一种基于三维自适应分区算法的脑功能有向连接评估方法技术

本发明专利技术公开了一种基于三维自适应分区算法的脑功能有向连接评估方法，所述方法包括以下步骤：步骤S1：连续时间序列离散化；步骤S2：构建联合分布空间；步骤S3：使用三维自适应分区算法将整个分布空间划分成许多内部近似均匀分布的子区域；步骤S4：计算联合概率质量函数；步骤S5：计算传递熵。该方法极大减少了传统离散传递熵由于维度灾难导致的计算结果失真问题，能够更准确更稳健地评估脑区间的有向连接，尤其是对样本量较小的神经信号。尤其是对样本量较小的神经信号。尤其是对样本量较小的神经信号。

【技术实现步骤摘要】
一种基于三维自适应分区算法的脑功能有向连接评估方法


[0001]本专利技术涉及神经信号分析领域，具体涉及一种基于三维自适应分区算法的脑功能有向连接评估方法。

技术介绍

[0002]研究不同脑区的功能连接对我们了解大脑高级认知功能的机制是非常重要的，这是因为对于正常的大脑高级认知功能来说，发挥作用的往往不是单一的大脑区域，而是更多地依赖于不同大脑区域之间的协同工作。传递熵提供了一种有向功能连接估计的方法，因为其不依赖于任何特定的数据模型，并且对非线性相互作用也十分敏感的优点，因此广泛应用于神经科学领域。
[0003]由于连续信号估计传递熵面临计算复杂、存在固有误差等问题，于是一般用分箱或相空间重构的方法先将信号离散化，再基于所有可能组合的发生频率计算传递熵。为了获取更多关于信号的信息，通常希望更多数量的箱与相空间符号类别，但由于传递熵的计算是基于三维联合分布，所以对于固定长度的实际信号，过多的离散类别会产生维数灾难，导致许多的类别组合的频数很小甚至为0，最终使得传递熵的计算很容易地被扭曲，传递熵的值失真。大样本量可以在一定程度上解决这个问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维自适应分区算法的脑功能有向连接评估方法，其特征在于：其包括以下步骤：步骤S1，给定两个不同脑区记录的脑电信号，用相空间重构的方法将其离散化，得到具有L个类别的离散序列X和Y；步骤S2，从离散序列X和Y中分别提取X
P
、X
F
和Y
P
，并构建X
P
、X
F
和Y
P
的联合分布空间；步骤S3，使用三维自适应分区算法将整个联合分布空间划分成许多内部近似均匀分布的子区域；步骤S4，计算所有子区域间的概率质量函数，并将每个子区域的概率在各自区域里平均，得到总体的概率质量函数；步骤S5，根据总体的概率质量函数计算Y
→
X的传递熵。2.根据权利要求1所述的一种基于三维自适应分区算法的脑功能有向连接评估方法，其特征在于：步骤S1中，对于分别在不同脑区记录的脑电信号x
t
和y
t
，t＝1,2,...,n，使用嵌入维度为m和滞后为τ的相空间重构法将两个时间序列离散化，得到具有L个不同类别的离散时间序列X和Y，其中L＝m！，X＝{x1,x2,...,x
n
‑
(m
‑
1)τ
}，Y＝{y1,y2,...,y
n
‑
(m
‑
1)τ
}。3.根据权利要求1所述的一种基于三维自适应分区算法的脑功能有向连接评估方法，其特征在于：步骤S2中，选取预测时间u从离散序列X与Y提取X
P
、X
F
和Y
P
，其中X
P
＝{x1,x2,...,x
n
‑
(m
‑
1)τ
‑
u
}代表X的过去，X
F
＝{x
1+u
,x
2+u
,...,x
n
‑
(m
‑
1)τ
}代表X的未来，Y
P
＝{y1,y2,...,y
n
‑
(m
‑
1)τ
‑
u
}代表Y的过去；然后，根据不同类别组合出现的次数，计算X
P
、X
F
和Y
P

【专利技术属性】
技术研发人员：梁振虎，温昕，王迪寰，
申请(专利权)人：燕山大学，
类型：发明
国别省市：