基于SSVEP与ERP融合的情绪动态脑网络图的构建方法技术

本发明专利技术涉及脑网络技术领域，尤其涉及基于SSVEP与ERP融合的情绪动态脑网络图的构建方法。基于SSVEP与ERP融合的情绪动态脑网络图的构建方法，包括以下步骤：步骤1：基于IAPS图片库构建情绪诱发脑电信号样本库，所述情绪诱发脑电信号样本库由多个情绪诱发脑电信号组成；步骤2：对所述情绪诱发脑电信号进行数据预处理；步骤3：提取数据预处理后的情绪诱发脑电信号的ERP和SSVEP脑电信号；步骤4：基于所述ERP和SSVEP脑电信号进行融合，构建情绪动态脑网络图。本发明专利技术实现了情绪动态脑网络图的构建。

Construction of Emotional Dynamic Brain Network Map Based on the Fusion of SSEP and ERP

The invention relates to the field of brain network technology, in particular to the construction method of emotional dynamic brain network map based on the integration of SSEP and ERP. The construction method of emotional dynamic EEG based on the fusion of SVEP and ERP includes the following steps: step 1: building the sample bank of emotional evoked EEG signals based on IAPS image library, which consists of multiple emotional evoked EEG signals; step 2: data preprocessing of the emotional evoked EEG signals; step 3: extracting the emotion after data preprocessing; Step 4: Based on the fusion of ERP and SVEP EEG signals, an emotional dynamic brain network map is constructed. The invention realizes the construction of an emotional dynamic brain network map.

