【技术实现步骤摘要】
一种脑网络连通性的检测方法和装置
[0001]本专利技术涉及脑网络领域，尤其涉及一种脑网络连通性的检测方法和装置。
技术介绍
[0002]有效性连接用于衡量一个神经系统对另一个神经系统直接或间接的影响，包括相互作用的大小和方向。而功能性连接体现出大脑区域之间直接或间接相互作用的时间相关性。而对于一些患有精神类疾病的患者，他们的有效性连接和功能性连接可能存在异常。与正常人相比，患者呈现出更高的全局效率和更低的局部效率，脑网络的结构也更具随机性，可能存在脑器质性损伤。通过检测大脑的有效性连接和功能性连接，可以有效获取大脑关于复杂功能的执行过程和患者大脑的异常网络现象。
[0003]现有技术主要通过多导睡眠监测仪进行脑电数据的采集，这种方法耗费时间长需要采集大量的脑电数据，并且很难分离出用于表征左右半脑之间的联系的数据。
技术实现思路
[0004]本专利技术提供了一种脑网络连通性的检测方法和装置，可以实现快速获取左右大脑的功能连通性，缩小了检测所需的时间。
[0005]为了解决上述技术问题，本专利技...
【技术保护点】
【技术特征摘要】
1.一种脑网络连通性的检测方法，其特征在于，包括：采集待测用户的大脑颞叶区脑电图通道数据；其中，所述大脑颞叶区脑电图通道数据为静息态数据，包括四导通道数据；所述四导通道数据包括左脑两导通道数据和右脑两导通道数据；通过加权相位滞后指数算法和符号传递熵算法，分别对所述四导通道数据进行相位同步信息传递计算，获得第一数据集；获取预设的第二数据集，根据所述第二数据集，建立连通性检测模型，并通过所述第二数据集对所述连通性检测模型进行训练，直到所述连通性检测模型收敛，将所述第一数据集输入收敛的连通性检测模型，获得所述待测用户的连通性检测结果。2.如权利要求1所述的一种脑网络连通性的检测方法，其特征在于，所述根据所述第二数据集，建立连通性检测模型，并通过所述第二数据集对所述连通性检测模型进行训练，直到所述连通性检测模型收敛，具体为：将所述第二数据集按照预设比例划分为训练集和测试集，并对所述训练集中正常样本标记为正性样本，患病样本标记为负性样本；其中，所述第二数据集包括正常样本和患病样本；通过基于高斯核函数的支持向量机分类器，结合所述训练集，构建连通性检测模型；对所述连通性检测模型进行训练，并利用所述测试集评估所述连通性检测模型，输出所述连通性检测模型的若干参数，当所述若干参数符合预设条件，确认所述连通性检测模型收敛。3.如权利要求2所述的一种脑网络连通性的检测方法，其特征在于，所述若干参数包括准确率、召回率、精度和特异性，具体地：所述准确率Accuracy的计算公式为：；所述召回率Recall的计算公式为：；所述精度Precision的计算公式为：；所述特异性Specificity的计算公式为：；其中，TP为正性样本被判断正确的个数，TN为负性样本被判断正确的个数，FP为正性样本被判断错误的个数，FN为负性样本被判断错误的个数。4.如权利要求1所述的一种脑网络连通性的检测方法，其特征在于，所述通过加权相位滞后指数算法和符号传递熵算法，分别对所述四导通道数据进行相位同步信息传递计算，获得第一数据集，具体为：
获取所述四导通道的数据节点i的相位与节点j的相位，计算节点i和节点j之间在瞬时时间τ下的加权相位滞后指数:；其中，加权相位滞后指数取值范围为0至1，τ为瞬时时间，是平均值操作符，为节点i与节点j在瞬时时间τ下的相位差；并根据下式计算信号X到信号Y之间的符号传递熵，获得所述第一数据集：;其中，p为当下信号的概率，x和y为所述四导通道数据中任意两导通道数据，ε为时间延迟，为通道y在节点i处的经过时间序列符号化处理的符号值信号，为通道y在节点i处延时ε的经过时间序列符号化处理的符号值信号，为通道x在节点i处延时ε的经过时间序列符号化处理的符号值信号。5.如权利要求1至4任意一项所述的一种脑网络连通性的检测方法，其特征在于，在所述通过加权相位滞后指数算法和符号传递熵算法，分别对所述四导通道数据进行相位同步信息传递计算之前，还包括：以每30秒的脑电波形作为一个片段，对所述四导通道数据进行片段化处理；筛选掉具有伪影的经过片段化处理的四导通道数据；通过零相移巴特沃斯带通滤波器，对未被筛选的四导通道数据进行滤波处理。6.一种脑网络连通性的检测装置，其特征在于，包括采集模块、计算模块和检测模块，其中，所述采集模...
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。