基于EEG和血清炎症因子分析脑损伤标志物的方法技术

本发明专利技术提供一种基于EEG和血清炎症因子分析脑损伤标志物的方法，其过程包括：首先对脑电信号预处理，分别计算8组导联的慢波系数和近似熵的比值a，根据表达式Sum

【技术实现步骤摘要】
基于EEG和血清炎症因子分析脑损伤标志物的方法
本专利技术属于医学领域，特别是涉及一种基于EEG和血清炎症因子分析脑损伤标志物的方法。
技术介绍
随着社会的发展，人类的生活也逐步提高，人们的生活方表达式也发生了很大的改变，比如交通工具的发展给我们带来了很大的方便，但由于交通事故发生率的逐年攀升，使得颅脑损伤的机率在一定程度上增大。颅脑损伤是一种脑部急性损伤，有时候是由于受到交通事故、机械创伤等外界暴力作用而发生的。颅脑损伤病情发展变化快，如果受试者不能得到及时诊断与及时治疗，预后较差且会严重影响受试者身心健康甚至生命，有研究表明轻微创伤性脑损伤约占全部外伤性脑损伤(Traumaticbraininjuries，TBI)的75％。临床中15％～30％的轻微脑损伤(MildTraumaticBrainInjury，MTBI)受试者在创伤后会出现认知、感觉障碍等症状；有一些受试者在创伤后数月或数年仍然会存在持续的脑震荡后综合征。MTBI受试者的主要病理改变为出血，且发生于MTBI的出血灶多以颅内微小出血灶为主，目前主要依据CT检查和常规MRI，但轻微脑损伤在所有神经影像检查方面可能都未能找到病灶，这是因为目前的神经影像技术尚未能达到分辨些微小结构和病灶的程度。并且CT和常规MRI能显示的仅仅是脑组织的解剖学改变，对MTBI等的诊断有很大的局限性，常常漏诊或对脑外伤的严重程度判断过轻。轻微脑损伤除了CT和常规MRI也有其他诊断方法，主要有神经功能试验、体格检查及病史，但是，这些方法都不是很方便，也不是很准确，误诊后不仅导致放射性损伤，还增加了受试者经济负担。人的大脑结在构上是具有对称性，功能上具有对侧性的，因此，基于对称导联脑电(electroencephalo-graphy，EEG)特征分析对脑损伤部位的判别具备解剖学和生理学基础。大脑在处于静息状态时，左右对称脑区的脑电信号是具有相似性的，但是当一侧脑区发生损伤时，就会导致该损伤区与对侧对称位置非损伤区的脑电信号相似度降低，差异性变大，脑电信号的这种差异性可以通过脑电信号特征参数加以表征。已有研究提出一种基于EEG的分析方法，文中将大脑对称两侧特征参数的比值和作为轻微脑损伤检测的唯一标志物，医生可根据标志物的范围制定下一步的检测方案。但是此方法太过于单一，而且数据处理方面没有进行归一化，可靠性和准确性需进一步提高，应用时也不是很方便。综上，目前急需一种用于轻微脑损伤检测的综合性标志物，以降低检查成本、提高数据的可靠性，为医生分析及制定下一步的检测方案提供依据，同时提供相应的计算方法，以简化操作过程。
技术实现思路
本专利技术将EEG与表征颅脑损伤的血清炎症因子水平指标作为标志物，对脑电信号的特征参数和血清炎症因子水平的几个特征参数分别进行数据归一化处理，得到脑电信号特征参数Sum值和血清炎症因子水平特征参数W值的范围，为轻微脑损伤的标志物选择及数据计算方法提供了新的方向。