基于图信号处理的脑信号分析方法

摘要

本发明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。

说明书

技术领域

本发明属于信号检测分析技术领域，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。

背景技术

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。

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。

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。

发明内容

本发明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。

本发明解决现有的技术问题是采取以下技术方案实现的：

一种基于图信号处理的脑信号分析方法，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。

进一步，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。

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。

进一步，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。

进一步，所述步骤4的具体处理方法为：

设x

其中

按下式计算x

其中，M是信号的长度，sign(·)表示符号函数；

根据相位滞后系数PLI建立如下连通性矩阵CM：

其中N是通道的数目；

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。

进一步，所述步骤5构建的脑图G＝(V,CM)，其中V＝{v

进一步，所述步骤6的具体实现方法包括以下步骤：

⑴建立度矩阵

⑵计算脑图G的拉普拉斯矩阵

⑶对脑图G的拉普拉斯矩阵L进行频谱拆解：

L＝UΛU

其中U＝[u

⑷定义低、中、高三个图频段，分别表示为

⑸分别计算三个图频段的脑区和脑区之间的变化

所述计算三个图频段的脑区和脑区之间的变化

其中，

本发明的优点和积极效果是：

本发明设计合理，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

图1是本发明的处理流程图。

具体实施方式

以下结合附图对本发明实施例做进一步详述。

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：

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：

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。

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区，按照步骤1测量范式，记录测量人员在进行步态任务时的脑信号。

在本步骤中，根据测量范式，进行三次步态任务并记录三次步态任务时脑信号。

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，具体处理方法如下：

(1)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。

(2)利用0.01-0.2Hz的帯通滤波器去噪。

(3)利用滑动窗去除信号的伪迹。

(4)提取进行步态任务时3-33s的数据。

(5)利用步行前5秒的数据作为基线校正步行数据。

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CM。

本步骤的具体实现方法如下：

假设x

其中

x

其中，M是信号的长度，sign(·)表示符号函数。

利用相位滞后系数(PLI)建立连通性矩阵CM：

其中N是通道的数目；

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。

步骤5、根据连通性矩阵CM和顶点位置构建如下：脑图为G＝(V,CM)，其中V＝{v

步骤6、根据脑图提取描述脑区和脑区变化的图特征。

本步骤的具体方法包括以下步骤：

(1)建立度矩阵

(2)计算脑图G的拉普拉斯矩阵

(3)对脑图G的拉普拉斯矩阵L进行频谱拆解：

L＝UΛU

其中U＝[u

(4)定义低、中、高三个图频段，分别表示为

(5)按下式计算脑区和脑区之间的变化：

其中，

在本步骤，按上述分别计算三个图频段的脑区和脑区之间的变化

通过以上步骤即可实现基于图信号处理的脑信号分析功能，得到描述脑区和脑区变化的图特征。

通过上述方法获得的描述脑区和脑区变化的图特征能够表示脑区之间的交流和关联，具有广泛的应用领域，如：

脑机接口：图特征能够描述脑区之间的交流和变化，当变化较大时，代表存在某个意图，通过识别这个意图加强脑部信号和机器之间的交流。

睡眠监测：当脑区之间的交流在睡眠时依然处于高度的变化时，可以反映大脑依然处于比较活跃的状态，可用于发出睡眠质量预警提示。

大脑异常监测：当脑区之间的变化与正常值存在较大的差异时，可发出异常提示。

需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。