[發明專利]基于同步篩選的腦區間耦合分析方法

有效

• 申請號: 201711063666.1
• 申請日: 2017-11-02
• 公開（公告）號: CN107887031B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 高云園;蘇慧需;任磊磊;孟明;佘青山;張啟忠;馬玉良
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G16H50/50
• 分類號: G16H50/50;G16H50/70;A61B5/0476;A61B5/0488
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.基于同步篩選的腦區間耦合分析方法，其特征在于，該方法包括如下步驟：

(1).同步采集了在不同握力輸出時，32通道腦電信號EEG和12通道肌電信號EMG；

(2).選取步驟(1)中獲取的C3、C4、CP5、CP6通道腦電信號和肱橈肌肌電信號，對其進行小波閾值消噪處理，濾除心電、體位的影響并對EEG與EMG進行了時延分析；

(3).使用同步篩選算法，以EMG肱橈肌信號為基準數據，對EEG運動區C3、C4通道與感覺區CP5、CP6通道的信號進行同步篩選，得到EEG與EMG相關的數據SSEM；

同步篩選算法，具體算法如下：

對于任意兩列時間序列：X₁＝{x₁,x₂,x₃,…}；Y₁＝{y₁,y₂,y₃,…}；X₁、Y₁每一元素都有一個固定的標簽，各元素在X₁或Y₁中的索引值為其對應的標簽值；X₁,Y₁對應的標簽序列為WX₁、WY₁,WX₁＝{1,2,3,…}；WY₁＝{1,2,3,…}；

X₂＝V(X₁) (1)

V(X)表示將X進行非遞減的排序；在改變X₁中元素的位置得到非遞減的X₂時，為了實現標簽和元素的一一對應，標簽序列中標簽會發生與X₁中元素相同的位置改變，從而得到X₂對應的索引序列WX₂；

Y₂＝T(WX₂,Y₁) (2)

T(WX₂,Y₁)表示將WX₂中存放的標簽序列當作Y₁新的索引序列，對Y₁進行重新排列；因為Y₁為非遞減序列，若X₁、Y₁完全同步,Y₂必為非遞減序列；當X₁、Y₁不完全同步時,Y₁中的非同步成分會導致無法將T(WX₂,Y₁)映射成非遞減序列；根據這一特點，通過Y₂去掉Y₁中的非同步成分；

其中Y₃(i)表示Y₃中第i個索引元素值，Y₂(i)表示Y₂中第i個索引元素值；若Y₂中某索引大的元素值等于索引小的元素值，則將該值賦值為0，從而得到新的序列Y₃；Y₃即：對于Y₂中的y_n、y_m,此處n、m為索引，若y_n＝y_m，nm，則將y_m置0；然后將Y₃按照WY₁中的標簽進行還原排序：

Y₄＝T(WY₁,Y₃) (4)

T(WY₁,Y₃)表示將WY₁中存放的標簽序列當作Y₃新的索引，對Y₃進行重新排列；Y₄與原始時間序列Y₁具有相同的排序，但與X₁非同步的成分都已置0；將X₁中為0的元素全部去除，得到Y₅；Y₅即為Y₁基于X₁同步篩選后的結果；

(4).結合SSEM，計算在不同握力下大腦運動區C3、C4與感覺區CP5、CP6之間基于同步篩選的符號傳遞熵，分析腦區間的耦合性；

所述基于同步篩選的符號傳遞熵，具體算法如下：

同步篩選即為步驟(3)中提到的同步篩選算法；符號傳遞熵算法如下：

首先對時間序列進行符號化處理，根據時間序列的數值特點進行符號劃分的靜態法,公式如下：

式(5)中，S_i為劃分好的符號集，x_i為時間序列X_t＝{x₁,x₂,x₃,…}中的數據點；B₁,B₂...B_N-1是一系列截斷點；設符號劃分數量為pieces，pieces＝N；pieces的大小可以任意的放大或縮小；將原始數據符號化后，計算的傳遞熵稱為符號傳遞熵；

傳遞熵定義如式(6)：設X_t,Y_t為兩個長度為n的時間序列，各自從t-1到t-p的歷史記為I(X；Y^-|X^-)表示X與Y^-在X^-條件下的互信息；則Y_t對X_t的傳遞熵T_X→Y定義為X與Y^-在X^-下的互信息；

在相同的符號集下，計算T_X→Y越大，表明數據X傳遞到數據Y的信息量越多，X對Y的影響越大。