專利名稱：一種基于腦電網絡分析的地形圖描繪裝置的制作方法
技術領域：
本發(fā)明屬于信息處理技術領域，涉及人體信號處理，具體地說是一種通過提取人體腦電EEG信號并進行信號處理和腦網絡分析，以最終實現(xiàn)大腦功能狀態(tài)的判斷。本發(fā)明可用于對人體不同的腦功能狀態(tài)進行定性判定，為了解大腦活動狀態(tài)提供一種新手段。
背景技術：
傳統(tǒng)腦電地形圖BEAM (brain electrical activity mapping)就是在腦電圖技術基礎上，用計算機對EEG信號進行數(shù)字處理，將一維時間序列轉變成能夠定位和定量的偽彩色二維分布圖像，用數(shù)字和顏色來顯示大腦的功能變化并進行初步的形態(tài)定位。 目前，神經生理學、解剖學、病理學的已有研究都表明，在細胞、核團、組織、器官等不同的層次上，人腦是由神經元、或由神經元形成具有一定功能的核團、或由核團進一步形成具有一定物理結構和功能的腦組織構成的，這些不同層次的腦構成單元之間，均存在復雜的互聯(lián)網絡關系，一些腦功能異常，比如精神分裂癥，其主要特征就是腦神經網絡的互聯(lián)異常。但是，傳統(tǒng)BEAM在構圖過程中，將腦電各個電極作為獨立的信號源看待，形成的地形圖沒有反映多個腦電電極之間的相關關系，存在明顯缺陷。事實上，目前已經有一些關于精神狀態(tài)分析相關的腦網絡研究，包括睡眠、麻醉、注意、精神分裂、老年癡呆等。這些研究從多個角度揭示了不同腦功能狀態(tài)的腦網絡出現(xiàn)了不同變化，研究的結果大都發(fā)現(xiàn)，腦功能異常時，腦網絡多出現(xiàn)了不同程度的小世界特征的變化，而腦網絡小世界特征的退化意味著腦網絡在處理信息時，其全局效率和局部效率降低。目前研究腦網絡最常見的信號采集工具是磁共振成像MRI裝置，比較典型的報告包括 Silvina G. Horovitz, AllenR. Braun, Walter S. Carrd 等發(fā)表的 “Decouplingof thebrain’s default mode network during deep sleep”，見PNAS,2009(27)11376-11381 ;朱俊娟，彭代輝、江開達等發(fā)表的“腦網絡在抑郁癥中的應用研究進展”，見中國神經精神疾病雜志 2011 年 12 期 60-63 頁；He Y, Chen Z, EvansA. “Structural insights into aberranttopological patterns of large-scale corticalnetworks in alzheimer’s disease，，，見J Neurosci，2008( 18)4756-66。這些基于磁共振MRI的腦網絡分析存在以下幾個缺陷，限制了其廣泛應用(I)MRI設備和檢查費昂貴；(2) MRI機房內不能使用監(jiān)護和搶救設備，MRI對病人體動敏感，易產生偽影，不適于對急診和危重病人進行檢查；(3)個別人進入掃描室可產生幽閉恐懼癥，自訴一種難以名狀的恐懼感，不能配合檢查，常導致檢查失敗。總之，傳統(tǒng)BEAM在構圖中將各個腦電電極孤立起來，不能反映電極之間的互相聯(lián)系。目前分析腦網絡的工具多采用MRI，但其具有許多不足。基于腦電網絡分析的地形圖描繪裝置將傳統(tǒng)BEAM平面定位、偽彩色表達的功能分析與現(xiàn)代腦網絡理論結合起來，采集電路簡單，造價低廉，信號采集過程也非常方便，克服了傳統(tǒng)BEAM不能反映腦電電極之間信息相關的缺點。

發(fā)明內容
