System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及数据处理,特别是涉及一种脑功能网络的构建方法、系统、装置、设备及介质。
技术介绍
1、人脑可以看作由多个神经元、神经元集群或者多个脑区相互连接成的一个高度复杂的网络,通过构建脑功能网络可以反映整个大脑的状况,对各种脑部疾病的病理机制的探索和研究起着非常重要的作用。
2、相关技术中,多采用基于核磁共振成像数据建立脑功能网络,使用图像中的体素作为网络节点,但是这种方式成本非常高。
技术实现思路
1、本公开提供了一种脑功能网络的构建方法,所述方法包括:
2、在待测对象处于预设场景的过程中,获取预设时段内的脑部姿态信号和多通道的脑电信号;
3、基于所述脑部姿态信号的变化幅度,对每个所述通道的脑电信号进行划分,得到每个所述通道对应的多个脑电序列;
4、根据相同采集时段中多个所述通道各自对应的脑电序列之间的相关性,以及所述相关性在不同采集时段的变化,构建所述待测对象的脑功能网络;其中,所述预设时段被划分为多个所述采集时段。
5、在一种可选的示例中,所述相关性包括每两个所述通道的脑电序列之间的相关系数,所述根据多个所述通道在相同采集时段的脑电序列之间的相关性,以及所述相关性在不同采集时段的变化,构建所述待测对象的脑功能网络,包括:
6、基于相同采集时段下的多个所述相关系数的大小顺序,确定每个采集时段对应的模态;其中,所述模态用于表征所述采集时段内的脑电特征
7、基于每相邻两个采集时段之间的模态变化,构建
8、在一种可选的示例中,所述基于每相邻两个采集时段之间的模态变化,构建所述脑功能网络,包括:
9、将每个采集时段对应的模态作为一个节点,并构建时间相邻且模态发生变化的两个节点之间的有向边;所述有向边用于指示所述两个节点的时间先后顺序且携带初始权值;
10、确定模态变化相同和/或相反的多个节点组;其中,所述节点组中包括时间相邻的两个节点;
11、保留多个所述节点组中的目标节点组,以及所述目标节点组对应的目标有向边;
12、基于多个所述节点组中未被保留的节点组的数量,叠加所述目标有向边的初始权值,和/或在所述目标节点组叠加对应的有向边,得到所述脑功能网络。
13、在一种可选的示例中,所述相关系数是通过以下步骤获取的:
14、确定相同采集时段下,每个所述通道所对应的脑电序列的脑电平均值;
15、基于相同采集时段下,每两个所述通道各自对应的脑电平均值、以及所述脑电序列的长度,确定所述相关系数。
16、在一种可选的示例中,所述基于所述脑部姿态信号的变化幅度,对每个所述通道的脑电信号进行划分,包括:
17、按照预设序列长度对所述脑部姿态信号进行划分;
18、基于所述预设序列长度内的脑部姿态信号的变化幅度与预设阈值之间的大小关系,对所述预设序列长度进行更新,得到序列长度;
19、基于所述序列长度,对每个所述通道的脑电信号进行划分。
20、在一种可选的示例中,所述基于所述预设序列长度内的脑部姿态信号的变化幅度与预设阈值之间的大小关系,对所述预设序列长度进行更新,得到序列长度,包括:
21、判断每个划分得到的姿态信号序列是否满足预设条件;其中,所述预设条件包括所述变化幅度大于或等于所述预设阈值;
