一种基于时延熵的近红外脑氧信号计算方法技术

本发明专利技术公开一种基于时延熵的近红外脑氧信号计算方法，通过计算多个通道的近红外脑氧信号两两之间的时间延迟，从而得到整个大脑区域的不同通道含氧血红蛋白信号之间时间延迟分布的复杂度值。方法包括：通过功能性近红外脑成像设备获得需要计算的N个通道的近红外脑氧数据，进行预处理，提取0.01‑0.1Hz频段的含氧血红蛋白时间序列。计算任意两个通道的含氧血红蛋白时间序列的互功率谱密度，并获取通道间含氧血红蛋白信号的时间延迟；得到所有通道两两之间的时间延迟，构建大小为N*N的时间延迟上三角矩阵；计算所述时间延迟分布复杂度的时延熵值，时延熵的值越大，表征脑氧信号的时间延迟分布的复杂度高，可作为计算分析近红外脑氧信号的方法。

A calculation method of near infrared brain oxygen signal based on time delay entropy

【技术实现步骤摘要】
一种基于时延熵的近红外脑氧信号计算方法
本专利技术涉及近红外信号分析领域，特别是涉及一种基于时延熵的近红外脑氧信号计算方法。
技术介绍
随着脑神经科学研究的快速发展，脑功能的监测技术手段也越来越多，功能性近红外光谱脑成像技术凭借其非侵入性、便携性和忍耐性高的特点，在监测大脑皮层的血氧变化方面具有很大的优势。相对于脑电信息，近红外光可探测到脑皮层下1cm深度的脑血氧变化信息，从而具有很高的时间和空间分辨率。该脑功能成像技术可以将探测器覆盖整个大脑区域，同时采集多个通道的近红外脑氧信号，从而能够监测整个大脑皮层血液中含氧血红蛋白、脱氧血红蛋白和总的血红蛋白的相对浓度变化信息。然而在静息状态下，由于自发的神经活动会导致大脑不同区域的激活状态不一致，当某些脑区域被激活时，脑皮层血流会增加，含氧血红蛋白浓度液也相应增加，因此近红外脑氧信号的分析，对脑神经科学的研究有着重要意义。目前已经有许多基于近红外脑氧信号计算分析的方法，如文献《阿尔茨海默病患者脑血氧信号复杂度的多尺度熵分析》提出计算近红外脑氧信号复杂度的多尺度熵分析方法，文献《汽车驾驶员脑氧信号的近红外光谱法检测及小波想干性分析》提出基于小波变换的相干性分析方法，以及文献《基于脑血氧信号近似熵的麻醉深度监测方法研究》提出近似熵分析方法。这些方法对近红外脑氧信号中的含氧血红蛋白与脱氧血红蛋白信号进行分析计算。然而这些传统方法都是对采集的数据在时域进行分析，虽然简练和直观，但是不能深层次深刻地揭示出多个通道的近红外脑氧信号之间关系的复杂度，目前信号分析的发展趋势是从时域向频域发展，目前还没有文献公开在频域对脑氧信号进行分析的方法。
技术实现思路
本专利技术目的在于提供一种基于时延熵的近红外脑氧信号计算方法，以解决上述现有技术存在的问题，通过计算近红外脑氧信号中通道含氧血红蛋白时间序列之间的互功率谱密度来得到含氧血红蛋白信号之间的时间延迟，从而将时域的信号在频域中进行分析,深层次深刻地揭示出多个通道的近红外脑氧信号之间关系的复杂度，可以作为研究近红外脑氧信号的技术手段，为近红外脑科学的研究提供了新的角度。为实现上述目的，采用了以下技术方案：本专利技术所述方法包括以下步骤：S1、通过功能性近红外脑成像设备对大脑区域进行监测以获得N个通道的近红外信号数据，其中N>20，对所述近红外信号数据进行预处理操作，得到含氧血红蛋白信号数据；具体地，所述预处理操作为：利用修正的比尔朗伯定律将光强数据转化为含氧血红蛋白数据，然后对所述含氧血红蛋白数据进行去除运动噪声和生理噪声操作；所述含氧血红蛋白信号数据时间长度大于120秒，频段为0.01-0.1Hz。S2、在所述N个通道中任意选取两个不同的通道并计算这两个通道的含氧血红蛋白信号之间的互功率谱密度，然后计算所选取的两个不同通道间含氧血红蛋白时间序列的时间延迟；S3、计算所述N个通道所有两两不同通道之间含氧血红蛋白数据的时间延迟，构建多通道时间延迟上三角矩阵；具体地，计算所述互功率谱密度绝对值的最大值对应的频率点fmax、所述频率点fmax下的时间延迟τ、相位延迟θmax，所述时间延迟τ的公式为：S4、基于香农熵理论，计算所述多通道时间延迟矩阵的多区间分布复杂度。具体地，步骤S4的操作步骤如下：S4-1、对多通道时间延迟上三角矩阵中的所有通道之间的时间延迟进行区间分布处理；S4-2、计算所述时间延迟在每个区间的个数；S4-3基于香农熵理论用下述公式计算时间延迟分布复杂度的时延熵值En，上式中，pj表示时间延迟落在第j个区间的概率，b表示区间的总个数。本专利技术公开了以下技术效果：本专利技术提出了一种新的近红外脑氧信号分析方法，通过计算近红外脑氧信号中两个通道含氧血红蛋白时间序列之间的互功率谱密度来得到含氧血红蛋白信号之间的时间延迟，从而将时域的信号在频域中进行分析，进而得到在每个频点上的生理信息，然后在频域中计算时间延迟，并构建多通道时间延迟矩阵，通过计算时间延迟分布复杂度的时延熵来分析近红外脑氧信号，从时间序列的时间延迟计算的角度进行信号分析，能够得到多个通道近红外脑氧信号之间关系的复杂度，可以作为研究近红外脑氧信号的技术手段，为近红外脑科学研究提供了新的角度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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为本专利技术方法的流程图；图2为本专利技术方法的信号X和Y之间的时间延迟计算示意图；图3为互功率谱密度绝对值曲线峰值对应的频率点，以及在此频率点下的时间延迟；图4为本专利技术多个通道近红外脑氧信号时间延迟矩阵和时间延迟分布直方图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。参照图1-4所示，本实施例提供一种基于时延熵的近红外脑氧信号计算方法，包括如下步骤：S1、通过功能性近红外脑成像设备对大脑区域进行监测获得需要计算的N(N>20)个通道的近红外信号数据，并进行预处理操作，提取0.01-0.1Hz频段的含氧血红蛋白信号数据，数据时间长度大于120秒；S2、在所述N个通道中任意选取两个不同的通道X、Y，然后计算这两个通道含氧血红蛋白信号之间的互功率谱密度，获取含氧血红蛋白信号的时间延迟；具体步骤为：S2-1、对上述预处理后的N个通道含氧血红蛋白数据，计算其中任意两个不同通道X和Y的含氧血红蛋白信号之间的互功率谱密度；S2-2、对所述的互功率谱密度计算绝对值的最大值对应的频率点fmax和相位延迟θmax；S2-3、对所述时间延迟τ计算公式为：如图2所示为本专利技术方法的信号X和Y之间的时间延迟计算示意图。如图3所示为互功率谱密度绝对值曲线峰值对应的频率点，以及在此频率点下的时间延迟。步骤S3：构建所述的多通道含氧血红蛋白信号两两之间时间延迟矩阵，具体包括：对所述的N个含氧血红蛋白信号通道的所有两两通道分别重复步骤S2，且两个通道之间只计算一次，相同通道不进行计算，可以得到大小为N*N的时间延迟上三角矩阵，如图4左侧图所示，为多通道近红外脑氧信号所有脑通道之间时间延迟的上三角矩阵。步骤S4：基于香农熵理论计算时间延迟分布复杂度，即时延熵。S4-1，对所述的时间延迟矩阵的所有时间延迟有效值进行区间分布处理，计算公式为：其中，本文档来自技高网...

