算每个时间窗内每个通道与其余通道的瞬时相位差作为边时间序列；

步骤S6：计算每个时间窗任意两条边的相关性得到PHeFC矩阵。

所述步骤S1中，预处理数据采用Matlab中EEGLAB工具包，预处理操作去除无用电极、滤波至0.1-40Hz、使用ICA去眼电、去伪迹、重参考为平均参考。

所述步骤S2中，采用带通滤波器对预处理后的数据进行带通滤波，输出信号为H(s)＝(K(s))/((s-s1)(s2-s))，其中，s表示频域复变量，s1和s2分别表示滤波器的下限和上限截止频率，K(s)表示滤波器增益函数。最终分频为Delta(1-4Hz)、Theta(4-7Hz)、Alpha(8-13Hz)、Beta(13-30Hz)四个频段。

所述步骤S3中，对每个频段时间序列进行希尔伯特变换提取每个通道的瞬时相位,设x

其中

是x

所述步骤S4中，将希尔伯特变换后的时间序列φ(t)划分为长度为1s(n＝500)的时间窗φ(t)＝[φ

所述步骤S5中，计算每个时间窗内57个通道中两两时间序列之间的相位差，相位差即为连边时间序列，连边时间序列表示两个节点在每一时刻的相位同步关系；计算它们之间在t时刻的相位差:

|Δφ

其中,n,m均为整数，在神经科学应用中,通常选择n＝1,m＝1,φ

所述步骤S6中计算每个时间窗内任意两条边的相关性得到PHeFC矩阵，公式如下：

实验例

实验数据采用来自爱荷华州大学的14名帕金森氏病(Parkinson'sDisease，PD)和14名正常人(Normal)，此外，这些脑电信号记录在最后一剂多巴胺能药物治疗后12小时。在64通道脑视觉系统上以500Hz的采样率在0.1-100Hz范围内记录脑电信号，在线参考设置为通道Pz。分别计算每个时间窗的节点功能连接以及相位锁定边的功能连接网络，并计算网络强度,使用十折交叉验证随机森林进行分类，比较分类准确率，如图2所示。并对网络进行平均，对于两组被试进行独立样本t检验，如图3所示。

综上所述，采用相位锁定作为边序列，从边与边的功能连接角度来解释大脑活动的神经机制，适用于脑电数据的功能连接分析，解决了脑电信号分析中传统的节点功能连接中无法反映空间不同区域之间的交互是如何随着时间的推移而演变的问题。

本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。