多通道高频脑电波耦合的脑网络参数特征提取方法及装置

1.本发明属于脑-机接口技术领域，尤其涉及多通道高频脑电波耦合的脑网络参数特征提取方法及装置。


背景技术：

2.rsvp-bci是一种利用快速序列视觉呈现(rapid serial visual presentation，rsvp)实验范式实现图像识别的人机混合的脑-机接口(brian computer interface，bci)系统，该系统通过检测脑电信号(electroencephalogram，eeg)中的p300成分来实现目标脑电的识别分类，该系统将人类视觉系统的高分辨率和人脑的抽象思维能力与计算机的超高计算能力结合起来，实现了一个既具有高鲁棒性又能高效运行的信息处理系统。
3.rsvp-bci图像识别系统通常包含三个部分：信号预处理、特征提取、分类器分类。脑电信号特征提取是所有bci系统中非常重要的部分，提取脑电特征的质量直接影响到系统解码脑电信号的精确度。
4.分析多通道脑电信号之间的同步特性是理解大脑不同区域相互连接机制的重要途经，它可以从大尺度上研究大脑功能。通过分析多通道高频脑电信号间在特定任务下的同步耦合状态，挖掘脑功能与耦合状态的对应关系，最终得到从耦合特征到任务类型之间的映射，这就是基于多通道高频脑电信号同步耦合特征解码大脑活动的基本原理。rsvp范式能够诱发与大脑认知功能相关的事件相关电位，这一过程中存在着不同脑区的信息传递和功能整合，一定会诱发不同脑区的脑电信号的同步耦合振荡。
5.本发明通过针对rsvp脑电信号的同步耦合振荡现象，对多通道脑电信号的锁相值和一致性进行分析，提出了一种快速序列视觉呈现下的基于多通道高频脑电信号耦合的脑网络参数特征提取方法，利用耦合特征到任务类型的映射提高了快速序列视觉呈现范式下目标识别的准确率。


