專利名稱：一種基于腦電網(wǎng)絡(luò)分析的地形圖描繪裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信息處理技術(shù)領(lǐng)域，涉及人體信號(hào)處理，具體地說(shuō)是一種通過(guò)提取人體腦電EEG信號(hào)并進(jìn)行信號(hào)處理和腦網(wǎng)絡(luò)分析，以最終實(shí)現(xiàn)大腦功能狀態(tài)的判斷。本發(fā)明可用于對(duì)人體不同的腦功能狀態(tài)進(jìn)行定性判定，為了解大腦活動(dòng)狀態(tài)提供一種新手段。
背景技術(shù)：
傳統(tǒng)腦電地形圖BEAM (brain electrical activity mapping)就是在腦電圖技術(shù)基礎(chǔ)上，用計(jì)算機(jī)對(duì)EEG信號(hào)進(jìn)行數(shù)字處理，將一維時(shí)間序列轉(zhuǎn)變成能夠定位和定量的偽彩色二維分布圖像，用數(shù)字和顏色來(lái)顯示大腦的功能變化并進(jìn)行初步的形態(tài)定位。 目前，神經(jīng)生理學(xué)、解剖學(xué)、病理學(xué)的已有研究都表明，在細(xì)胞、核團(tuán)、組織、器官等不同的層次上，人腦是由神經(jīng)元、或由神經(jīng)元形成具有一定功能的核團(tuán)、或由核團(tuán)進(jìn)一步形成具有一定物理結(jié)構(gòu)和功能的腦組織構(gòu)成的，這些不同層次的腦構(gòu)成單元之間，均存在復(fù)雜的互聯(lián)網(wǎng)絡(luò)關(guān)系，一些腦功能異常，比如精神分裂癥，其主要特征就是腦神經(jīng)網(wǎng)絡(luò)的互聯(lián)異常。但是，傳統(tǒng)BEAM在構(gòu)圖過(guò)程中，將腦電各個(gè)電極作為獨(dú)立的信號(hào)源看待，形成的地形圖沒(méi)有反映多個(gè)腦電電極之間的相關(guān)關(guān)系，存在明顯缺陷。事實(shí)上，目前已經(jīng)有一些關(guān)于精神狀態(tài)分析相關(guān)的腦網(wǎng)絡(luò)研究，包括睡眠、麻醉、注意、精神分裂、老年癡呆等。這些研究從多個(gè)角度揭示了不同腦功能狀態(tài)的腦網(wǎng)絡(luò)出現(xiàn)了不同變化，研究的結(jié)果大都發(fā)現(xiàn)，腦功能異常時(shí)，腦網(wǎng)絡(luò)多出現(xiàn)了不同程度的小世界特征的變化，而腦網(wǎng)絡(luò)小世界特征的退化意味著腦網(wǎng)絡(luò)在處理信息時(shí)，其全局效率和局部效率降低。目前研究腦網(wǎng)絡(luò)最常見(jiàn)的信號(hào)采集工具是磁共振成像MRI裝置，比較典型的報(bào)告包括 Silvina G. Horovitz, AllenR. Braun, Walter S. Carrd 等發(fā)表的 “Decouplingof thebrain’s default mode network during deep sleep”，見(jiàn)PNAS,2009(27)11376-11381 ;朱俊娟，彭代輝、江開(kāi)達(dá)等發(fā)表的“腦網(wǎng)絡(luò)在抑郁癥中的應(yīng)用研究進(jìn)展”，見(jiàn)中國(guó)神經(jīng)精神疾病雜志 2011 年 12 期 60-63 頁(yè)；He Y, Chen Z, EvansA. “Structural insights into aberranttopological patterns of large-scale corticalnetworks in alzheimer’s disease，，，見(jiàn)J Neurosci，2008( 18)4756-66。