本专利技术提供了一种基于EEG和血清炎症因子分析脑损伤标志物的方法，所述方法包括以下步骤：步骤1、采集受试者安静状态下的脑电信号和激发状态下脑电信号各5分钟，记录两个状态下的脑电信号，去除工频信号的干扰后，再对被噪声污染的EEG信号进行离散序列小波变换，然后进行小波系数阈值处理，处理后的系数进行重新构建EEG信号，接着采用FastICA算法进行独立分量分析，列出每一个独立分量，找出伪迹分量和对应的系数，进而去除伪迹，并重构EEG信号，达到信号去噪的目的；步骤2、利用预处理后的脑电信号，根据计算出慢波系数SWC，其中α、β、δ与θ均为频带范围，spectrum()函数用于计算各种谱函数，适用于时间序列的分析，再根据表达式(3)：ApEn＝Φm(r)-Φm+1(r)计算出近似熵ApEn，式(3)中r为允许偏差，m为矢量维数，Φm(r)为矢量序列{y(i)}平均自相关度，进而分别求出慢波系数和近似熵的右侧导联的特征参数除以左侧导联的特征参数所得的比值a，根据脑电信号特征参数Sum的求解表达式(4)：Sump＝a1+a2+…+a8，(p＝1、2)求出慢波系数的Sum1值和近似熵的Sum2值，表达式(4)中a1～a8分别为第1组～第8组对称导联组中，右侧导联的特征参数除以左侧导联的特征参数，然后，根据加权平均法表达式(5)：Sum＝0.5·Sum1+0.5·Sum2将慢波系数Sum1值和近似熵的Sum2值归一化为Sum值的范围；步骤3、抽取受试者空腹静脉血10mL，采用酶联免疫吸附测定法检测血清炎症因子水平；步骤4、根据加权平均法求解血清炎症因子水平特征参数W＝0.25WIL-6+0.25WIL-8+0.25WCRP+0.25WTNF-α，将血清炎症因子四个特征值归一化为W值的范围，其中，WIL-6为白细胞介素-6的特征参数、WIL-8为白细胞介素-8的特征参数、WCRP为C反应蛋白的特征参数、WTNF-α为肿瘤坏死因子-α的特征参数。优选地，所述步骤1具体包括以下步骤：步骤11、获得稳定的数据，去除采集过程中受外在因素影响导致的不稳定数据；步骤12、用EEGLAB脑电处理工具箱中的无限脉冲响应数字滤波器去除50Hz的工频干扰，再对被噪声污染的EEG信号进行离散序列小波变换，得到带有噪声的小波系数；步骤13、进行小波系数阈值处理，处理后的系数再进行重新构建EEG信号，然后采用FastICA算法进行独立分量分析，列出每一个独立分量，找出伪迹分量和对应的系数，进而去除伪迹，并重构EEG信号。优选地，所述步骤2具体包括以下步骤：步骤21、计算慢波系数SWC：将脑电信号分为6个频带：第一频带δ＝1.0～4.0Hz、第二频带θ＝4.1～8.0Hz、第三频带α1＝8.1～10.0Hz、第四频带的范围为α2＝10.1～13.0Hz、第五频带β1＝13.1～17.5Hz、第六频带β2＝17.6～30Hz，定义频谱特征参数—慢波系数SWC为低频段(δ+θ)与高频段(α+β)的功率谱比值(δ+θ)/(α+β)，即其中，α＝α1+α2，β＝β1+β2，将脑电数据进行快速傅里叶变换，计算出每个频段的功率谱值，然后根据定义计算出各个导联的慢波系数；步骤22、计算近似熵：在EEG信号上加一个时间窗，选择窗时间为2s、N＝512，每个通道的近似熵值以采样点为依据，求出每个采样点的近似熵值，然后绘制出近似熵波形，在波形中选择比较平稳的部分，求其平均值，以此平均值作为相应的近似熵特征参数，近似熵的求解过程为：将长度为N的时间序列{x(i)}组成m维矢量y(i)：y(i)＝{x(i),x(i+1),x(i+2),…,x(i+m-1)}，其中i的范围为[1，N-m+1]，然后，计算y(i)与y(j)之间最大的距离d[y(i),y(j)]，即：d[y(i),y(j)]＝max||x(i+k-1)-x(j+k-1)||k＝1,2,…,m，给定一个允许偏差r>0，对于y(i)的每一个i≤N-m+1都有概率表达式(1)反映序列中本文档来自技高网...

