一种基于脑磁图数据的脑功能分析方法技术

本发明专利技术提供一种基于脑磁图数据的脑功能分析方法，包括：S1、获取被试者的各个数据通道的脑磁图数据；脑磁图数据基于用于被试者的SERF磁强计采集；S2、将脑磁图数据输入预先构建的溯源定位模型，获得脑磁图数据的信号源信息；S3、将脑磁图数据输入基于贝叶斯的多元自回归模型中，根据期望最大化算法进行模型求解，获得模型系数，基于模型系数进行显著性检验连接数据通道节点，构建传感器级脑网络；和/或，将信号源信息和脑磁图数据输入基于贝叶斯的多元自回归模型中，根据期望最大化算法进行模型求解，获得模型系数，基于模型系数进行显著性检验连接信号源节点，构建信号源级脑网络。能够构建出更精确的脑功能网络。能够构建出更精确的脑功能网络。能够构建出更精确的脑功能网络。

【技术实现步骤摘要】
一种基于脑磁图数据的脑功能分析方法


[0001]本专利技术涉及脑功能网络分析
，尤其涉及一种基于脑磁图数据的脑功能分析方法。

技术介绍

[0002]人脑作为世界上中最为复杂的动力学系统之一，其皮层由150
‑
330亿个神经细胞组成，这些神经元间的相互连接构成了一个拥有相当复杂结构和功能的脑网络，在神经学和生理学方面，大脑的主要功能是控制和支配身体的各个器官，因此，这个复杂而庞大的脑网络使它具有高级的信息处理和认知表达功能，如：语言、情感、记忆、认知等，并对来自人体内部和周围环境的信息进行存储、处理、加工和整合，探究大脑的结构和功能，加速脑科学领域的研究不仅可以提高对大脑疾病的预防、诊断和治疗，更可以推动人工智能的发展。
[0003]脑磁图能够以较高的时空分辨率对大脑神经活动进行直接成像，为大脑连通分析提供详细的时空以及特定节律活动的信息，定位精细度高，能有效地捕捉深部源放电过程。为此，本专利技术提供一种基于脑磁图数据的脑功能分析方法。

