[發明專利]基于三維非線性偏直接相干函數的腦電信號間效應連通性檢測方法

有效

• 申請號: 201810554759.2
• 申請日: 2018-06-01
• 公開（公告）號: CN109124623B
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 楊淳沨;楊文琪;劉彥超;伍家松;孔佑勇;姜龍玉;楊冠羽;舒華忠
• 申請（專利權）人: 東南大學
• 主分類號: A61B5/369
• 分類號: A61B5/369
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 常虹

本發明公開了一種基于三維非線性偏直接相干函數的腦電信號間效應連通性檢測方法，包括如下步驟：(1)構造單輸入多輸出的非線性自回歸模型；(2)應用FROLS算法對步驟(1)構造的模型進行系數估計；(3)對三維PDS進行形式變換，得到用頻率響應函數描述的信號y_i對y_j的PDC的定義式；(4)應用Volterra級數核函數的多維傅里葉變換對SIMO NARX模型進行頻域分析，計算出模型的非線性頻率響應函數；(5)將步驟(4)計算出的非線性頻率響應函數代入步驟(3)中的PDC定義式，得到三維NPDC，得出在同時考慮三維信號的情況下某一信號對另一信號的因果影響。該方法可以檢測三維腦電信號之間的因果關系。

技術領域

本發明本發明屬于生物醫學領域，具體涉及一種檢測腦電信號間效應連通性的方法。

背景技術

大腦不同區域信號之間的效應連通性對于確定病灶區域具有重要作用。目前對腦電信號間效應連通性的檢測包括時域分析和頻域分析。PDC(Partial DirectedCoherence，偏直接相干函數)是一種常用的從頻域上分析信號之間因果關系的方法，該方法可以辨別出兩個信號之間直接或者間接的因果關系。但該方法是基于線性模型的，而真實的EEG(Electro Encephalo Graphy,腦電圖)是具有非線性特性的，PDC算法無法完全檢測到信號中非線性因果關系。NPDC(Nonlinear PDC，非線性PDC)是基于PDC所改進的適用于NARX(Nonlinear AutoRegressive eXogenous，非線性自回歸模型)的方法，它可以檢測到信號之間非線性的相互影響。目前常用的為二維NPDC，二維NPDC算法是一種基于二維PDC算法改進的適用于二維NARX模型的大腦效應連通性算法，該算法能夠檢測信號之間的線性與非線性因果關系。但是二維NPDC算法僅能處理二維信號，處理多維信號時無法區分信號之間的直接和間接因果關系。

發明內容

發明目的：針對現有技術中的不足，本發明提供了一種基于三維NPDC的腦電信號效應連通性檢測方法，可以檢測三維信號之間的因果關系。

技術方案：本發明采用如下技術方案：

基于三維非線性偏直接相干函數的腦電信號間效應連通性檢測方法，包括如下步驟：

(1)構造單輸入多輸出的非線性自回歸模型，所述模型為：

其中為腦電信號在時刻k的采樣值，N為模型的非線性階數，Nout為輸出信號的個數，q、p分別是輸入信號u(k-k_i)和輸出信號的非線性程度，且p+q≤N；k_i為信號的延遲值，K為模型的延遲階數，k_i≤K，是u(k-k_i)和的線性或非線性組合的模型項，為模型項的系數，為腦電信號的采樣值和模型預測值之間的誤差項；

(2)應用FROLS算法對步驟(1)構造的模型進行系數估計；

(3)對三維PDS進行形式變換，得到用頻率響應函數描述的信號y_i對y_j的PDC的定義式；

(4)應用Volterra級數核函數的多維傅里葉變換對SIMO NARX模型進行頻域分析，計算出模型的非線性頻率響應函數；

(5)將步驟(4)計算出的非線性頻率響應函數代入步驟(3)中的PDC定義式，得到三維NPDC，得出在同時考慮三維信號的情況下某一信號對另一信號的因果影響。

所述步驟(2)具體包括：

(2-1)將非線性自回歸模型改寫為線性參數形式：