本發(fā)明的目的是克服傳統(tǒng)BEAM和MRI的缺點，提供一種使用簡便，價格低廉的基于腦網絡分析的新型地形圖描繪裝置，以提高腦信息檢測的有效性，實現(xiàn)大腦功能狀態(tài)的更準確判斷。本發(fā)明的技術方案是這樣實現(xiàn)的一種基于腦電網絡分析的地形圖描繪裝置，包括依次連接的腦電采集電極、腦電圖導聯(lián)線、腦電預處理電路、模數(shù)轉換電路和信號處理器，所述的信號處理器設有依次連接的腦電干擾濾除模塊、腦電分段與分解模塊、互近似熵分析模塊、閾值分析模塊、腦網絡參數(shù)計算模塊和腦網絡對比模塊；腦電干擾濾除模塊用于濾除腦電信號中的50Hz工頻干擾、基線漂移和肌電干擾；腦電波提取模塊用于提取腦電信號，以每1024點為一段進行滑動窗 處理；互近似熵分析模塊用于求各導聯(lián)電極之間的互近似熵；閾值分析模塊用于為建立腦網絡確定閾值并建立相應的二值矩陣A ;腦網絡參數(shù)計算模塊，用于根據(jù)閾值建立腦網絡并計算相應的腦網絡參數(shù)包括節(jié)點度，聚類系數(shù)和介數(shù)；腦網絡對比模塊用于將受試者腦網絡各個參數(shù)與預存儲的參照者腦網絡各個參數(shù)進行對比，并將對比結果以地形圖的形式顯不O所述的腦電網絡地形圖裝置，所述腦電預處理電路，包括腦電前置級放大電路、腦電濾波放大電路、50Hz工頻陷波電路；腦電前置級放大電路選用低功耗、高輸入阻抗、高共模抑制比的四運放器件；腦電濾波放大電路采用四運放器件中的兩個運放分別設計成一個二階壓控有源高通濾波器和一個二階壓控有源低通濾波器，組合成帶通濾波器，帶通濾波器的輸入與腦電前置級放大電路的輸出相連；50Hz工頻陷波電路采用雙T帶阻濾波電路。所述的腦電網絡地形圖裝置，所述互近似熵的計算方法為以計算腦電信號alpha波段xFt7(i)和xFt8(i), I ( i ( 1024的互近似熵為例，其中xFt7(i)和xFt8(i)分別代表Ft7和FtS處的α信號，其具體計算步驟如下(I)先確定兩個參數(shù)m和r，其中m是預先選定的模式維數(shù)，r是預先選定的相似容限，并固定這兩個參數(shù)m和r不變；(2)設xFt7(i)的長度為N，將濾波后的腦電信號xFt7(i)按順序分成N-m+1個m維矢量，其中Xim = [.τ,, 7(/),λ·/>7(/ +-m + I)],/ = I N — m + I1； 表示從第i個點開始連續(xù)的m個xFt7(i)的值，xFt8(i)也做類似的處理；(3)設為尤和XL中任意的兩個m維矢量，定義1； 和1&間的距離講1^7,1“]為兩者對應元素中差值最大的一個，即d[X'Ftl, Xin ] = max X'Ft1 (k) - Xjrts (k)\
l<k<m·對每個i值計算與其余矢量Zj78 (i, j = l^N-m+l)間的距離；(4)對每一個i，I彡i彡N-m+1，值統(tǒng)計鞏X》i7，Zif8]小于r的數(shù)目及此數(shù)目與距離總數(shù)N-m+1的比值，記作CO')，即
權利要求
1.一種基于腦電網絡分析的地形圖描繪裝置，其特征在于，包括依次連接的腦電采集電極、腦電圖導聯(lián)線、腦電預處理電路、模數(shù)轉換電路和信號處理器，所述的信號處理器設有依次連接的腦電干擾濾除模塊、腦電分段與分解模塊、互近似熵分析模塊、閾值分析模塊、腦網絡參數(shù)計算模塊和腦網絡對比模塊；腦電干擾濾除模塊用于濾除腦電信號中的 50Hz工頻干擾、基線漂移和肌電干擾；腦電波提取模塊用于提取腦電信號，以每1024點為一段進行滑動窗處理，以計算腦電信號中相應參數(shù)；互近似熵分析模塊用于求各導聯(lián)電極之間的互近似熵；閾值分析模塊用于為建立腦網絡確定閾值并建立相應的二值矩陣A ;腦網絡參數(shù)計算模塊，用于根據(jù)閾值建立腦網絡并計算相應的腦網絡參數(shù)；腦網絡對比模塊用于將受試者腦網絡各個參數(shù)與預存儲的參照者腦網絡各個參數(shù)進行對比，并將對比結果以腦電地形圖的形式顯示。
