基于静息态EEG信号的数学超常青少年脑功能连接网络分析方法技术

本发明专利技术公开了一种基于静息态EEG信号的数学超常青少年脑功能连接网络分析方法：基于静息态EEG信号，采用基于Wilcoxon符号秩和检验的相位滞后(phase lagbased onWilcoxon signed‑ranktest,PLWT)算法，构造连接网络，进而利用图论指标对连接网络进行度量，刻画数学超常青少年的连接网络特征，包括活跃脑区、图论指标。与现有技术相比，本发明专利技术中提供的方法有如下优势：基于静息态EEG信号刻画数学超常青少年的连接网络特征，和基于任务态EEG信号分析相比较，所获取的特征更加简便、普适；所采用的PLWT方法利用Wilcoxon符号秩和检验的框架进行EEG信号的相位同步判断，发掘内在连接网络，避免阈值的主观设定，降低了连接网络分析中的不确定因素。

Analysis method of brain functional connectivity network in mathematical supernormal adolescents based on resting state EEG signals

The invention discloses a mathematical supernormal adolescent brain function connection network analysis method based on resting state EEG signal: Based on the resting state EEG signal, the phase lag (phase lagbased onWilcoxon signed ranktest, PLWT) algorithm based on the Wilcoxon symbol rank sum test is used to construct the connection network, and then the graph index is used. The connection network is used to measure the connection network characteristics of mathematics supernormal youth, including active brain area and graph theory index. Compared with the existing technology, the method provided in the present invention has the following advantages: Based on the resting state EEG signal to characterize the connection network characteristics of a mathematically abnormal teenager, and compared to the task based EEG signal analysis, the acquired features are more simple and universal; the PLWT method used to make use of the framework of Wilcoxon symbol rank and test. The phase synchronization judgment of EEG signal is performed to discover the intrinsic connection network, avoid the subjective setting of threshold, and reduce the uncertainties in connection network analysis.

