[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

本發明公開了一種針對情緒喚醒度的動態腦網絡分析方法。采用滑動時間窗口分割數據，通過傳遞熵建立大腦功能網絡。將分段的腦網絡按時間順序連接成動態腦網絡，用于顯示實驗刺激過程中受試者的詳細動態變化。為確保動態連接真實可靠，使用聚類和替代序列測試和分析。最后，使用優化計算的特征?通道規范信息優化數據并評估活動水平，使結果更清晰。為尋找潛在的重要刺激片段提供了指導和基礎。與傳統靜態腦網絡相比，本方法采用更合理科學的方式建立腦功能網絡，能夠更細致的觀察和分析實驗刺激過程中大腦狀態的變化，并且提出的特征可以有效的簡化網絡結構和結果分析。

技術領域

本發明屬于生物信號處理領域，涉及一種在不同喚醒程度的情緒刺激時構建動態腦網絡的腦電信號的分析方法。

技術背景

情感計算(AC)正受到人們越來越多的關注，它能夠幫助計算機識別分析人的情緒，從而建立良好的人機交互關系。情感計算關聯到人類情感的情感分析、情感識別等。其中情感分析是重要的一環，并且大腦在人類的情感產生與表達中起到了主要的作用。腦電信號(Electroencephalogram,EEG)是通過電極記錄到的大腦神經群自發或者節律性活動所產生的信號，它反映了大腦功能區神經細胞群活動時的電位變化。并且EEG信號具有良好的時間分辨率，非侵入性，快速性和成本較低的特點，使得EEG信號成為研究情緒變化的主要方法。

目前對情緒的研究一般采用對情緒進行建模的方法，其中被廣泛認可的是情緒的維度理論。現代情緒維度模型使用最多的是效價和喚醒度兩個維度，即效價-喚醒度模型。效價表示情感是積極和消極狀態，而喚醒度表示情感刺激的激活程度。這兩個維度在情緒加工中均扮演者重要的角色，他們并不完全獨立，且存在一定的聯系和相互作用。效價有著高辨識度、易分類的特點。但隨著研究的進展，逐漸發現喚醒度在情緒加工中同樣起著重要作用。分析和研究情緒加工的機制需要了解受試者大腦的狀態變化。EEG信號可以通過建立功能腦網絡的方法來分析在不同情緒刺激下大腦的狀態。腦功能網絡的建立以每個通道為頂點，采用如相位鎖值(Phase lock value，PLV)、傳遞熵(Transfer entropy,TE)等方法建立兩兩通道間的關系，然后通過閾值選擇等方法來篩選連接。最后通過提取腦網絡屬性如聚類系數，節點度等特征來分析大腦狀態。但是傳統腦網絡建立往往是靜態的，不足以讓我們對實驗刺激過程有足夠清晰的觀察。因此，針對這一問題，本發明提出了針對正向情感在高低喚醒維度的動態腦網絡研究方法。首先通過無重疊的漢寧窗將腦電信號劃分為3S的片段，提取gamma頻段信息。再使用傳遞熵建立每個片段的傳遞熵矩陣，同時生成替代序列檢驗傳遞熵矩陣，排除“0”TE值，保留真實連接，從而形成更真實的腦網絡。為了驗證動態劃分的有效性，使用K均值聚類方法對劃分的每個樣本的腦網絡片段進行聚類。最后，提出使用范數計算的特征通道范數信息來優化網絡結構并進行詳細的分析。

發明內容

為了客觀、有效地對高低喚醒情緒刺激時的EEG信號進行腦網絡狀態分析，本發明利用EEG信號，提出了一種使用傳遞熵建立動態腦網絡的分析方法。首先采集不同喚醒程度的視頻刺激下的參與者的EEG信號，并對采集的信號進行預處理，之后將信號使用無重疊漢寧窗截取為3S的片段，提取gamma頻段信息后，對每個片段使傳遞熵計算得到關系矩陣，利用替代序列對矩陣進行檢驗后，根據保留的真實連接形成的關系矩陣構建動態腦網絡模型。本發明可以有效的分析高低喚醒下的EEG信號的變化和差異，為在喚醒維度下的情緒分析提供了思路。

本發明方法主要包括以下步驟：

步驟一，利用不同類型的視聽覺刺激誘發受試者不同的情緒，采集刺激時段參與者的多通道頭皮腦電信號；

步驟二，對采集到的不同情緒誘發的腦電信號進行如下預處理：

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；