[發明專利]一種針對情緒喚醒度的動態腦網絡分析方法

有效

• 申請號: 202011312879.5
• 申請日: 2020-11-20
• 公開（公告）號: CN112450947B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 高云園;曹震;黃金誠;翟家豪;佘青山;孟明
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: A61B5/369
• 分類號: A61B5/369;A61B5/374;A61B5/16;A61B5/00;A61B5/378;A61B5/38
• 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: 楊舟濤

1.一種針對情緒喚醒度的動態腦網絡分析方法，其特征在于，該方法具體包括以下步驟：

步驟一，利用不同類型的視聽覺刺激對受試者進行刺激，刺激期間，采集受試者的多通道頭皮腦電信號；

步驟二，對步驟一采集到的多通道頭皮腦電信號進行預處理；

步驟三，針對預處理后的每個腦電信號片段，使用傳遞熵建立功能腦網絡；傳遞熵衡量源信號到目標信號的信息傳遞大小；假設有源過程X和目標過程Y，其對應的時間序列分別為X＝{x₁,x₂,……x_n}和Y＝{y₁,y₂,……,y_n},其中n為時間序列的長度，從源過程X到目標過程Y的傳遞熵量化為：

其中u為預測時間，p(·)表示概率分布，TE_x→Y為源過程X到目標過程Y的傳遞熵值；

步驟四，計算兩兩通道的傳遞熵值后，生成替代序列檢驗傳遞熵值有效性；針對每對通道，在源過程X中隨機分配一個切入點并交換生成的兩個數據段，生成替代序列；這種方法打破原有的時間序列結構；對每個源過程生成M個替代序列，然后分別計算每個替代序列與目標過程序列的TE值，得到替代序列的TE分布；

步驟五，使用替代序列的TE分布與原傳遞熵值作為兩個觀察樣本進行置換檢驗；建立H0假設：兩個觀察樣本來自同一個總體；然后計算數據的測試統計量，即兩組數據的均值之差的絕對值；再將兩個觀察樣本匯聚重新分為兩組，計算重新分組后的測試統計量；這樣重復N次后，得到N個重新分組的測試統計值；最后通過將分組前后的測試統計量進行比較，得到P-value，將其和0.05比較，做出統計推斷；如果P-value0.05，表示接受H0假設，即兩個觀察樣本來自同一個總體，傳遞熵值無效；如果P-value0.05，拒絕H0假設，則兩個觀察樣本來自不同總體，傳遞熵值有效；

步驟六，提取每個功能腦網絡的小世界屬性特征，這些特征包括全局屬性和局部屬性：全局效率，全局聚類系數，局部效率和節點度；用這些特征組成特征樣本來尋找空間相似的腦網絡，以驗證所劃分的網絡片段的動態性；使用K均值聚類方法對每個腦電信號片段無監督聚類，根據類別前后的變化，驗證劃分的有效性；若聚類后前后子樣本的類別均不同，則證明動態劃分有效，進行后續的分析，否則返回步驟二，修改時間窗大小；重復實驗；當隨著K值的逐漸增加，各個特征樣本到簇質心的距離均值會不斷減小，選取距離均值隨K值變化曲線的拐點處的K值作為最佳聚類簇數；

步驟七，通道范數信息特征的提取，優化網絡結構，提取特征分析腦網絡；

在每個腦電信號片段的傳遞熵矩陣中，每個元素TE_ij表示i通道到j通道的信息傳遞值，其對應的行向量為第i個通道到所有通道上的信息傳遞情況，計算該行向量表示的范數，得到該通道的輸出通道范數信息同樣，其列向量表示其他所有通道到這第個i通道上的信息傳遞，計算該列向量表示的范數，得到該通道的輸入通道范數信息通過該方法將這些信息傳遞情況映射到標量。

2.根據權利要求1所述的一種針對情緒喚醒度的動態腦網絡分析方法，其特征在于：

對步驟一采集到的多通道頭皮腦電信號進行預處理；

1)將采集的腦電信號從512Hz降采樣到128Hz，使用Matlab的EEGLAB去除基線漂移、眼電偽跡；再通過4-45HZ帶通濾波器進行濾波去除噪聲；

2)選擇效價為積極情感，而喚醒值分別是高和低的受試者樣本，使用Hanning窗生成3秒大小的無重疊滑動窗口，對每個受試者樣本持續60秒的腦電信號數據進行截取，將每個樣本劃分為20個子樣本，每個子樣本都是一個3秒長的腦電信號片段；

3)利用小波包變換提取每個子樣本γ頻段的信號；使用‘db5’小波基進行6層分解，再找出該頻段對應的小波包樹節點，將該頻段的小波包系數進行重構后，得到該頻段的腦電信號數據。