技术实现思路

[0004]（一）要解决的技术问题鉴于上述技术中存在的问题，本专利技术至少从一定程度上进行解决。为此，本专利技术的目的在于提出了一种基于脑磁图数据的脑功能分析方法，能够构建出更精确的脑功能网络。
[0005]（二）技术方案为了达到上述目的，本专利技术提供一种基于脑磁图数据的脑功能分析方法，包括以下步骤：步骤S1、获取被试者的各个数据通道的脑磁图数据；脑磁图数据基于用于被试者的SERF磁强计采集；步骤S2、将脑磁图数据输入预先构建的溯源定位模型，获得脑磁图数据的信号源信息；步骤S3、将脑磁图数据输入基于贝叶斯的多元自回归模型中，根据期望最大化算法进行模型求解，获得模型系数，基于模型系数进行显著性检验连接数据通道节点，构建传感器级脑网络；和/或，将信号源信息和脑磁图数据输入基于贝叶斯的多元自回归模型中，根据期望最大化算法进行模型求解，获得模型系数，基于模型系数进行显著性检验连接信号源节点，构建信号源级脑网络。
[0006]可选地，基于贝叶斯的多元自回归模型可表示为：
其中，为模型系数；为矩阵的转置；的转置；，为N维脑磁图数据的联合平稳时间序列，可以包含有脑磁图数据的信号源信息；q为通道数。
[0007]可选地，步骤S1中，脑磁图数据为被试者处于磁屏蔽室中的脑磁图数据，步骤S1还包括：获取第一参考磁图数据和第二参考磁图数据，第一参考磁图数据基于用于磁屏蔽室的SERF磁强计采集，第二参考磁图数据是在无被试者时基于用于被试者的SERF磁强计采集；在步骤S1和步骤S2之间，还包括：步骤S12、对脑磁图数据进行预处理；预处理依次包括以下步骤：步骤A1、去除损坏的数据通道的脑磁图数据；步骤A2、令脑磁图数据先通过截止频率为40Hz的低通滤波器，再通过截止频率为0.1Hz的高通滤波器；步骤A3、根据第一参考数据对脑磁图数据进行回归处理，去除背景噪声；步骤A4、基于信号空间投影法，将第二参考数据在脑磁图数据上进行投影，去除背景噪声和生理伪迹；步骤A5、通过自适应阈值算法得到生理伪迹的时间窗，对时间窗内数据进行主成分分析，从得到的主成分中选择生理伪迹相关的成分，在脑磁图数据中将生理伪迹相关的成分去除；步骤A6、对脑磁图数据进行分段处理，去除坏段；步骤A7、以被试者静息态下的各个数据通道的脑磁图数据为基准，校正脑磁图数据；步骤A8、对脑磁图数据进行叠加平均。
[0008]可选地，步骤A2中，在脑磁图数据通过截止频率为0.1Hz的高通滤波器后，还通过截止频率为50Hz的陷波滤波器。
[0009]可选地，步骤S2中，溯源模型根据正向引导场矩阵和配准构建，将脑磁图数据输入预先构建的溯源定位模型中，根据单偶极子模型或分布式源逆向求解，获得脑磁图数据的信号源信息；正向引导场矩阵是对球模型或单壳模型进行正向问题建模，并利用有限元对大脑及边界进行模拟仿真后得到的；配准是传感器坐标系、大脑坐标系和MRI坐标系之间的配准关系。
[0010]可选地，还包括：步骤S4、根据每一种刺激形式下的脑磁图数据，令偏差刺激的波
形减去标准刺激的波形，获得每一种刺激形式的差异波，根据每一种刺激形式的差异波的参数信息绘制响应的地形图。
[0011]可选地，步骤S4、根据静息态下的脑磁图数据，获得静息态下响应的地形图；步骤S5、对静息态下响应的地形图进行聚类，确定每一聚类出现的概率。
[0012]可选地，还包括：步骤S4、根据每一种刺激形式下的脑磁图数据的频谱，频谱密度，功率谱和功率谱密度，绘制每一种刺激形式下的频域图。
[0013]可选地，还包括：步骤S4、根据每一种刺激形式下的脑磁图数据，进行参数检验和非参数检验，获得数据均值和方差；根据数据均值、方差和预设的评价标准，获得评价结果。
[0014]（三）有益效果本专利技术的有益效果是：本专利技术提供的基于脑磁图数据的脑功能分析方法，在滤波处理脑磁图数据的基础上，依次结合利用第一参考数据对脑磁图数据进行回归处理，利用第二参考数据对脑磁图数据进行投影处理，以及主成分分析，能够有效去除生理伪迹和背景噪声，为后续的数据处理提供更为干净的脑磁图数据；并且能够更全面地对脑功能进行分析，包括时域分析、频域分析、微状态分析、网络分析和统计分析，其中在网络分析中基于贝叶斯的多元自回归模型能够构建出更精确的网络结构。
附图说明
[0015]本专利技术借助于以下附图进行描述：图1为根据本专利技术一个实施例的脑磁分析装置的结构示意图；图2为根据本专利技术一个实施例的基于脑磁图数据的脑功能分析方法的流程示意图；图3为构建的传感器级脑网络示意图；图4为构建的信号源级脑网络示意图。
[0016]【附图标记说明】1：屏蔽房；2：头戴式脑磁图阵列传感器系统；3：感官刺激系统；4：数据采集系统；5：数据处理系统。
具体实施方式
[0017]为了更好的解释本专利技术，以便于理解，下面结合附图，通过具体实施方式，对本专利技术作详细描述。
[0018]存在如图1所示的脑磁分析装置，该装置包括磁屏蔽系统、头戴式脑磁图阵列传感器系统2、感官刺激系统3、数据采集系统4和数据处理系统5。
[0019]磁屏蔽系统包括用于屏蔽地磁环境的被动屏蔽子系统以及用于抵消屏蔽房1内静态剩磁和梯度磁场的主动屏蔽子系统；被动屏蔽子系统采用多层高磁导率坡莫合金板构筑屏蔽房1墙壁，主动屏蔽子系统包括布置在屏蔽房1内被试者左右两侧的赫姆霍兹线圈，与
线圈相连的线圈驱动以及用于磁屏蔽室的SERF磁强计构成的参考磁传感阵列，根据参考磁传感阵列提供的背景磁场信息通过线圈驱动控制补偿线圈内电流大小以响应背景磁场。
[0020]头戴式脑磁图阵列传感器系统2包括无磁脑电采集帽、用于被试者的SERF磁强计构成的磁传感阵列、用来安放磁传感阵列的脑磁采集柔性单元以及磁传感阵列固定底座，无磁脑电采集帽使用单极电极记录刺激呈现时被试者的大脑神经元电活动并使用双极电极记录生物电伪影，无磁脑电采集帽部署在被试头部，头戴式脑磁图阵列传感器系统2与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑磁图数据的脑功能分析方法，其特征在于，包括以下步骤：步骤S1、获取被试者的各个数据通道的脑磁图数据；所述脑磁图数据基于用于被试者的SERF磁强计采集；步骤S2、将所述脑磁图数据输入预先构建的溯源定位模型，获得脑磁图数据的信号源信息；步骤S3、将所述脑磁图数据输入基于贝叶斯的多元自回归模型中，根据期望最大化算法进行模型求解，获得模型系数，基于模型系数进行显著性检验连接数据通道节点，构建传感器级脑网络；和/或，将所述信号源信息和所述脑磁图数据输入基于贝叶斯的多元自回归模型中，根据期望最大化算法进行模型求解，获得模型系数，基于模型系数进行显著性检验连接信号源节点，构建信号源级脑网络。2.根据权利要求1所述的基于脑磁图数据的脑功能分析方法，其特征在于，所述基于贝叶斯的多元自回归模型可表示为：其中，为模型系数；为矩阵的转置；的转置；，为N维脑磁图数据的联合平稳时间序列，可以包含有脑磁图数据的信号源信息；q为通道数。3.根据权利要求1所述的基于脑磁图数据的脑功能分析方法，其特征在于，步骤S1中，所述脑磁图数据为被试者处于磁屏蔽室中的脑磁图数据，步骤S1还包括：获取第一参考磁图数据和第二参考磁图数据，所述第一参考磁图数据基于用于磁屏蔽室的SERF磁强计采集，所述第二参考磁图数据是在无被试者时基于用于被试者的SERF磁强计采集；在步骤S1和步骤S2之间，还包括：步骤S12、对所述脑磁图数据进行预处理；所述预处理依次包括以下步骤：步骤A1、去除损坏的数据通道的脑磁图数据；步骤A2、令脑磁图数据先通过截止频率为40Hz的低通滤波器，再通过截止频率为0.1Hz的高通滤波器；步骤A3、根据第一参考数据对脑磁图数据进行回归处理，去除背景噪声；步骤A4、基于信号空间投影法，将第二参考数据在脑磁图数据上进行投影，去除背景噪声和生理伪迹；步骤A5、通过自适应阈值算法得到生理伪迹的时间窗，对时间窗内数据进行主成分分析，从得到的主成分中选择生...

【专利技术属性】
技术研发人员：高阳，路浩，宁晓琳，房建成，
申请(专利权)人：北京航空航天大学杭州创新研究院，
类型：发明
国别省市：