這些基于磁共振MRI的腦網(wǎng)絡(luò)分析存在以下幾個(gè)缺陷，限制了其廣泛應(yīng)用(I)MRI設(shè)備和檢查費(fèi)昂貴；(2) MRI機(jī)房?jī)?nèi)不能使用監(jiān)護(hù)和搶救設(shè)備，MRI對(duì)病人體動(dòng)敏感，易產(chǎn)生偽影，不適于對(duì)急診和危重病人進(jìn)行檢查；(3)個(gè)別人進(jìn)入掃描室可產(chǎn)生幽閉恐懼癥，自訴一種難以名狀的恐懼感，不能配合檢查，常導(dǎo)致檢查失敗。總之，傳統(tǒng)BEAM在構(gòu)圖中將各個(gè)腦電電極孤立起來(lái)，不能反映電極之間的互相聯(lián)系。目前分析腦網(wǎng)絡(luò)的工具多采用MRI，但其具有許多不足?；谀X電網(wǎng)絡(luò)分析的地形圖描繪裝置將傳統(tǒng)BEAM平面定位、偽彩色表達(dá)的功能分析與現(xiàn)代腦網(wǎng)絡(luò)理論結(jié)合起來(lái)，采集電路簡(jiǎn)單，造價(jià)低廉，信號(hào)采集過(guò)程也非常方便，克服了傳統(tǒng)BEAM不能反映腦電電極之間信息相關(guān)的缺點(diǎn)。

發(fā)明內(nèi)容
本發(fā)明的目的是克服傳統(tǒng)BEAM和MRI的缺點(diǎn)，提供一種使用簡(jiǎn)便，價(jià)格低廉的基于腦網(wǎng)絡(luò)分析的新型地形圖描繪裝置，以提高腦信息檢測(cè)的有效性，實(shí)現(xiàn)大腦功能狀態(tài)的更準(zhǔn)確判斷。本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的一種基于腦電網(wǎng)絡(luò)分析的地形圖描繪裝置，包括依次連接的腦電采集電極、腦電圖導(dǎo)聯(lián)線、腦電預(yù)處理電路、模數(shù)轉(zhuǎn)換電路和信號(hào)處理器，所述的信號(hào)處理器設(shè)有依次連接的腦電干擾濾除模塊、腦電分段與分解模塊、互近似熵分析模塊、閾值分析模塊、腦網(wǎng)絡(luò)參數(shù)計(jì)算模塊和腦網(wǎng)絡(luò)對(duì)比模塊；腦電干擾濾除模塊用于濾除腦電信號(hào)中的50Hz工頻干擾、基線漂移和肌電干擾；腦電波提取模塊用于提取腦電信號(hào)，以每1024點(diǎn)為一段進(jìn)行滑動(dòng)窗 處理；互近似熵分析模塊用于求各導(dǎo)聯(lián)電極之間的互近似熵；閾值分析模塊用于為建立腦網(wǎng)絡(luò)確定閾值并建立相應(yīng)的二值矩陣A ;腦網(wǎng)絡(luò)參數(shù)計(jì)算模塊，用于根據(jù)閾值建立腦網(wǎng)絡(luò)并計(jì)算相應(yīng)的腦網(wǎng)絡(luò)參數(shù)包括節(jié)點(diǎn)度，聚類系數(shù)和介數(shù)；腦網(wǎng)絡(luò)對(duì)比模塊用于將受試者腦網(wǎng)絡(luò)各個(gè)參數(shù)與預(yù)存儲(chǔ)的參照者腦網(wǎng)絡(luò)各個(gè)參數(shù)進(jìn)行對(duì)比，并將對(duì)比結(jié)果以地形圖的形式顯不O所述的腦電網(wǎng)絡(luò)地形圖裝置，所述腦電預(yù)處理電路，包括腦電前置級(jí)放大電路、腦電濾波放大電路、50Hz工頻陷波電路；腦電前置級(jí)放大電路選用低功耗、高輸入阻抗、高共模抑制比的四運(yùn)放器件；腦電濾波放大電路采用四運(yùn)放器件中的兩個(gè)運(yùn)放分別設(shè)計(jì)成一個(gè)二階壓控有源高通濾波器和一個(gè)二階壓控有源低通濾波器，組合成帶通濾波器，帶通濾波器的輸入與腦電前置級(jí)放大電路的輸出相連；50Hz工頻陷波電路采用雙T帶阻濾波電路。