技术实现要素：

6.本发明为了解决上述缺陷，提出多通道高频脑电波耦合的脑网络参数特征提取方法及装置。
7.为解决上述技术问题，本发明所采用的技术方案是：
8.多通道高频脑电波耦合的脑网络参数特征提取方法,该方法包括：
9.采集受试对象脑电信号并从中提取子频带；
10.根据子频带，获取子频带同步耦合特征矩阵，其中，通过计算子频带同步耦合特征和通道之间的锁相值和一致性获取子频带同步耦合特征矩阵；
11.通过稀疏化子频带同步耦合特征矩阵作为连接矩阵构建脑网络并从中提取脑网络参数；
12.通过脑网络参数加权求和建立脑网络特征参数集合。
13.本方法的进一步改进在于：所述采集受试对象脑电信号并从中提取子频带包括：
利用不同带宽的滤波器将脑电信号x分解为nf个子频带信号xf，f＝1,2,
…
,nf。
14.本方法的进一步改进在于：所述根据子频带，获取子频带同步耦合特征矩阵，其中，通过计算子频带同步耦合特征和通道之间的锁相值和一致性获取子频带同步耦合特征矩阵包括：其中，锁相值φ(t)通用公式如下：
[0015][0016]
式中，c是一个固定常数，频率参数m、n，与是两个通道信号在t时刻的瞬时相位，x1和x2的相位为同步状态时，
[0017]
一致性公式如下：
[0018][0019]
式中，s
xx
和s
yy
为通道x和y在频率为f时的自功率谱密度，s
xy
(f)为通道x和y互功率谱密度，c
xy
为两个通道间的一致性，取值范围为[0 1]。
[0020]
本方法的进一步改进在于：所述通过稀疏化子频带同步耦合特征矩阵作为连接矩阵构建脑网络并从中提取脑网络参数包括：通过设定合适阈值稀疏化，将子频同步耦合特征矩阵中的耦合值大于阈值的耦合值置为1，视为有效连接，小于阈值的耦合值置为0，视为无效连接。
[0021]
本方法的进一步改进在于：所述通过脑网络参数加权求和建立脑网络特征参数集合包括：根据聚类系数cc、平均功能连接mfc和全局效率ge三个网络属性描述两类刺激任务下耦合特征的信息传递过程、处理效率和rsvp-eeg关系公式如下：
[0022][0023][0024][0025]
式中，c
ij
为网络中任意两节点间的网络连接值，d
ij
为两节点间的最短路径长度，n为网络中的节点数量，θ表示所有节点的集合。
[0026]
多通道高频脑电波耦合的脑网络参数特征提取装置，包括：
[0027]
采集单元，用于采集受试对象脑电信号并从中提取子频带；
[0028]
获取单元，用于根据子频带，获取子频带同步耦合特征矩阵，其中，通过计算子频带同步耦合特征和通道之间的锁相值和一致性获取子频带同步耦合特征矩阵；
[0029]
构建脑网络单元，用于通过稀疏化子频带同步耦合特征矩阵作为连接矩阵构建脑网络；
[0030]
建立单元，用于通过从脑网络中提取的脑网络参数加权求和并建立脑网络特征参数集合。
[0031]
本装置的进一步改进在于：采集单元，还用于利用不同带宽的滤波器将脑电信号x分解为nf个子频带信号xf，f＝1,2,
…
,nf。
[0032]
本装置的进一步改进在于：还包括设定单元，用于通过设定合适阈值稀疏化，将子频同步耦合特征矩阵中的耦合值大于阈值的耦合值置为1，视为有效连接，小于阈值的耦合值置为0，视为无效连接。
[0033]
由于采用了上述技术方案，本发明取得的技术进步是：
[0034]
本发明利用脑电耦合特征到任务类型的映射，提高了脑电信号中与任务相关成分的信噪比，提高了对快速序列视觉呈现下对目标识别的准确率，该方法建立在快速序列视觉呈现任务状态下的脑网络与脑电响应的内在关系，也可以帮助研究大脑认知行为过程中大脑资源整合的方式，有助于进一步了解选择注意背后的神经机制，为快速序列视觉呈现目标任务的检测方法提供新思路。
附图说明
[0035]
图1为本发明的脑电信号特征提取流程图；
[0036]
图2为rsvp试验图像展示流程；
[0037]
图3本发明实施例提供的十名被试的平均auc值；
具体实施方式
[0038]
下面结合附图对本发明做进一步详细说明：
[0039]
本发明首先把gamma脑电信号分成几个频段，然后对各频段信号进行锁相值和一致性同步耦合分析，随后分别使用各个频段信号的锁相值矩阵和一致性矩阵作为连接矩阵，将连接矩阵稀疏化后构建脑网络，提取脑网络的聚类系数、网络效率和平均功能连接作为脑网络特征参数，最后将每个频带的脑网络特征参数lda加权求和后串联起来作为最终的分类特征具体方法如下：
[0040]
本发明提出了多通道高频脑电波耦合的脑网络参数特征提取方法，如图1所示该方法包括以下步骤：
[0041]
采集受试对象脑电信号并从中提取子频带；
[0042]
根据子频带，获取子频带同步耦合特征矩阵，其中，通过计算子频带同步耦合特征和通道之间的锁相值和一致性获取子频带同步耦合特征矩阵；
[0043]
通过稀疏化子频带同步耦合特征矩阵作为连接矩阵构建脑网络并从中提取脑网络参数；
[0044]
通过脑网络参数加权求和建立脑网络特征参数集合。
[0045]
