基于状态转换特征的脑信号检测方法与流程

1.本发明属于信号检测技术领域，涉及脑信号检测，尤其是一种基于状态转换特征的脑信号检测方法。


背景技术：

2.随着脑成像技术的飞速发展，脑信号分析和检测受到了越来越多人的关注和重视。现在应用最广的脑成像技术包括脑电测量、功能核磁、正电子放射断层造影术。然而，功能核磁和正电子放射断层造影术很难记录人进行运动任务时的大脑变化，脑电测量则准备过程繁杂。
3.近些年，功能近红外被越来越多地应用到大脑的分析和研究当中。功能近红外具有较强的抗运动干扰能力，且准备过程简单，能够有效记录进行运动任务时大脑的变化，因此被逐渐应用到各个领域的研究当中。
4.在功能近红外的研究当中，很多研究人员提取大脑的均值、方差、峰度及偏度等特征进行分析，并没有考虑大脑状态之间的转换。大脑是一个复杂的动态系统，伴随着连续和平滑的状态转换，大脑的状态转换能够描绘大脑的信息处理的过程，揭示脑部的运行机制和效率。状态转换特征能够描述人进行某个任务时大脑的动态性和脑状态之间的转换功能，可广泛用于机动车驾驶员疲劳检测以及人机交互等任务，因此，如何实现基于状态转换特征的脑信号检测功能是目前迫切需要解决的问题。