22、若满足所述预设条件的姿态信号序列的总长度小于目标长度,则按照预设步长增加所述预设序列长度后对所述脑部姿态信号进行划分,并重复所述判断每个划分得到的姿态信号序列是否满足预设条件的步骤,直到满足所述预设条件的姿态信号序列总长度大于或等于所述目标长度;
23、将总长度大于或等于目标长度时所对应的预设序列长度,确定为所述序列长度;其中,所述目标长度大于或等于所述脑电信号的总长度的一半。
24、在一种可选的示例中,所述脑部姿态信号包括航向角、俯仰角以及横滚角中的一种或多种,所述基于所述预设序列长度内的脑部姿态信号的变化幅度与预设阈值之间的大小关系,对所述预设序列长度进行更新,包括:
25、从所述脑部姿态信号中获取航向角信号;
26、基于所述预设序列长度内的航向角信号的变化幅度与预设阈值之间的大小关系,对所述预设序列长度进行更新。
27、在一种可选的示例中,所述得到每个所述通道对应的多个脑电序列之后,所述方法还包括:
28、从每个所述通道对应的多个脑电序列中,筛选出对应的多个目标脑电序列,其中,所述目标脑电序列所在的采集时段所对应的姿态信号序列满足所述预设条件;
29、所述根据相同采集时段中多个所述通道各自对应的脑电序列之间的相关性,以及所述相关性在不同采集时段的变化,构建所述待测对象的脑功能网络,包括:
30、根据相同采集时段中多个所述通道各自对应的目标脑电序列之间的相关性,以及所述相关性在不同采集时段的变化,构建所述待测对象的脑功能网络。
31、在一种可选的示例中,所述预设场景包括虚拟现实场景、互动游戏场景中的至少一种场景。
32、在一种可选的示例中,所述脑功能网络包括多个节点以及节点之间的有向边,在得到所述脑功能网络之后,所述方法还包括:
33、基于所述脑功能网络中的节点和所述有向边,确定脑网络参数;
34、基于所述脑网络参数,确定所述待测对象的脑功能。
35、本公开还提供一种脑功能构建系统,包括:
36、多媒体播放模块,用于向待测对象提供预设场景;
37、脑电信号采集模块,用于采集所述待测对象的多通道的脑电信号;
38、脑部姿态采集模块,用于采集所述待测对象的脑部姿态信号;
39、处理模块,用于执行所述的脑功能网络的构建方法。
40、在一种可选的示例中,所述脑部姿态采集模块,包括:加速度计、陀螺仪、地磁计中的至少一种传感器。
41、在一种可选的示例中,所述脑电信号采集模块包括:信号放大器、模/数转换器和多个脑电电极;其中,不同的脑电电极对应不同通道的脑电信号;
42、所述脑电电极,用于采集原始脑电模拟信号;
43、所述信号放大器,用于放大所述原始脑电模拟信号;
44、所述模/数转换器,用于将所述原始脑电模拟信号转换为属于数字信号的脑电信号。
45、在一种可选的示例中,所述脑电信号采集模块包括多个脑电电极,所述脑功能构建系统包括头盔,所述脑电信号采集模块和所述脑部姿态采集模块安装于所述头盔中;其中,所述头盔包括头带,所述头带中间镂空;
46、其中,所述脑电电极贴附在所述头带靠近脑部的一侧;
47、所述脑电极电连接有电极线,所述电极线的一端与所述脑电极电连接,另一端穿过所述头带的镂空区域后与所述处理模块电连接。
48、在一种可选的示例中,所述处理模块包括:本文档来自技高网...
