【技术实现步骤摘要】
一种脑电网络功能分析方法、装置，电子设备及存储介质
[0001]本专利技术涉及信号分析领域，尤其涉及一种脑电网络功能分析方法、装 置，电子设备及存储介质。
技术介绍
[0002]脑网络是大脑空间位置不同的皮质区域通过结构或功能联系整合起来 形成的网络模式，由节点和节点间的连接构成的。节点的连接分为结构连 接和功能连接，其中结构连接是基于脑结构的连接，功能连接是基于功能 活动的连接。在功能连接分析中，功能连接还被细分成无向连接和有向连 接。MEG、EEG、SEEG、BOLD信号都可以用来分析功能连接。
[0003]分析脑电的功能连接，包括从电生理的角度解释脑区间的相互作用， 可以帮助解释认知现象。对于EEG信号而言，分析功能连接方向首先要构 建自回归模型，通过某个节点过去的信号和不同节点之间的连接矩阵对现 在的信号进行估计，估计值和真实值的残差可以用于衡量节点间的因果关 系。现有的标准化方式是在系数矩阵的行或列进行标准化，即衡量数值在 矩阵中某行或某列中的相对大小，不能跨行或者跨列进行比较。分析功能 连接强度可以通过频...
【技术保护点】
【技术特征摘要】
1.一种脑电网络功能分析方法，其特征在于，包括：基于多个采样点进行信号采样，得到原始脑电信号集合；对所述原始脑电信号集合进行预处理，得到脑电信号集合；其中，所述脑电信号集合中的脑电信号和采样点一一对应；根据所述多个采样点中两个采样点对应的脑电信号进行计算，得到虚部交叉频率锁相值集合；根据所述脑电信号集合，构建所述脑电信号的多元线性回归模型；根据所述多元线性回归模型，计算所述两个采样点对应的行列标准化有向相干，得到行列标准化有向相干集合；根据所述虚部交叉频率锁相值集合和/或所述行列标准化有向相干集合，确定脑电网络的功能特征信息，其中，所述功能特征信息包括脑电网络中脑区节点间的功能连接信息和/或脑区节点的功能权重信息。2.根据权利要求1所述的脑电网络功能分析方法，其特征在于，所述根据所述多个采样点中两个采样点对应的脑电信号进行计算，得到虚部交叉频率锁相值集合，包括：对所述脑电信号集合中的脑电信号进行滤波处理，得到滤波后的目标频带信号；利用第一计算公式对所述目标频带信号进行希尔伯特转换，得到希尔伯特转换后的目标频带信号；利用第二计算公式对所述希尔伯特转换后的目标频带信号进行计算，得到分析信号；利用第三计算公式对所述分析信号进行计算，得到所述分析信号的瞬时相位；利用第四计算公式对所述瞬时相位进行计算，得到所述虚部交叉频率锁相值集合；所述第一计算公式如下：其中，x(t)是任意一个采样点对应的所述目标频带信号，P.y.是柯西主值；所述第二计算公式如下：所述第三计算公式如下：所述第四计算公式如下：其中，为采样点m和n在l0到l1的虚部交叉频率锁相值，l0和l1为两个兴趣频率值(frequency of interest，FOI)；Im为取虚部值；N为采样点总数；e为自然底数；φ
k
(m)为节点m在第k个采样点的瞬时相位。3.根据权利要求1所述的脑电网络功能分析方法，其特征在于，所述多元自回归模型的公式如下：
其中，A
k
为N
×
N的模型系数矩阵，N为所述采样点的数量；x
t
为脑电信号集合，形式为N行的时间序列矩阵；e
t
为N行的残差矩阵。4.根据权利要求3所述的脑电网络功能分析方法，其特征在于，所述根据所述多元线性回归模型，计算所述两个采样点对应的行列标准化有向相干，得到行列标准化有向相干集合包括：利用第五计算公式对所述多元自回归模型进行傅里叶转换，得到频域下的自回归模型；利用第六计算公式基于所述频域下的自回归模型进行计算，得到所述两个采样点的行列标准化有向相干集合；所述第五计算公式如下：A(v)x
v
＝e
v
其中，其中，A(v)为三维模型系数矩阵，v为频率；i为虚部单位；Δt为相邻采样点之间的时间间隔；e为自然底数；e
v
为残差矩阵；所述第六公式如下：其中，为所述两个采样点的行列标准化有向相干，方向为采样点m至采样点n。5.根据权利要求1所述的脑电网络功能分析方法，其特征在于，所述脑电网络包括节点和边；所述脑电网络的节点表征采样点对应的脑区节点；所述脑电网络的边表征所述脑区节点间的功能连接信息。6.根据权利要求5所述的脑电网络功能分析方法，其特征在于，所述根据所述虚部交叉频率锁相值集合和所述行列标准化有向相干集合，确定脑电网络的功能特征信息包括：若所...
【专利技术属性】
技术研发人员：梁九兴，邱小凡，欧阳中越，郑皓月，翁旭初，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。