基于图信号处理的脑信号分析方法技术

本发明专利技术涉及一种基于图信号处理的脑信号分析方法，其技术特点是：建立基于功能近红外的测量范式；测量人员佩戴功能近红外探头并进行测量并收集测量人员在进行步态任务时的脑信号；对测量的脑信号进行预处理；计算通道信号之间的相位滞后系数，并建立连通性矩阵；根据连通性矩阵和顶点位置构建脑图；根据脑图提取描述脑区和脑区变化的图特征。本发明专利技术利用功能近红外测量步态任务时的脑信号，根据近红外通道之间的相关系数和顶点位置将预处理后的信号转换成脑图，通过对脑图进行频谱拆解，计算得到区域和区域之间的图特征，从而有效地描述不同区域之间的变化，揭示脑部的合作机制，可广泛用于睡眠质量监测、大脑异常监测和脑机接口等领域。接口等领域。接口等领域。

Brain signal analysis method based on graph signal processing

【技术实现步骤摘要】
基于图信号处理的脑信号分析方法


[0001]本专利技术属于信号检测分析
，涉及脑信号检测分析，尤其是一种基于图信号处理的脑信号分析方法。

技术介绍

[0002]近年来，脑成像技术飞速发展，且得到了越来越多研究人员的关注和重视。常用的脑成像技术有脑电、功能核磁和正电子放射断层造影术等，然而，功能核磁和正电子放射断层造影术存在抗运动干扰能力差的问题，难以记录人进行运动任务时大脑的变化，而脑电则存在准备过程繁杂以及空间分辨率不高等问题。
[0003]目前，功能近红外技术被越来越多地应用到大脑分析和研究当中。功能近红外准备过程简单，空间分辨率较高，具有较强的抗干扰能力，能够有效测量进行运动任务时大脑的信号，因此，其应用范围也越来越广泛。
[0004]在功能近红外的信号分析研究中，很多研究人员提取信号的均值、方差、峰度等特征进行分析，并没有考虑大脑不同区域之间的变化。由于大脑是一个紧密合作的系统，在执行某个任务时，不同脑区会产生紧密的合作，进而高效地完成任务。大脑区域和区域之间的变化能够描述区域之间的关联和交流，可广泛用于脑机接口以及睡眠质量监测等任务，因此，如何将其应用到脑信号分析中进行脑图特征提取是目前迫切需要解决的问题。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的不足，提供一种设计合理、能够准确地获取脑图特征的基于图信号处理的脑信号分析方法。
[0006]本专利技术解决现有的技术问题是采取以下技术方案实现的：
[0007]一种基于图信号处理的脑信号分析方法，包括以下步骤：
[0008]步骤1、建立基于功能近红外的测量范式；
[0009]步骤2、测量人员佩戴功能近红外探头并按照步骤1建立的测量范式进行测量，收集测量人员在进行步态任务时的脑信号；
[0010]步骤3、对测量的脑信号进行预处理，包括光强转换、去噪、伪迹去除、信号截取和基线校正处理；
[0011]步骤4、计算通道信号之间的相位滞后系数，并建立连通性矩阵；
[0012]步骤5、根据连通性矩阵和顶点位置构建脑图；
[0013]步骤6、根据脑图提取描述脑区和脑区变化的图特征。
[0014]进一步，所述步骤1建立的测量范式包括：
[0015]⑴
测量人员站立30秒；
[0016]⑵
测量人员按照日常的步行速度行走35秒；
[0017]⑶
测量人员停止并站在原地10秒；
[0018]⑷
测量人员休息2分钟。
[0019]进一步，所述步骤2按照测量范式，进行三次步态任务并收集三次步态任务时的脑信号。
[0020]进一步，所述步骤3的具体处理方法为：
[0021]⑴
利用修正的朗伯比尔定律将收集的光强信号转换成含氧血红蛋白的浓度变化；
[0022]⑵
利用0.01
‑
0.2Hz的帯通滤波器去除噪声；
[0023]⑶
利用滑动窗去除信号的伪迹；
[0024]⑷
提取进行步态任务时3
‑
33s的数据；
[0025]⑸
利用步行前5秒的数据作为基线校正步行数据。
[0026]进一步，所述步骤4的具体处理方法为：
[0027]设x
i
(t)和x
j
(t)是功能近红外的两个通道信号，两个通道信号在t时刻的相位差为：
[0028][0029]其中和分别表示x
i
(t)和x
j
(t)的瞬时相位，和表示x
i
(t)和x
j
(t)经过希尔伯特变换后的信号；
[0030]按下式计算x
i
(t)和x
j
(t)之间的相位滞后系数PLI：
[0031][0032]其中，M是信号的长度，sign(
·
)表示符号函数；