所述的腦電網(wǎng)絡(luò)地形圖裝置，所述互近似熵的計(jì)算方法為以計(jì)算腦電信號(hào)alpha波段xFt7(i)和xFt8(i), I ( i ( 1024的互近似熵為例，其中xFt7(i)和xFt8(i)分別代表Ft7和FtS處的α信號(hào)，其具體計(jì)算步驟如下(I)先確定兩個(gè)參數(shù)m和r，其中m是預(yù)先選定的模式維數(shù)，r是預(yù)先選定的相似容限，并固定這兩個(gè)參數(shù)m和r不變；(2)設(shè)xFt7(i)的長(zhǎng)度為N，將濾波后的腦電信號(hào)xFt7(i)按順序分成N-m+1個(gè)m維矢量，其中Xim = [.τ,, 7(/),λ·/>7(/ +-m + I)],/ = I N — m + I1； 表示從第i個(gè)點(diǎn)開(kāi)始連續(xù)的m個(gè)xFt7(i)的值，xFt8(i)也做類似的處理；(3)設(shè)為尤和XL中任意的兩個(gè)m維矢量，定義1； 和1&間的距離講1^7,1“]為兩者對(duì)應(yīng)元素中差值最大的一個(gè)，即d[X'Ftl, Xin ] = max X'Ft1 (k) - Xjrts (k)\
l<k<m·對(duì)每個(gè)i值計(jì)算與其余矢量Zj78 (i, j = l^N-m+l)間的距離；(4)對(duì)每一個(gè)i，I彡i彡N-m+1，值統(tǒng)計(jì)鞏X》i7，Zif8]小于r的數(shù)目及此數(shù)目與距離總數(shù)N-m+1的比值，記作CO')，即
權(quán)利要求
1.一種基于腦電網(wǎng)絡(luò)分析的地形圖描繪裝置，其特征在于，包括依次連接的腦電采集電極、腦電圖導(dǎo)聯(lián)線、腦電預(yù)處理電路、模數(shù)轉(zhuǎn)換電路和信號(hào)處理器，所述的信號(hào)處理器設(shè)有依次連接的腦電干擾濾除模塊、腦電分段與分解模塊、互近似熵分析模塊、閾值分析模塊、腦網(wǎng)絡(luò)參數(shù)計(jì)算模塊和腦網(wǎng)絡(luò)對(duì)比模塊；腦電干擾濾除模塊用于濾除腦電信號(hào)中的 50Hz工頻干擾、基線漂移和肌電干擾；腦電波提取模塊用于提取腦電信號(hào)，以每1024點(diǎn)為一段進(jìn)行滑動(dòng)窗處理，以計(jì)算腦電信號(hào)中相應(yīng)參數(shù)；互近似熵分析模塊用于求各導(dǎo)聯(lián)電極之間的互近似熵；閾值分析模塊用于為建立腦網(wǎng)絡(luò)確定閾值并建立相應(yīng)的二值矩陣A ;腦網(wǎng)絡(luò)參數(shù)計(jì)算模塊，用于根據(jù)閾值建立腦網(wǎng)絡(luò)并計(jì)算相應(yīng)的腦網(wǎng)絡(luò)參數(shù)；腦網(wǎng)絡(luò)對(duì)比模塊用于將受試者腦網(wǎng)絡(luò)各個(gè)參數(shù)與預(yù)存儲(chǔ)的參照者腦網(wǎng)絡(luò)各個(gè)參數(shù)進(jìn)行對(duì)比，并將對(duì)比結(jié)果以腦電地形圖的形式顯示。
2.根據(jù)權(quán)利要求1所述的腦電網(wǎng)絡(luò)地形圖裝置，其特征在于，所述腦電預(yù)處理電路，包括腦電前置級(jí)放大電路、腦電濾波放大電路、50Hz工頻陷波電路；腦電前置級(jí)放大電路選用低功耗、高輸入阻抗、高共模抑制比的四運(yùn)放器件；腦電濾波放大電路采用四運(yùn)放器件中的兩個(gè)運(yùn)放分別設(shè)計(jì)成一個(gè)二階壓控有源高通濾波器和一個(gè)二階壓控有源低通濾波器，組合成帶通濾波器，帶通濾波器的輸入與腦電前置級(jí)放大電路的輸出相連；50Hz工頻陷波電路采用雙T帶阻濾波電路。