【技术实现步骤摘要】
基于SSVEP与ERP融合的情绪动态脑网络图的构建方法
本专利技术涉及脑网络
，尤其涉及基于SSVEP与ERP融合的情绪动态脑网络图的构建方法。
技术介绍
情绪作为一种复杂的身体和心理的变化模式，包括生理唤醒、感觉、认知过程、外显的表达以及特殊的行为反应，对人脑的认知功能具有重要的影响。如果没有情绪生活，我们将无法想象会变成怎样，我们将难以与外界交流。情绪已经越来越成为一个重要的研究课题。然而，由于很难定义情绪这种行为，难以对其进行操纵并采用科学方法进行研究，因而至今人们对于情绪的理解还非常有限。直到最近，伴随着认知神经科学的发展，人们对情绪的功能神经解剖学的了解才有了重大进展。杏仁核不再是探究情绪的神经机制的唯一焦点。各种不同的情绪会与除杏仁核外其他的神经结构相关联，包括：背外侧前额叶皮质(dorsallateralprefrontalcortex,DLPFC)、腹内侧前额叶皮质(ventromedialprefrontalcortex,vmPFC)、眶额皮质(orbitofrontalcortex,OFC)、海马(hippocampus)、扣带前回皮质(anteriorcingularcortex,ACC)、脑岛皮质(insularcortex)等。实际上，现有的研究表明：大尺度复杂脑网络是人脑高级认知活动所对应的信息的加工处理以及认知表达的生理基础，脑网络和高级认知行为之间存在着很大的相关性，不同的高级认知活动所对应的脑网络在人类个体间也存在着显著性差异。对情绪的认知神经科学研究方法已经不再着眼于独立、分离的神经结构研究，而逐渐转变为对整个神经系统的研究。在认知过程中，信息的加工处理通常是在几十毫秒级别完成，对其相关大脑结构、功能和信息处理机制的分析需要更高且精确的时间分辨率。脑电(electroencephalography,EEG)信号具有和大脑信息加工处理匹配的时间分辨率，因此基于脑电的网络分析更适合于研究情绪加工过程中各脑区间的功能耦合和信息传递处理的动态机制。特别地，稳态视觉诱发电位(steady-statevisualevokedpotential，SSVEP)，由于其信噪比高和频谱稳定等特点，在认知神经科学和神经工程等研究领域，常被用作为一种大脑活动的频率标记手段。SSVEP是当人眼注视6-8Hz或更高频率调制的周期性视觉刺激时，在大脑中所诱发的一种周期性响应。它具有与视觉刺激频率相同的基频及其谐波频率，且与刺激信号保持良好的锁时、锁相特性。SSVEP被认为是大脑初级视觉皮层对外界刺激的一种物理反应，它没有很具体的心理意义，也可能不会触发高级的视觉处理过程。已有的研究证实，枕叶皮层区是SSVEP的主要发生地，但除了枕叶皮层，其它的皮层区域也对SSVEP的产生起着重要的作用。实际上，SSVEP已经成为研究视觉皮质与其他神经结构间的大尺度神经交互活动的一种有用的工具，被广泛应用于情绪、双眼竞争、视觉注意、工作记忆等研究中。尤其是在情绪脑网络研究方面，已有研究者利用SSVEP频率标记技术对情绪脑电网络和特定情绪状态下的功能连接模式进行了分析。然而，现有的研究大都集中于情绪相关静态脑网络和功能连接的分析，缺少对情绪脑网络动态变化模式的深入探索。
技术实现思路
针对情绪相关脑网络构建上存在的上述不足，本专利技术设计了一种基于SSVEP与ERP融合的情绪动态脑网络图的构建方法，在现有情绪研究手段的基础上，利用ERP脑电数据的全局功率得出对应时间窗的SSVEP脑电数据，通过SSVEP脑电数据标记情绪相关脑区，从动态性方面构建情绪脑网络。本专利技术实现了情绪动态脑网络图的构建。为了实现上述目的，本专利技术采用以下技术方案：基于SSVEP与ERP融合的情绪动态脑网络图的构建方法，包括以下步骤：步骤1：基于IAPS图片库构建情绪诱发脑电信号样本库，所述情绪诱发脑电信号样本库由多个情绪诱发脑电信号组成；步骤2：对所述情绪诱发脑电信号进行数据预处理；步骤3：提取数据预处理后的情绪诱发脑电信号的ERP和SSVEP脑电信号；步骤4：基于所述ERP和SSVEP脑电信号进行融合，构建情绪动态脑网络图。进一步地，所述步骤1包括：步骤1.1：基于情绪效价由高到低的顺序，分别选择IAPS图片库中三个不同情绪效价下的M幅图片，同一情绪效价对应同一类别的图片，所述类别包括正性图片、中性图片和负性图片，且每类图片的情绪唤醒度不同；步骤1.2：随机从除步骤1.1所述图片外的IAPS图片库中选择M幅图片；步骤1.3：对步骤1.2中所述幅张图片进行两次相位随机化处理，得到2*M幅相位随机图片；所述相位随机图片与步骤1.1中选择的图片共同构成实验刺激图片，所有实验刺激图片共同构成实验刺激图片库；步骤1.4：调整所述实验刺激图片的亮度，使不同情绪效价下的实验刺激图片的亮度一致；步骤1.5：将步骤1.4中调整后的实验刺激图片进行排列，使第一副实验刺激图片为相位随机图片，形成数据段，不同的数据段，实验刺激图片的排列顺序不同，每个数据段包含实验刺激图片的数量不大于5*M；步骤1.6：每个数据段内的实验刺激图片以相同频率进行闪现，且随机产生所述实验刺激图片的变换时间点，所述变换时间点包括早期时间窗、中期时间窗和晚期时间窗，其中早期时间窗和晚期时间窗内出现的数据段为捕获段，所述捕获段内的实验刺激图片从IAPS图片库中除实验刺激图片库的图片外任意选取；步骤1.7：将数据段进行排列，使同一图片不在连续的三个数据段内同时出现，且同一图片在所有排列后的数据段内随机出现两次；步骤1.8：将所有排列后的数据段进行分块，完成实验范式的构建；步骤1.9：通过所述实验范式对不同被试进行测试，获取不同被试不同实验刺激图片刺激下的情绪诱发脑电信号，将所述情绪诱发脑电信号作为情绪诱发脑电信号，通过情绪诱发脑电信号得到情绪诱发脑电信号样本库。进一步地，所述步骤2包括：步骤2.1：对应每个实验刺激图片提取5250ms内的情绪诱发脑电信号，将刺激前250ms的情绪诱发脑电信号作为基线信号，刺激后5000ms的情绪诱发脑电信号用来进行分析处理；步骤2.2：将刺激后5000ms的情绪诱发脑电信号减去刺激前250ms的情绪诱发脑电信号的均值，进行基线校正；步骤2.3：将基线校正后的情绪诱发脑电信号分别通过1Hz的高通滤波器和40Hz的低通滤波器，进行带通滤波处理；步骤2.4：对带通滤波处理后的情绪诱发脑电信号进行平均参考处理。进一步地，所述步骤3包括：步骤3.1：将同一被试的不同情绪效价的实验刺激图片刺激下的预处理后的情绪诱发脑电信号分别进行叠加平均，得出不同情绪效价的实验刺激图片对应的ERP脑电信号，求取ERP脑电信号的全局功率；步骤3.2：对前5000ms的情绪诱发脑电信号计算傅里叶变换的系数，求得实验刺激图片对应闪现频率处的幅度，对情绪诱发脑电信号加汉明窗进行短时傅里叶变换，通过ERP脑电信号的全局功率得出各类情绪幅值差异最大的时间窗，在相应时间窗内提取傅里叶变换后的所述闪现频率处的SSVEP脑电信号。进一步地，所述步骤4包括：步骤4.1：依据国际标准的10-20系统，根据ERP与SSVEP脑电信号，确定能够覆盖全脑的相关电极，将所述相关电极作为情绪动态脑网络的节点；步骤4本文档来自技高网...

