基于EEG的认知功能可视化系统技术方案

本发明专利技术公开了一种基于EEG的认知功能可视化系统。本发明专利技术包括可视化模块、数据计算模块和存储模块。可视化模块主要基于Unity3D平台，用于交互操作和可视化的效果实现，能够通过交互调用数据计算模块、读取本地存储模块内的数据；数据计算模块主要是一些Python文件，用于从存储模块读取数据后执行所需程序，将结果反馈到可视化显示模块以及将数据保存到本地存储模块内；存储模块用于存储数据。本发明专利技术使用方便、快速准确，从通道和脑区多个角度展现连通性可视化效果，使用多个功能连通性指标多方面分析大脑功能连通性，研究静态以及动态脑功能连通性的3D变化，从而便于研究人员分析和判断脑认知功能。断脑认知功能。断脑认知功能。

【技术实现步骤摘要】
基于EEG的认知功能可视化系统


[0001]本专利技术涉及一种认知功能可视化系统，尤其是一种基于脑电信号(EEG)的认知功能可视化系统。

技术介绍

[0002]目前已有大量结果表明认知功能与脑连通性相关，许多人类和动物研究都强调了大脑连通性的重要，这些研究提供了有用且有意义的信息来解释各种大脑认知功能的变化。大脑连通模式主要分为三种：解剖连接性(Anatomical connectivity)、功能连接性(Functional connectivity，FC)和有效连接性(Effective connectivity)。其中，考虑到解剖学连接性的定义尚未明确，而有效连接因含有系统间接的影响导致结果会产生虚假连接，因此本系统主要实现功能连接性的可视化。
[0003]功能连接性被定义为“空间远程神经生理事件之间的时间相关性”，其实就是用某种方法来测量两种信号之间的依赖或相关程度。主要通过使用功能性成像，例如功能性磁共振成像(fMRI，functional magnetic resonance imaging)、扩散张量成像(DTI)和脑电信号(Electroencephalogram，EEG)分析。相比于fMRI和DTI，EEG作为一种更为实用且方便的方法用于探索功能性大脑连接的时间变化，以非侵入性方式记录毫秒级的神经元活动，由于脑电图(EEG)具有非侵入性、易于使用且临床可用的特点，基于EEG进行功能连通性成了一大主流。
[0004]对于正常的大脑高级认知功能来说，往往并不仅仅是单独的某个脑区在起作用，而是更加依赖于不同脑区之间的相互协同工作，因此研究不同脑区的功能连接对我们理解大脑的大脑高级认知功能机制来说非常重要。
[0005]近年来，有大量的研究团队致力于实现认知功能的可视化，但是在实际应用中，现有的可视化系统存在以下几点不足之处：基于EEG的脑连通性可视化3D效果可视化通常以基于MATLAB的工具包的形式和基于Linux操作系统的软件包的形式，尚未有单独可以直接使用的可视化系统；而目前已有的可视化通常为3D效果的静态脑地形图的效果，不够直观展现脑连通性的变化；除此之外，这些可视化工具包通常只对某一种脑功能连通性指标进行评估，效果较为单一。
[0006]在考察分析上述不足的情况下，我们将EEG与脑功能连接性进一步结合，并探索其在3D效果静态以及动态可视化上的应用。本专利技术提出了一个基于EEG的认知功能可视化系统，从功能连通性的角度出发实现多个评估指标连通性的3D静态和动态效果可视化，并设计了一个有向加权距离的算法，用于提取脑网络中心节点和路径长度，能够更好地分析结果。

