[發明專利]基于定量腦電圖的腦電特征提取方法

有效

• 申請號: 201210235865.7
• 申請日: 2012-07-09
• 公開（公告）號: CN102715903A
• 公開（公告）日: 2012-10-10
• 發明（設計）人: 杜金剛;王勇軍;明東;王春方;王靜;孫長城
• 申請（專利權）人: 天津市人民醫院
• 主分類號: A61B5/048
• 分類號: A61B5/048;G06K9/62
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李麗萍

1.一種基于定量腦電圖的腦電特征提取方法，采用多導聯腦電圖儀進行腦電信號實時采集，導聯個數為16個，并按照國際標準導聯10-20電極系統布置電極，其中，將電極Cz作為參考電極，前額作為參考地，連接電極進行靜息狀態下的腦電信號實時采集，其特征在于，包括以下步驟：

步驟一、運用PC機與腦電圖儀可視化接口程序，實現16導聯腦電信號電位數據的同步采集，并顯示實時采集的腦電圖波形；

步驟二、對采集到的腦電信號進行預處理；

首先對信號進行0.5Hz~48Hz帶通濾波，以去除工頻干擾及噪聲信號；其次用主成分分析PCA方法做進一步的降噪處理，以去除眼電和肌電干擾；

步驟三、提取腦電信號的功率耦合系數：

將腦電信號劃分為5個頻帶：δ波頻帶為0.5Hz~4Hz，θ波頻帶為4Hz~8Hz，α波頻帶為8Hz～13Hz，β1波頻帶為13Hz~20Hz，β2波頻帶為20Hz~30Hz；結合各頻帶絕對功率信息和相對功率信息提取功率耦合系數；具體包括如下步驟：

步驟3-1、將腦電信號采集過程中的Cz參考電極變為雙極導聯形式，以消除因為距離所帶來的各導聯之間的電壓差異，雙極導聯采用縱連形式；

步驟3-2、計算各頻帶絕對功率值和相對功率值：

絕對功率值利用快速傅里葉變換FFT求得，各導聯某一頻帶的絕對功率值為其所有相鄰導聯功率值的平均值；各導聯某一頻帶的相對功率值為此頻帶功率值相對于總頻帶功率的百分比，計算公式如下：

總頻帶功率：T_m＝∑_fa_m,f????????????????????????????????????（1）

相對功率值：rm,f=am,fTm---(2)]]>

公式（1）和公式（2）中：

a_m,f——m導聯在f頻帶的絕對功率值；

T_m——m導聯所有頻帶的功率值；

r_m，f——m導聯在f頻帶的相對功率值；

步驟3-3、將各導聯某一頻帶的絕對功率值和各導聯某一頻帶的相對功率值歸一化：利用16導聯中f頻帶絕對功率最大值和相對功率的最大值分別對各導聯某一頻帶的絕對功率值和各導聯某一頻帶的相對功率值進行歸一化處理，歸一化公式如下：

絕對功率歸一化值aNORM(m,f)=am,fAMAXf---(3)]]>

相對功率歸一化值rNORN(m,f)=rm,fRMAXf---(4)]]>

公式（3）和公式（4）中：

AMAX_f——各導聯f頻帶絕對功率的最大值；

RMAX_f——各導聯f頻帶相對功率的最大值；

步驟3-4、功率耦合系數計算：

m導聯f頻帶的功率耦合系數值CORD的計算公式如下：

CORD_(m,f)＝±(|a_NORM(m,f)-0.5|+|r_NORM(m,f)-0.2|)????（5）

當r_NORM(m,f)-0.2＞0，a_NORM(m,f)-0.5＜0時，CORD_(m,f)取負值；

當r_NORM(m,f)-0.2＞0，α_NORM(m,f)-0.5＞0時，CORD_(m,f)取正值；

當r_NORM(m,f)-0?2＜＝0時，CORD_(m,f)值為0；

公式（5）中：

α_NORM(m,f)——m導聯f頻帶歸一化之后的絕對功率值；

r_NORM(m,f)——m導聯f頻帶歸一化之后的相對功率值；

CORD_(m,f)——m導聯f頻帶的功率耦合系數值；

步驟四、提取腦電信號的高低頻帶頻譜不對稱性系數：

高低頻帶頻譜不對稱性系數計算時，忽略α頻帶的功率譜特性；

低頻帶選取4Hz的頻帶范圍，高頻帶選取24Hz的頻帶范圍，高低頻帶頻譜不對稱性系數計算具體包括如下步驟：

4-1步驟、用平均周期圖法計算預處理后腦電信號每一導聯的功率譜密度s_m，即m導聯的功率譜密度；

4-2步驟、計算高低頻帶的邊緣頻率：

首先，找出α頻帶功率譜密度最大的頻率值f_max，對f_max±BHz頻帶的功率譜密度曲線作拋物線擬合，其中，B=2；將擬合后拋物線頂點處的頻率作為α頻帶的中心頻率f_c；

低頻帶的邊緣頻率分別為F1和F2，其中，F1＝f_c-B-4，其單位為Hz，F2＝f_c-B，其單位為Hz；

高頻帶的邊緣頻率分別為F3和F4，其中，為：F3＝f_c+B，其單位為Hz，F4＝f_c+B+24，其單位為Hz；

4-3步驟、計算高低頻帶的功率值：

低頻帶功率值高頻帶功率值

4-4步驟、計算高低頻帶頻譜不對稱性系數值：

即m導聯高低頻帶的頻譜不對稱系數；

步驟五、利用雙層結構的支持向量機SVM融合網絡對靜息狀態下的腦電信號進行分類：

采用支持向量機SVM融合網絡對相應的信號進行分類識別，將上述得到的受試者的16導聯δ波、θ波、α波、β1波和β2波5個頻帶的功率耦合系數CORD_(m,f)以及高低頻帶不對稱性系數SASI_m作為支持向量機SVM融合網絡的輸入向量，通過事先采集好的數據標簽集對支持向量機SVM融合網絡進行訓練，網絡自動修正各權值，閾值，直到訓練完畢；以訓練所得模型對受試者的靜息狀態下的腦電信號進行分類識別，以取得較好的分類效果。