【技术保护点】
1.基于SSVEP与ERP融合的情绪动态脑网络图的构建方法，其特征在于，包括以下步骤：步骤1：基于IAPS图片库构建情绪诱发脑电信号样本库，所述情绪诱发脑电信号样本库由多个情绪诱发脑电信号组成；步骤2：对所述情绪诱发脑电信号进行数据预处理；步骤3：提取数据预处理后的情绪诱发脑电信号的ERP和SSVEP脑电信号；步骤4：基于所述ERP和SSVEP脑电信号进行融合，构建情绪动态脑网络图。

【技术特征摘要】
1.基于SSVEP与ERP融合的情绪动态脑网络图的构建方法，其特征在于，包括以下步骤：步骤1：基于IAPS图片库构建情绪诱发脑电信号样本库，所述情绪诱发脑电信号样本库由多个情绪诱发脑电信号组成；步骤2：对所述情绪诱发脑电信号进行数据预处理；步骤3：提取数据预处理后的情绪诱发脑电信号的ERP和SSVEP脑电信号；步骤4：基于所述ERP和SSVEP脑电信号进行融合，构建情绪动态脑网络图。2.根据权利要求1所述的基于SSVEP与ERP融合的情绪动态脑网络图的构建方法，其特征在于，所述步骤1包括：步骤1.1：基于情绪效价由高到低的顺序，分别选择IAPS图片库中三个不同情绪效价下的M幅图片，同一情绪效价对应同一类别的图片，所述类别包括正性图片、中性图片和负性图片，且每类图片的情绪唤醒度不同；步骤1.2：随机从除步骤1.1所述图片外的IAPS图片库中选择M幅图片；步骤1.3：对步骤1.2中所述幅张图片进行两次相位随机化处理，得到2*M幅相位随机图片；所述相位随机图片与步骤1.1中选择的图片共同构成实验刺激图片，所有实验刺激图片共同构成实验刺激图片库；步骤1.4：调整所述实验刺激图片的亮度，使不同情绪效价下的实验刺激图片的亮度一致；步骤1.5：将步骤1.4中调整后的实验刺激图片进行排列，使第一副实验刺激图片为相位随机图片，形成数据段，不同的数据段，实验刺激图片的排列顺序不同，每个数据段包含实验刺激图片的数量不大于5*M；步骤1.6：每个数据段内的实验刺激图片以相同频率进行闪现，且随机产生所述实验刺激图片的变换时间点，所述变换时间点包括早期时间窗、中期时间窗和晚期时间窗，其中早期时间窗和晚期时间窗内出现的数据段为捕获段，所述捕获段内的实验刺激图片从IAPS图片库中除实验刺激图片库的图片外任意选取；步骤1.7：将数据段进行排列，使同一图片不在连续的三个数据段内同时出现，且同一图片在所有排列后的数据段内随机出现两次；步骤1.8：将所有排列后的数据段进行分块，完成实验范式的构建；步骤1.9：通过所述实验范式对不同被试进行测试，获取不同被试不同实验刺激图片刺激下的情绪诱发脑电信号，将所述情绪诱发脑电信号作为情绪诱发脑电信号，通过情绪诱发脑电信号得到情绪诱发脑电信号样本库。3.根据权利要求2所述的基于SSVEP与ERP融合的情绪动态脑网络图的构建方法，其特征在于，所述步骤2包括：步骤2.1：对应每个实验刺激图片提取5250ms内的情绪诱发脑电信号，将刺激前250ms的情绪诱发脑电信号作为基线信号，刺激后5000ms的情绪诱发脑电信号用来进行分析处理；步骤2.2：将刺激后5000ms的情绪诱发脑电信号减去刺激前250ms的情绪诱发脑电信号的均值，进行基线校正；步骤2.3：将基线校正后的...

【专利技术属性】
技术研发人员：曾颖，杨凯，李存波，张融恺，舒君，徐鹏，尧德中，童莉，闫镔，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南,41