具体地，该方法利用脑电耦合特征到任务类型的映射，提高了脑电信号中与任务相关成分的信噪比，提高了对快速序列视觉呈现下对目标识别的准确率，该方法建立在快速序列视觉呈现任务状态下的脑网络与脑电响应的内在关系，也可以帮助研究大脑认知行为过程中大脑资源整合的方式，有助于进一步了解选择注意背后的神经机制。
[0046]
进一步地，采集受试对象脑电信号并从中提取子频带包括以下步骤：
[0047]
利用不同带宽的滤波器将脑电信号x分解为nf个子频带信号xf，f＝1,2,
…
,nf。本实施例子频带数nf可以设为5。每个试次数据都是从刺激开始后0-1s时间内的脑电通道中提取。频率范围覆盖整个gamma频带，通过带通滤波器划分为30-40hz，40-50hz，50-60hz，60-70hz，70-80hz五个子频带。各子带信号划分采用零相位chebyshev i型iir数字低通滤波器进行滤波处理。
[0048]
进一步地，根据子频带，获取子频带同步耦合特征矩阵，其中，通过计算子频带同步耦合特征和通道之间的锁相值和一致性获取子频带同步耦合特征矩阵包括以下步骤：
[0049]
其中，锁相值φ(t)通用公式如下：
[0050][0051]
式中，c是一个固定常数，频率参数m、n，与是两个通道信号在t时刻的瞬时相位，x1和x2的相位为同步状态时，
[0052]
一致性公式如下：
[0053][0054]
式中，s
xx
和s
yy
为通道x和y在频率为f时的自功率谱密度，s
xy
(f)为通道x和y互功率谱密度，c
xy
为两个通道间的一致性，取值范围为[0 1]。
[0055]
进一步地，通过稀疏化子频带同步耦合特征矩阵作为连接矩阵构建脑网络并从中提取脑网络参数包括以下步骤：
[0056]
通过设定合适阈值稀疏化，将子频同步耦合特征矩阵中的耦合值大于阈值的耦合值置为1，视为有效连接，小于阈值的耦合值置为0，视为无效连接；
[0057]
由于通道节点自身的不存在连接关系，因此将节点自身耦合值设为0，即耦合矩阵对角线元素设为0。其中，阈值的选择采用多次交叉验证的方法得到，即在不同的阈值下计算特征进行多次交叉分类验证，取分类准确率最高时对应的阈值。稀疏化后的子频带耦合矩阵作为连接矩阵，构建脑网络。
[0058]
进一步地，通过脑网络参数加权求和建立脑网络特征参数集合包括以下步骤：
[0059]
根据聚类系数cc、平均功能连接mfc和全局效率ge三个网络属性描述两类刺激任务下耦合特征的信息传递过程、处理效率和rsvp-eeg关系公式如下：
[0060][0061][0062]
[0063]
式中，c
ij
为网络中任意两节点间的网络连接值，d
ij
为两节点间的最短路径长度，n为网络中的节点数量，θ表示所有节点的集合。
[0064]
图2时本发明实例所应用的rsvp实验图像展示流程，基于psychopy搭建实验平台，将收集到的图像以每张持续100ms左右的速度呈现给被试，为了防止注意瞬脱，整个试验过程中保证了两个目标图像之间的时间间隔大于500ms，图2中的观察图像为目标图像和非目标图像的示意图。一次实验有100个试次，首先在屏幕中央呈现一个白色
‘
+’注视点，然后屏幕呈现3，2，1倒计时，随后图片在屏幕中央随机呈现。屏幕上倒计时一结束就开始同步记录脑电数据，直到实验最后一张图片显示结束记录，同时记录每张图片的出现时刻。其中，目标刺激随机出现4-7次，非目标刺激出现93-96次。
[0065]
为验证本发明在快速序列图像呈现(rsvp)实验中脑电信号特征提取及分类研究中的真实分类性能，在机器学习理论中，通常使用受试者曲线(receiver operating characteristic curve，roc)下的面积(area under the curve，auc)的大小来评价不均衡样本的分类结果，auc的取值范围在0.5和1之间。auc越接近1.0，检测方法效果越高；等于0.5时，则效果最差。图3是本发明实例提供的十名被试的平均auc值，平均auc值均达到0.9以上，表明本发明所述方法可以用来进行快速序列图像呈现(rsvp)脑电信号的特征提取，能有效识别目标图像和非目标图像。
[0066]
基于上述多通道高频脑电波耦合的脑网络参数特征提取方法的装置，包括：采集单元、获取单元、构建脑网络单元以及建立单元。
[0067]
其中，采集单元用于采集受试对象脑电信号并从中提取子频带；获取单元用于根据子频带获取子频带同步耦合特征矩阵，其中，通过计算子频带同步耦合特征和通道之间的锁相值和一致性获取子频带同步耦合特征矩阵；构建脑网络单元用于通过稀疏化子频带同步耦合特征矩阵作为连接矩阵构建脑网络；建立单元用于通过从脑网络中提取的脑网络参数加权求和并建立脑网络特征参数集合。
[0068]
进一步地，采集单元还用于利用不同带宽的滤波器将脑电信号x分解为nf个子频带信号xf，f＝1,2,
…
,nf。
[0069]
进一步，本装置还包括设定单元，用于通过设定合适阈值稀疏化，将子频同步耦合特征矩阵中的耦合值大于阈值的耦合值置为1，视为有效连接，小于阈值的耦合值置为0，视为无效连接。
[0070]
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。