【技术实现步骤摘要】
基于静息态EEG信号的数学超常青少年脑功能连接网络分析方法
本专利技术属于计算神经科学领域，具体来说，涉及在假设检验的框架下构造基于静息态EEG信号的数学超常青少年脑功能连接网络，并分析其图论指标。
技术介绍
人脑可以看作一个复杂网络，具有很高的“小世界”拓扑属性。不同功能区相互作用、相互协调，共同完成复杂的认知功能。因此，研究脑连接网络中的相互作用非常重要。连接网络可分为三种：(1)结构性网络(structurenetwork)，由神经元突触之间的电连接或化学连接构成，这种网络一般通过实体解剖或通过核磁影像方法来确定；(2)功能性网络(functionalnetwork)，描述皮层神经网络各节点之间的统计性连接关系，这种网络的构建可基于EEG、MEG、fMRI等信号，由相位同步分析、互相关等算法完成；(3)效用性网络(effectivenetwork)，描述皮层神经网络各节点之间的相互影响或信息流向。对于脑功能网络的连接分析，相位同步(phasesynchronization,PS)是神经元群集间相互作用的重要表现。若两神经信号序列的相位具有同步性，即相位同时增加同时减小，则这两个节点间的相关性很强。文献中发展了一些相位同步指标，代表性的有谱相干(spectralcoherence,SC)、锁相值(phaselockingvalue,PLV)、相位滞后指标(phaselagindex,PLI)、及加权相位滞后指标(weightedphaselagindex,WPLI)。但它们都存在一些不足和弊端，如：SC只能度量信号间的线性相干；PLV会严重受到容积传导的影响；PLI虽然能够避免容积传导效应，但容易受到微小扰动的影响；WPLI在PLI的基础上进行加权操作，从而达到降低微小相位差的影响，但它仍会纳入噪声，并且大的相位差起着主导作用。更为重要地，上述所提及的算法都存在一个共性问题：必须利用一个阈值来确定连接性，而这阈值的设定具有很强的主观性，这增加了连接性分析的不确定性。针对这些问题，近年来文献中发展了一种新的相位同步度量算法，称之为基于Wilcoxon符号秩和检验的相位滞后(phaselagbasedonWilcoxonsigned-ranktest,PLWT)算法。PLWT在假设检验的框架下判断连接的显著性，有效地避免容积传导和噪声的影响，且避免了阈值的主观设定，降低了连接网络分析中的不确定因素。数学作为学习和研究现代科学技术必不可少的基本工具，在人类社会发展中起着不可替代的作用。而数学超常青少年将会对社会发展做出巨大贡献，因此对数学超常青少年的脑机制研究显得十分必要。然而以往的研究都热衷于分析数学超常青少年在进行推理任务时呈现的脑功能连接网络特征，在静息态时的连接网络分析并未被涉足。本专利技术基于静息态EEG信号，应用PLWT算法构造数学超常青少年的连接网络，并从图论的角度进行分析，得到静息态下与数学超常相关的活跃脑区及图论指标。
技术实现思路
本专利技术要解决的技术问题是：为了克服现有技术中存在的不足，本专利技术提供一种基于静息态EEG信号的数学超常青少年脑功能连接网络分析方法。所提供方法基于静息态EEG信号，获取的连接网络特征简便、普适；发掘内在连接网络，降低了连接网络分析中的不确定因素。本专利技术解决其技术问题的解决方案是：基于静息态EEG信号的数学超常青少年脑功能连接网络分析方法，包括以下步骤：步骤一、采集数学超常青少年及对照组的静息态EEG信号；步骤二、基于PLWT算法，构造连接网络；步骤三、考察所构造连接网络是否具有无标度特性；步骤四、利用图论指标对连接网络进行度量，刻画基于静息态EEG信号的数学超常青少年的连接网络特征。具体地，所述步骤一的具体方法是：按照数学超常的选取标准，选取11个数学超常的青少年，作为实验组；选取年龄分布相似的13个普通青少年，作为对照组。采用国际10-20标准，采集两组共24个青少年健康被试在闭眼静息态时的EEG信号，用于后续的对比分析。具体地，所述步骤二的具体方法是：对EEG信号进行预处理，滤波到θ频带(已有的研究指出θ频带与静息态最为相关)，使用PLWT算法计算连接性，即将显著性水平设为常规的数值0.01，得到二值邻接矩阵(0代表无连接，1代表有连接)。PLWT算法，包括以下步骤：(1)对EEG信号的任意两个时间序列计算sin(Δθk)(k＝1，..，其中Δθk为第k个采样点上两个时间序列的瞬时相位差，N为采样时间点个数。对其绝对值的非零值按升序排序，得到对应的秩R(|sin(Δθk)|)，即非零正弦函数值的绝对值|sin(Δθk)|在升序序列中的位置；(2)利用Wilcoxon符号秩和检验构造统计量T+和T-：(3)令T＝min{T+；(4)对于一个给定的显著性水平，如果T小于临界值(具体数值可查Wilcoxon符号秩和检验表)，则认为相位差的分布是显著非对称的，即有连接。设n为sin(的非零值个数，若n，可以用高斯分布的临界值来近似，标准化后的统计量为：具体地，所述步骤三的具体方法是：已有的研究表明，基于EEG信号的连接网络具有无标度特性，“度”(degree)分布符合幂律分布。本专利技术基于步骤二获取的数学超常组与对照组的静息态EEG信号的连接网路，计算度分布，并与幂律分布进行拟合。具体地，所述步骤四的具体方法是：根据邻接矩阵计算节点强度、聚类系数和特征路径长度，与功率谱地形图所显示的功能脑区进行对比，得到数学超常青少年的活跃的脑区，并在统计上检验数学超常组与对照组的图论指标是否有显著差异。本专利技术的有益效果是：本专利技术基于静息态EEG信号，采用PLWT算法构造连接网络，进而利用图论指标对连接网络进行度量，刻画基于静息态EEG信号的数学超常青少年的连接网络特征。与现有技术相比，本专利技术中提供的方法有如下优势：基于静息态EEG信号刻画数学超常青少年的连接网络特征，和基于任务态EEG信号分析相比较，所获取的特征更加简便、普适；PLWT方法利用Wilcoxon符号秩和检验的框架进行EEG信号的相位同步判断，发掘内在连接网络，避免阈值的主观设定，降低了连接网络分析中的不确定因素。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，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本专利技术的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。图1为本专利技术的流程图；图2为采集静息态EEG信号时的电极分布图；图3为数学超常青少年和对照组的θ频带功率谱地形图；图4为在θ频带基于PLV、PLI、WPLI、PLWT算法构造的连接网络的节点权值地形图(由上至下)；图5为在θ频带基于PLV、PLI、WPLI、PLWT算法构造的连接网络的度分布图；图6为在θ频带基于PLV、PLI、WPLI、PLWT算法构造的连接网络的节点强度地形图(由上至下)；图7为在θ频带基于PLV、PLI、WPLI、PLWT算法构造的连接网络的聚类系数、特征路径长度分布箱线图。具体实施方式以下将结合实施例和附图对本专利技术的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本专利技术的目的、特征和效果。显然，所描述的实施例只是本专利技术的一本文档来自技高网...

【技术保护点】
1.基于静息态EEG信号的数学超常青少年脑功能连接网络分析方法，其特征在于：包括以下步骤：步骤一、采集数学超常青少年及对照组的静息态EEG信号；步骤二、基于Wilcoxon符号秩和检验的相位滞后(phase lag based on Wilcoxon signed‑rank test,PLWT)算法，构造连接网络；步骤三、考察所构造连接网络是否具有无标度特性；步骤四、利用图论指标对连接网络进行度量，刻画基于静息态EEG信号的数学超常青少年的连接网络特征。

【技术特征摘要】
1.基于静息态EEG信号的数学超常青少年脑功能连接网络分析方法，其特征在于：包括以下步骤：步骤一、采集数学超常青少年及对照组的静息态EEG信号；步骤二、基于Wilcoxon符号秩和检验的相位滞后(phaselagbasedonWilcoxonsigned-ranktest,PLWT)算法，构造连接网络；步骤三、考察所构造连接网络是否具有无标度特性；步骤四、利用图论指标对连接网络进行度量，刻画基于静息态EEG信号的数学超常青少年的连接网络特征。2.根据权利要求1所述的基于静息态EEG信号的数学超常青少年脑功能连接网络分析方法，其特征在于：所述步骤一的具体方法是：按照数学超常的选取标准，选取11个数学超常的青少年，作为实验组；选取年龄分布相似的13个普通青少年，作为对照组。采用国际10-20标准，采集两组共24个青少年健康被试在闭眼静息态时的EEG信号，用于后续的对比分析。3.根据权利要求1所述的基于静息态EEG信号的数学...

【专利技术属性】
技术研发人员：王海贤，吴韵巧，张友红，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东,44