2.根據(jù)權利要求1所述的腦電網絡地形圖裝置，其特征在于，所述腦電預處理電路，包括腦電前置級放大電路、腦電濾波放大電路、50Hz工頻陷波電路；腦電前置級放大電路選用低功耗、高輸入阻抗、高共模抑制比的四運放器件；腦電濾波放大電路采用四運放器件中的兩個運放分別設計成一個二階壓控有源高通濾波器和一個二階壓控有源低通濾波器，組合成帶通濾波器，帶通濾波器的輸入與腦電前置級放大電路的輸出相連；50Hz工頻陷波電路采用雙T帶阻濾波電路。
3.根據(jù)權利要求1所述的腦電網絡地形圖裝置，其特征在于，所述互近似熵的計算方法為:以計算腦電信號alpha波段xFt7(i)和xFt8(i), I彡i彡1024的互近似熵為例,其中 xFt7(i)和xFt8(i)分別代表Ft7和FtS處的α信號，其具體計算步驟如下(1)先確定兩個參數(shù)m和r，其中m是預先選定的模式維數(shù)，r是預先選定的相似容限， 并固定這兩個參數(shù)m和r不變；(2)設xFt7(i)的長度為N，將濾波后的腦電信號xFt7(i)按順序分成Ν-m+l個m維矢量 X1pn,X2m,...Χλ；ηη'+1，其中^= [x,.,7{/),X1.,7 V + V),.^xrn(/' - m + I)],/' =1- N - m +1^^7表示從第i個點開始連續(xù)的111個Xpt7(i)的值，xFt8(i)也做類似的處理；(3)設和為尤和As,XL,..Jr=-中任意的兩個m維矢量，定義JLUPXjJl]的距離可為兩者對應元素中差值最大的一個，即
4.根據(jù)權利要求1所述的腦電網絡地形圖裝置，其特征在于，所述閾值和二值矩陣A的確定方法為先將閾值設為1，并根據(jù)閾值建立相應的二值矩陣A和拉普拉斯矩陣δ，判斷拉普拉斯矩陣δ的最小特征值是否大于0，若大于0，閾值為1，二值矩陣即為腦網絡矩陣； 否則閾值按O. 01逐漸遞減，直至拉普拉斯矩陣δ的最小特征值大于0，此時確定的閾值即為保證網絡最大連通性的閾值；依據(jù)上述確定閾值，二值矩陣A的確定方法為當互近似熵矩陣的相應值大于等于閾值，則二值矩陣A的相應值為I ;否則為O。
5.根據(jù)權利要求1所述的腦電網絡地形圖裝置，其特征在于，所述腦網絡參數(shù)計算方法為(1)計算每個節(jié)點的節(jié)點強度h ;計算公式如下
全文摘要
本發(fā)明公開了一種基于腦電網絡分析的地形圖描繪裝置，包括依次連接的腦電采集電極、腦電圖導聯(lián)線、腦電預處理電路、模數(shù)轉換電路和信號處理器，所述的信號處理器設有依次連接的腦電干擾濾除模塊、腦電分段與分解模塊、互近似熵分析模塊、閾值分析模塊、腦網絡參數(shù)計算模塊和腦網絡對比模塊。本發(fā)明利用腦電信號提取腦網絡互聯(lián)特征，采集方便且時間分辨率較好，并可采用軟硬件結合方法剔除干擾，使信號穩(wěn)定可靠；基于腦電信號的腦電采集電路簡單，造價低廉，有利于產品普及進入家庭，從而造福民眾；將小波包分解與互近似熵、神經網絡分析等非線性方法結合起來，更適應腦電信號非線性、非平穩(wěn)的本質。相比傳統(tǒng)腦電地形圖，本系統(tǒng)可給出更多的腦活動信息。
文檔編號A61B5/0476GK103006211SQ20131001613
公開日2013年4月3日 申請日期2013年1月17日 優(yōu)先權日2013年1月17日
發(fā)明者黃力宇, 薛姣, 任愛鋒, 羅銘 申請人:西安電子科技大學