3.根據(jù)權(quán)利要求1所述的腦電網(wǎng)絡(luò)地形圖裝置，其特征在于，所述互近似熵的計(jì)算方法為:以計(jì)算腦電信號(hào)alpha波段xFt7(i)和xFt8(i), I彡i彡1024的互近似熵為例,其中 xFt7(i)和xFt8(i)分別代表Ft7和FtS處的α信號(hào)，其具體計(jì)算步驟如下(1)先確定兩個(gè)參數(shù)m和r，其中m是預(yù)先選定的模式維數(shù)，r是預(yù)先選定的相似容限， 并固定這兩個(gè)參數(shù)m和r不變；(2)設(shè)xFt7(i)的長(zhǎng)度為N，將濾波后的腦電信號(hào)xFt7(i)按順序分成Ν-m+l個(gè)m維矢量 X1pn,X2m,...Χλ；ηη'+1，其中^= [x,.,7{/),X1.,7 V + V),.^xrn(/' - m + I)],/' =1- N - m +1^^7表示從第i個(gè)點(diǎn)開(kāi)始連續(xù)的111個(gè)Xpt7(i)的值，xFt8(i)也做類似的處理；(3)設(shè)和為尤和As,XL,..Jr=-中任意的兩個(gè)m維矢量，定義JLUPXjJl]的距離可為兩者對(duì)應(yīng)元素中差值最大的一個(gè)，即
4.根據(jù)權(quán)利要求1所述的腦電網(wǎng)絡(luò)地形圖裝置，其特征在于，所述閾值和二值矩陣A的確定方法為先將閾值設(shè)為1，并根據(jù)閾值建立相應(yīng)的二值矩陣A和拉普拉斯矩陣δ，判斷拉普拉斯矩陣δ的最小特征值是否大于0，若大于0，閾值為1，二值矩陣即為腦網(wǎng)絡(luò)矩陣； 否則閾值按O. 01逐漸遞減，直至拉普拉斯矩陣δ的最小特征值大于0，此時(shí)確定的閾值即為保證網(wǎng)絡(luò)最大連通性的閾值；依據(jù)上述確定閾值，二值矩陣A的確定方法為當(dāng)互近似熵矩陣的相應(yīng)值大于等于閾值，則二值矩陣A的相應(yīng)值為I ;否則為O。
5.根據(jù)權(quán)利要求1所述的腦電網(wǎng)絡(luò)地形圖裝置，其特征在于，所述腦網(wǎng)絡(luò)參數(shù)計(jì)算方法為(1)計(jì)算每個(gè)節(jié)點(diǎn)的節(jié)點(diǎn)強(qiáng)度h ;計(jì)算公式如下
全文摘要
本發(fā)明公開(kāi)了一種基于腦電網(wǎng)絡(luò)分析的地形圖描繪裝置，包括依次連接的腦電采集電極、腦電圖導(dǎo)聯(lián)線、腦電預(yù)處理電路、模數(shù)轉(zhuǎn)換電路和信號(hào)處理器，所述的信號(hào)處理器設(shè)有依次連接的腦電干擾濾除模塊、腦電分段與分解模塊、互近似熵分析模塊、閾值分析模塊、腦網(wǎng)絡(luò)參數(shù)計(jì)算模塊和腦網(wǎng)絡(luò)對(duì)比模塊。本發(fā)明利用腦電信號(hào)提取腦網(wǎng)絡(luò)互聯(lián)特征，采集方便且時(shí)間分辨率較好，并可采用軟硬件結(jié)合方法剔除干擾，使信號(hào)穩(wěn)定可靠；基于腦電信號(hào)的腦電采集電路簡(jiǎn)單，造價(jià)低廉，有利于產(chǎn)品普及進(jìn)入家庭，從而造福民眾；將小波包分解與互近似熵、神經(jīng)網(wǎng)絡(luò)分析等非線性方法結(jié)合起來(lái)，更適應(yīng)腦電信號(hào)非線性、非平穩(wěn)的本質(zhì)。相比傳統(tǒng)腦電地形圖，本系統(tǒng)可給出更多的腦活動(dòng)信息。
文檔編號(hào)A61B5/0476GK103006211SQ20131001613
公開(kāi)日2013年4月3日 申請(qǐng)日期2013年1月17日 優(yōu)先權(quán)日2013年1月17日
發(fā)明者黃力宇, 薛姣, 任愛(ài)鋒, 羅銘 申請(qǐng)人:西安電子科技大學(xué)