技术实现思路

[0007]本专利技术的目的是为了解决上述现有系统方案在认知功能可视化系统中存在的缺陷，提出了一个基于EEG的认知功能可视化系统，从通道和脑区研究脑功能连通性静态以及
动态的3D变化；采用了多个功能连通性指标，从相干性、相关性以及相位同步指数多个方面分析大脑功能连通性；提出了有向加权距离的算法，构建有向加权脑网络，提取中心节点和路径长度，生成有向加权度，有利于结果更加明显、便于分析。
[0008]本专利技术的目的可以通过采取如下技术方案达到：
[0009]基于EEG的功能连通性可视化系统主要由三个部分组成：可视化模块、数据计算模块和存储模块；
[0010]可视化模块基于Unity3D平台，用于交互操作和可视化的效果实现，包括：可视化功能模块、脑区可视化功能模块、左右脑区可视化功能模块、部分可视化功能模块、对比可视化功能模块和动态可视化功能模块；
[0011]数据计算模块基于Python文件用于从存储模块读取数据后执行所需程序，将结果反馈到可视化模块以及将数据保存到存储模块内，包括：小波分解功能模块、动态切片功能模块、连通性构建功能模块和加权算法功能模块；
[0012]小波分解功能模块，用于将读取的本地EEG时序数据分解为Alpha(8Hz
‑
13Hz)、Beta(13Hz
‑
30Hz)、Theta(4Hz
‑
8Hz)、Delta(1Hz
‑
4Hz)四个频段的数据；
[0013]动态切片功能模块用于根据时序顺序将EEG数据进行切片，方便后续动态地构建功能连通性结果；
[0014]连通性构建功能模块，通过使用皮尔逊相关系数、波谱相干和相锁值三种信号分析方法构建功能连通性矩阵；
[0015]加权算法功能，用于提取脑网络中心节点加权于功能连通性矩阵突出连通性的变化和差距；
[0016]存储模块，用于存储数据将一些EEG数据和数据计算模块的连通性矩阵结果进行存储，并用于可视化显示模块和数据计算模块的读取。
[0017]可视化模块主要基于Unity3D平台，用于交互操作和可视化的效果实现，能够通过交互调用数据计算模块、读取本地存储模块内的数据；数据计算模块主要是一些Python文件，用于从存储模块读取数据后执行所需程序，将结果反馈到可视化显示模块以及将数据保存到本地存储模块内；存储模块用于存储数据。
[0018]可视化模块在Unity3D平台通过交互操作实现，主要有通道可视化功能模块、脑区可视化功能模块、左右脑区可视化功能模块、部分可视化功能模块、对比可视化功能模块和动态可视化功能模块这五个功能。通道可视化功能模块、脑区可视化功能模块和左右脑区可视化功能模块用于通道模型、脑区模型和左右脑区模型的可视化以及其连通性效果的可视化效果实现；部分可视化功能模块用于实现部分连通性结果的可视化效果；对比可视化功能用于实现不同实验对比连通性结果的可视化效果；动态可视化功能模块用于实现连通性结果根据时序变化的动态可视化效果。
[0019]数据计算模块主要包括以下五个功能：小波分解功能模块、动态切片功能模块、连通性构建功能模块和加权算法功能模块。小波分解功能模块用于将读取的本地EEG时序数据分解为Alpha(8Hz
‑
13Hz)、Beta(13Hz
‑
30Hz)、Theta(4Hz
‑
8Hz)、Delta(1Hz
‑
4Hz)四个频段的数据；动态切片功能模块用于根据时序顺序将EEG数据进行切片，方便后续动态地构建功能连通性结果；连通性构建功能模块通过使用皮尔逊相关系数、波谱相干和相锁值三种信号分析方法构建功能连通性矩阵；加权算法功能模块用于提取脑网络中心节点，加权于功
能连通性矩阵，能够更加突出连通性的变化和差距。
[0020]其中，皮尔逊相关系数r应该是最常见的功能连接指标之一，对于信号x(x1,x2,
…
,x
i
,
…
,x
n
)和信号y(y1,y2,
…
,y
i
,
…
,y
n
)，两者的皮尔逊相关系数r定义如下：
[0021][0022]其中，表示信号x本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于EEG的认知功能可视化系统，其特征在于，包括：可视化模块、数据计算模块和存储模块；可视化模块基于Unity3D平台，用于交互操作和可视化的效果实现，包括：可视化功能模块、脑区可视化功能模块、左右脑区可视化功能模块、部分可视化功能模块、对比可视化功能模块和动态可视化功能模块；数据计算模块基于Python文件用于从存储模块读取数据后执行所需程序，将结果反馈到可视化模块以及将数据保存到存储模块内，包括：小波分解功能模块、动态切片功能模块、连通性构建功能模块和加权算法功能模块；小波分解功能模块，用于将读取的本地EEG时序数据分解为Alpha(8Hz
‑
13Hz)、Beta(13Hz
‑
30Hz)、Theta(4Hz
‑
8Hz)、Delta(1Hz
‑
4Hz)四个频段的数据；动态切片功能模块用于根据时序顺序将EEG数据进行切片，方便后续动态地构建功能连通性结果；连通性构建功能模块，通过使用皮尔逊相关系数、波谱相干和相锁值三种信号分析方法构建功能连通性矩阵；加权算法功能，用于提取脑网络中心节点加权于功能连通性矩阵突出连通性的变化和差距；存储模块，用于存储数据将一些EEG数据和数据计算模块的连通性矩阵结果进行存储，并用于可视化显示模块和数据计算模块的读取。2.根据权利要求1所述的基于EEG的认知功能可视化系统，其特征在于，所述的皮尔逊相关系数r是功能连接指标，对于信号x、y，两者的皮尔森相关系数r定义如下：其中，表示信号x的均值，表示信号y的均值，结果r的取值范围[
‑
1，1],因此皮尔森相关系数可以测量出两个信号是正相关还是负相关，并且绝对值越大，相关性越强。3...

【专利技术属性】
技术研发人员：曾虹，金燕萍，夏念章，吴琪，刘洋，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：