[0033]根据相位滞后系数PLI建立如下连通性矩阵CM：
[0034][0035]其中N是通道的数目；
[0036]通过对三次步态任务所得到的CM进行平均，得到最终使用的CM。
[0037]进一步，所述步骤5构建的脑图G＝(V,CM)，其中V＝{v1,v2,
…
,v
N
}代表N个顶点。
[0038]进一步，所述步骤6的具体实现方法包括以下步骤：
[0039]⑴
建立度矩阵该度矩阵D是一个对角矩阵，第i个对角元素为
[0040]⑵
计算脑图G的拉普拉斯矩阵L定义为L＝D
‑
CM；
[0041]⑶
对脑图G的拉普拉斯矩阵L进行频谱拆解：
[0042]L＝UΛU
H
[0043]其中U＝[u0,u1,...,u
N
]是特征向量矩阵，u
i
表示第i个特征向量，U
H
是U的厄密共轭；Λ是对角特征值矩阵λ
i
是第i个特征向量的特征值；
[0044]⑷
定义低、中、高三个图频段，分别表示为定义低、中、高三个图频段，分别表示为其中K
low
和K
mid
设置为10；
[0045]⑸
分别计算三个图频段的脑区和脑区之间的变化并分别对三个图频段的脑区和脑区之间的变化进行平均，最后得到描述脑区和脑区变化的图特征；
[0046]所述计算三个图频段的脑区和脑区之间的变化的方法为：
[0047][0048]其中，表示区域r1和区域r2在u
k
的变化，α是一个范围因子，Z1和Z2分别表示区域r1和区域r2内通道的数量。
[0049]本专利技术的优点和积极效果是：
[0050]本专利技术设计合理，其利用功能近红外测量步态任务时的脑信号，根据近红外通道之间的相关系数和顶点位置将预处理后的信号转换成脑图，通过对脑图进行频谱拆解，计算得到区域和区域之间的图特征，从而有效地描述不同区域之间的变化，揭示脑部的合作机制，可广泛用于睡眠质量监测、大脑异常监测和脑机接口等领域。
附图说明
[0051]图1是本专利技术的处理流程图。
具体实施方式
[0052]以下结合附图对本专利技术实施例做进一步详述。
[0053]一种基于图信号处理的脑信号分析方法，如图1所示，包括以下步骤：
[0054]步骤1、建立基于功能近红外的测量范式，该测量范式的具体流程如下：
[0055]⑴
测量人员站立30秒。
[0056]⑵
测量人员按照日常的步行速度行走35秒。
[0057]⑶
测量人员停止并站在原地10秒。
[0058]⑷
测量人员休息2分钟。
[0059]步骤2、测量人员佩戴功能近红外探头，保证功能近红外探头贴近于需要测量的脑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图信号处理的脑信号分析方法，其特征在于：包括以下步骤：步骤1、建立基于功能近红外的测量范式；步骤2、测量人员佩戴功能近红外探头并按照步骤1建立的测量范式进行测量，收集测量人员在进行步态任务时的脑信号；步骤3、对测量的脑信号进行预处理，包括光强转换、去噪、伪迹去除、信号截取和基线校正处理；步骤4、计算通道信号之间的相位滞后系数，并建立连通性矩阵；步骤5、根据连通性矩阵和顶点位置构建脑图；步骤6、根据脑图提取描述脑区和脑区变化的图特征。2.根据权利要求1所述的基于图信号处理的脑信号分析方法，其特征在于：所述步骤1建立的测量范式包括：
⑴
测量人员站立30秒；
⑵
测量人员按照日常的步行速度行走35秒；
⑶
测量人员停止并站在原地10秒；
⑷
测量人员休息2分钟。3.根据权利要求1所述的基于图信号处理的脑信号分析方法，其特征在于：所述步骤2按照测量范式，进行三次步态任务并收集三次步态任务时的脑信号。4.根据权利要求1所述的基于图信号处理的脑信号分析方法，其特征在于：所述步骤3的具体处理方法为：
⑴
利用修正的朗伯比尔定律将收集的光强信号转换成含氧血红蛋白的浓度变化；
⑵
利用0.01
‑
0.2Hz的帯通滤波器去除噪声；
⑶
利用滑动窗去除信号的伪迹；
⑷
提取进行步态任务时3
‑
33s的数据；
⑸
利用步行前5秒的数据作为基线校正步行数据。5.根据权利要求1所述的基于图信号处理的脑信号分析方法，其特征在于：所述步骤4的具体处理方法为：设x
i
(t)和x
j
(t)是功能近红外的两个通道信号，两个通道信号在t时刻的相位差为：其中和分别表示x
i
(t)和x
j
(t)的瞬时相位，和表示x
i

【专利技术属性】
技术研发人员：于宁波，巫嘉陵，于洋，韩建达，朱志中，王金，卢杰威，
申请(专利权)人：天津市环湖医院，
类型：发明
国别省市：