【技术保护点】
1.一种基于EEG和血清炎症因子分析脑损伤标志物的方法，其特征在于，该方法内容包括以下步骤：/n步骤1、采集受试者安静状态下的脑电信号和激发状态下脑电信号各5分钟，记录两个状态下的脑电信号，去除工频信号的干扰后，再对被噪声污染的EEG信号进行离散序列小波变换，然后进行小波系数阈值处理，处理后的系数进行重新构建EEG信号，接着采用FastICA算法进行独立分量分析，列出每一个独立分量，找出伪迹分量和对应的系数，进而去除伪迹，并重构EEG信号，达到信号去噪的目的；/n步骤2、利用预处理后的脑电信号，根据

【技术特征摘要】
1.一种基于EEG和血清炎症因子分析脑损伤标志物的方法，其特征在于，该方法内容包括以下步骤：
步骤1、采集受试者安静状态下的脑电信号和激发状态下脑电信号各5分钟，记录两个状态下的脑电信号，去除工频信号的干扰后，再对被噪声污染的EEG信号进行离散序列小波变换，然后进行小波系数阈值处理，处理后的系数进行重新构建EEG信号，接着采用FastICA算法进行独立分量分析，列出每一个独立分量，找出伪迹分量和对应的系数，进而去除伪迹，并重构EEG信号，达到信号去噪的目的；
步骤2、利用预处理后的脑电信号，根据计算出慢波系数SWC，其中α、β、δ与θ均为频带范围，spectrum()函数用于计算各种谱函数，适用于时间序列的分析，再根据表达式(3)：ApEn＝Φm(r)-Φm+1(r)计算出近似熵ApEn，式(3)中r为允许偏差，m为矢量维数，Φm(r)为矢量序列{y(i)}平均自相关度，进而分别求出慢波系数和近似熵的右侧导联的特征参数除以左侧导联的特征参数所得的比值a，根据脑电信号特征参数Sum的求解表达式(4)：Sump＝a1+a2+…+a8，(p＝1、2)求出慢波系数的Sum1值和近似熵的Sum2值，表达式(4)中a1～a8分别为第1组～第8组对称导联组中，右侧导联的特征参数除以左侧导联的特征参数，然后，根据加权平均法表达式(5)：Sum＝0.5·Sum1+0.5·Sum2将慢波系数Sum1值和近似熵的Sum2值归一化为Sum值的范围；
步骤3、抽取受试者空腹静脉血10mL，采用酶联免疫吸附测定法检测血清炎症因子水平；
步骤4、根据加权平均法求解血清炎症因子水平特征参数W＝0.25WIL-6+0.25WIL-8+0.25WCRP+0.25WTNF-α，将血清炎症因子四个特征值归一化为W值的范围，其中，WIL-6为白细胞介素-6的特征参数、WIL-8为白细胞介素-8的特征参数、WCRP为C反应蛋白的特征参数、WTNF-α为肿瘤坏死因子-α的特征参数。


2.根据权利要求1所述的基于EEG和血清炎症因子分析脑损伤标志物的方法，其特征在于，所述步骤1具体包括以下步骤：
步骤11、获得稳定的数据，去除采集过程中受外在因素影响导致的不稳定数据；
步骤12、用EEGLAB脑电处理工具箱中的无限脉冲响应数字滤波器去除50Hz的工频干扰，再对被噪声污染的EEG信号进行离散序列小波变换，得到带有噪声的小波系数；
步骤13、进行小波系数阈值处理，处理后的系数再进行重新构建EEG信号，然后采用FastICA算法进行独立分量分析，列出每一个独立分量，找出伪迹分量和对应的系数，进而去除伪迹，并重构EEG信号。


3.根据权利要求1所述的基于EEG和血清炎症因子分析脑损伤标志物的方法，其特征在于，所述步骤2具体包括以下步骤：
步骤21、计算慢波系数SWC：
将脑电信号分为6个频带：第一频带δ＝1.0～4.0Hz、第二频带θ＝4.1～8.0Hz、第三频带α1＝8.1～10.0Hz、第四频带的范围为α2＝10.1～13.0Hz、第五频带β1＝13.1～1...

【专利技术属性】
技术研发人员：张立国，杨曼，金梅，刘强，李媛媛，马子荐，李义辉，胡林，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13