【技术保护点】
1.一种基于时延熵的近红外脑氧信号计算方法，其特征在于，包括如下步骤：/nS1、通过功能性近红外脑成像设备对大脑区域进行监测以获得N个通道的近红外信号数据，其中N>20，对所述近红外信号数据进行预处理操作，得到含氧血红蛋白信号数据；/nS2、在所述N个通道中任意选取两个不同的通道并计算这两个通道含氧血红蛋白信号之间的互功率谱密度，然后计算所选取的两个不同通道间含氧血红蛋白时间序列的时间延迟；/nS3、计算所述N个通道所有两两不同通道之间含氧血红蛋白数据的时间延迟，构建多通道时间延迟上三角矩阵；/nS4、基于香农熵理论，计算所述多通道时间延迟上三角矩阵的多区间分布复杂度。/n

【技术特征摘要】
1.一种基于时延熵的近红外脑氧信号计算方法，其特征在于，包括如下步骤：
S1、通过功能性近红外脑成像设备对大脑区域进行监测以获得N个通道的近红外信号数据，其中N>20，对所述近红外信号数据进行预处理操作，得到含氧血红蛋白信号数据；
S2、在所述N个通道中任意选取两个不同的通道并计算这两个通道含氧血红蛋白信号之间的互功率谱密度，然后计算所选取的两个不同通道间含氧血红蛋白时间序列的时间延迟；
S3、计算所述N个通道所有两两不同通道之间含氧血红蛋白数据的时间延迟，构建多通道时间延迟上三角矩阵；
S4、基于香农熵理论，计算所述多通道时间延迟上三角矩阵的多区间分布复杂度。


2.根据权利要求1所述的基于时延熵的近红外脑氧信号计算方法，其特征在于，所述预处理操作为：利用修正的比尔朗伯定律将近红外光强数据转化为含氧血红蛋白数据，然后对所述含氧血红蛋白数据进行去除运动噪声和生理噪声操作。

<...

【专利技术属性】
技术研发人员：梁振虎，田浩，邵帅，余振洋，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13