技术实现要素：

5.本发明的目的在于克服现有技术的不足，提供一种设计合理、快速准确且准确可靠的基于状态转换特征的脑信号检测方法。
6.本发明解决现有的技术问题是采取以下技术方案实现的：
7.一种基于状态转换特征的脑信号检测方法，包括以下步骤：
8.步骤1、建立基于功能近红外的测量范式；
9.步骤2、测量人员佩戴功能近红外探头并按照步骤1建立的测量范式进行测量，收集测量人员在进行步态任务时的脑信号；
10.步骤3、对测量的脑信号进行预处理，得到含氧血红蛋白δhbo和去氧血红蛋白δhbr随时间的浓度变化；
11.步骤4、根据含氧血红蛋白δhbo和去氧血红蛋白δhbr随时间的浓度变化判断脑状态；
12.步骤5、根据脑状态建立脑状态转换因子；
13.步骤6、根据脑状态转换因子以及含氧血红蛋白δhbo和去氧血红蛋白δhbr随时间的浓度变化计算脑状态转换特征。
14.进一步，所述步骤1建立的测量范式包括：
15.⑴
测量人员站立30秒；
16.⑵
测量人员进行35秒的双任务步行，双任务步行是指一边走路，一边减数；
17.⑶
测量人员停止并站在原地10秒；
18.⑷
测量人员休息2分钟。
19.进一步，所述步骤2按照测量范式，进行三次步态任务并收集三次步态任务时脑信号的变化。
20.进一步，所述步骤3的具体实现方法包括以下步骤：
21.⑴
利用修正的朗伯比尔定律将收集到的光强转换成含氧血红蛋白δhbo和去氧血红蛋白δhbr随时间的浓度变化；
22.⑵
利用0.01-0.2hz的带通滤波器去除生理噪声；
23.⑶
根据设置的方差和幅度创建滑动窗，利用滑动窗去除信号的伪迹；
24.⑷
提取进行双任务步行时3-33秒的数据；
25.⑸
利用步行前5秒的数据作为基线校正步行数据。
26.进一步，所述脑状态包括三个状态：扩张态、收缩态和中间态，中间态又包括第一中间态和第二中间态，具体判断方法为：
27.⑴
如果含氧血红蛋白δhbo＞0且去氧血红蛋白δhbr＜0，则脑状态为扩张态；
28.⑵
如果含氧血红蛋白δhbo＜0且去氧血红蛋白δhbr＞0，则脑状态为收缩态；
29.⑶
如果含氧血红蛋白δhbo＜0且去氧血红蛋白δhbr＜0，则脑状态为第一中间态；如果含氧血红蛋白δhbo＞0且去氧血红蛋白δhbr＞0，则脑状态为第二中间态。
30.进一步，所述步骤5根据脑状态建立的脑状态转换因子fa为：
[0031][0032]
其中表示在ti时刻的脑状态。
[0033]
进一步，所述步骤6计算出的脑状态转换特征包括转换加速度和转换角度，其具体计算方法如下：
[0034]
⑴
按下式计算转换加速度tacc:
[0035][0036]
其中，n是信号的长度，d
i,j
表示从ti到tj的转换距离，d
i,j
定义如下：
[0037][0038]
δhboi和δhbri表示在ti时刻的δhbo和δhbr；
[0039]
⑵
按下式计算转换角度tang：
[0040][0041]
其中，li表示从原点到(δhbri,δhboi,ti)的长度，li定义如下：
[0042][0043]
本发明的优点和积极效果是：
[0044]
本发明设计合理，其采用功能近红外方式测量步态任务时的脑信号并进行预处理及分析，根据状态转换因子及含氧血红蛋白和去氧血红蛋白随时间的浓度变化，准确计算出脑状态转换特征，从而能够完整有效地描绘大脑的信息处理的整个过程，揭示脑部的运行机制和效率，可广泛用于机动车驾驶员疲劳检测、大脑状态预警以及人机交互等领域。
附图说明
[0045]
图1是本发明的处理流程图。
具体实施方式
[0046]
以下结合附图对本发明实施例做进一步详述。
[0047]
一种基于状态转换特征的脑信号检测方法，如图1所示，包括以下步骤：
[0048]
步骤1、建立基于功能近红外的测量范式，该测量范式的具体流程如下：
[0049]
⑴
测量人员站立30秒。
[0050]
⑵
测量人员进行35秒的双任务步行(一边走路一边减数)。
[0051]
⑶
测量人员停止并站在原地10秒。
[0052]
⑷
测量人员休息2分钟。
[0053]
步骤2、测量人员佩戴功能近红外探头并保证功能近红外的探头贴近于需要测量的脑区，按照步骤1测量范式，收集测量人员在进行步态任务时的脑信号。
[0054]
在本步骤中，根据测量范式，进行三次步态任务并记录三次步态任务时脑信号的变化。
[0055]
步骤3、对测量的脑信号进行预处理，包括光强转换、去噪、伪迹去除、信号截取和基线校正，具体处理方法如下：
[0056]
⑴
利用修正的朗伯比尔定律将收集到的光强转换成含氧血红蛋白和去氧血红蛋白的浓度变化。
[0057]
⑵
利用0.01-0.2hz的带通滤波器去除生理噪声，例如心跳、呼吸和mayer波。
[0058]
⑶
根据设置的方差和幅度创建滑动窗，利用滑动窗去除信号的伪迹。
[0059]
⑷
提取进行双任务步行时3-33秒的数据。
[0060]
⑸
利用步行前5秒的数据作为基线校正步行数据。
[0061]
步骤4、根据含氧血红蛋白(δhbo)和去氧血红蛋白(δhbr)随时间的浓度变化判断脑状态，脑状态包括三个状态：扩张态、收缩态和中间态，中间态又包括中间态1和中间态2。
[0062]
⑴
如果含氧血红蛋白δhbo＞0且去氧血红蛋白δhbr＜0，则脑状态为扩张态。
[0063]
⑵
如果含氧血红蛋白δhbo＜0且去氧血红蛋白δhbr＞0，则脑状态为收缩态。
[0064]
⑶
如果含氧血红蛋白δhbo＜0且去氧血红蛋白δhbr＜0，则脑状态为中间态1；如果含氧血红蛋白δhbo＞0且去氧血红蛋白δhbr＞0，则脑状态为中间态2。
[0065]
步骤5、根据脑状态建立脑状态转换因子fa：
[0066]
[0067]
其中表示在ti时刻的脑状态。
[0068]
步骤6、根据脑状态转换因子以及含氧血红蛋白和去氧血红蛋白随时间的浓度变化计算脑状态转换特征，该脑状态转换特征包括描述脑状态转换表现的转换加速度和转换角度，具体计算方法如下：
[0069]
⑴
按照如下公式计算转换加速度tacc:
[0070][0071]
其中，n是信号的长度，d
i,j
表示从ti到tj的转换距离，d
i,j
定义如下：
[0072][0073]
δhboi和δhbri表示在ti时刻的δhbo和δhbr。
[0074]
⑵
按照如下公式计算转换角度tang：
[0075][0076]
其中，li表示从原点到(δhbri,δhboi,ti)的长度，li定义如下：
[0077][0078]
通过以上步骤即可实现基于状态转换特征的脑信号检测功能，进而得到准确的脑状态转换特征(转换加速度和转换角度)，上述脑状态转换特征能够有效描述脑的动态性和脑状态之间的切换，当状态转换特征较大时，人脑能够快速地切换到适合的脑状态，进而高效地完成特定的任务，具有广泛的应用领域，如：
[0079]
机动车驾驶员疲劳检测应用：当人脑处于疲劳时，状态转换特征的值会降低，进而向驾驶员发出警告信息，防止因为疲劳发生的交通事故。
[0080]
大脑的动态性检测与应用：通过脑状态转换特征可以得到大脑的动态性，大脑的动态性可以反应出大脑是否处于正常状态，当大脑状态转换特征与正常值存在较大差异时，可发出预警提示。
[0081]
人机交互应用：状态转换特征能够检测大脑的状态，可用于人机交互功能,包括脑机接口、意图识别等，提高了交互的效率。
[0082]
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。