【技术保护点】
1.一种脑功能网络的构建方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述相关性包括每两个所述通道的脑电序列之间的相关系数,所述根据多个所述通道在相同采集时段的脑电序列之间的相关性,以及所述相关性在不同采集时段的变化,构建所述待测对象的脑功能网络,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于每相邻两个所述采集时段之间的模态变化,构建所述脑功能网络,包括:
4.根据权利要求2所述的构建方法,其特征在于,所述相关系数是通过以下步骤获取的:
5.根据权利要求1-4任一所述的方法,其特征在于,所述基于所述脑部姿态信号的变化幅度,对每个所述通道的脑电信号进行划分,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于每所述预设序列长度内的脑部姿态信号的变化幅度与预设阈值之间的大小关系,对所述预设序列长度进行更新,得到序列长度,包括:
7.根据权利要求5所述的方法,其特征在于,所述脑部姿态信号包括航向角,所述基于所述预设序列长度内的脑部姿态信号的变化幅度与预设阈值之间的大小
8.根据权利要求6所述的方法,其特征在于,所述得到每个所述通道对应的多个脑电序列之后,所述方法还包括:
9.根据权利要求1所述的方法,其特征在于,所述预设场景包括虚拟现实场景、互动游戏场景中的至少一种场景。
10.根据权利要求1所述的方法,其特征在于,所述脑功能网络包括多个节点以及节点之间的有向边,在得到所述脑功能网络之后,所述方法还包括:
11.一种脑功能构建系统,其特征在于,包括:
12.根据权利要求11所述的脑功能构建系统,其特征在于,所述脑部姿态采集模块,包括:加速度计、陀螺仪、地磁计中的至少一种传感器。
13.根据权利要求11所述的脑功能构建系统,其特征在于,所述脑电信号采集模块包括:信号放大器、模/数转换器和多个脑电电极;其中,不同的脑电电极对应不同通道的脑电信号;
14.根据权利要求11所述的脑功能构建系统,其特征在于,所述脑电信号采集模块包括多个脑电电极,所述脑功能构建系统包括头盔,所述脑电信号采集模块和所述脑部姿态采集模块安装于所述头盔中;其中,所述脑电电极贴附在所述头盔靠近脑部的一侧;
15.根据权利要求11所述的脑功能构建系统,其特征在于,所述处理模块包括:
16.根据权利要求11-15任一所述的脑功能构建系统,其特征在于,所述系统包括虚拟现实VR眼镜,所述多媒体播放模块、所述脑电信号采集模块以及所述脑部姿态采集模块配置到所述VR眼镜,或者,所述多媒体播放模块、所述脑电信号采集模块、所述脑部姿态采集模块以及所述处理模块集成至所述VR眼镜。
17.一种脑功能网络的构建装置,其特征在于,所述装置包括:
18.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行时实现如权利要求1-10任一所述的脑功能网络的构建方法。
19.一种计算机可读存储介质,其特征在于,其存储的计算机程序使得处理器执行如权利要求1-10任一所述的脑功能网络的构建方法。
...【技术特征摘要】
1.一种脑功能网络的构建方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述相关性包括每两个所述通道的脑电序列之间的相关系数,所述根据多个所述通道在相同采集时段的脑电序列之间的相关性,以及所述相关性在不同采集时段的变化,构建所述待测对象的脑功能网络,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于每相邻两个所述采集时段之间的模态变化,构建所述脑功能网络,包括:
4.根据权利要求2所述的构建方法,其特征在于,所述相关系数是通过以下步骤获取的:
5.根据权利要求1-4任一所述的方法,其特征在于,所述基于所述脑部姿态信号的变化幅度,对每个所述通道的脑电信号进行划分,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于每所述预设序列长度内的脑部姿态信号的变化幅度与预设阈值之间的大小关系,对所述预设序列长度进行更新,得到序列长度,包括:
7.根据权利要求5所述的方法,其特征在于,所述脑部姿态信号包括航向角,所述基于所述预设序列长度内的脑部姿态信号的变化幅度与预设阈值之间的大小关系,对所述预设序列长度进行更新,包括:
8.根据权利要求6所述的方法,其特征在于,所述得到每个所述通道对应的多个脑电序列之后,所述方法还包括:
9.根据权利要求1所述的方法,其特征在于,所述预设场景包括虚拟现实场景、互动游戏场景中的至少一种场景。
10.根据权利要求1所述的方法,其特征在于,所述脑功能网络包括多个节点以及节点之间的有向边,在得到所述脑功能网络之后,所述方法还...
【专利技术属性】
技术研发人员:何惠东,张浩,陈丽莉,韩鹏,姜倩文,石娟娟,杜伟华,秦瑞峰,赵砚秋,
申请(专利权)人:北京京东方显示技术有限公司,
类型:发明
国别省市:
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。