一種基于格蘭杰因果性的腦電源定位方法
【專利摘要】一種基于格蘭杰因果性的腦電源定位方法,包括:利用腦電采集設(shè)備記錄多個導(dǎo)聯(lián)的頭皮腦電信號,并進行初步的預(yù)處理;將每個導(dǎo)聯(lián)分別作為觀測導(dǎo)聯(lián),分別分析每個導(dǎo)聯(lián)與其他導(dǎo)聯(lián)間的格蘭杰因果性,并根據(jù)因果性指標進行導(dǎo)聯(lián)間源定位;統(tǒng)計能夠成為源的導(dǎo)聯(lián)數(shù)目,計算每個能夠成為源的導(dǎo)聯(lián)作為全腦源區(qū)的可能性指標,實現(xiàn)全腦源定位。本發(fā)明在一定程度上解決了腦電源定位穩(wěn)定性差、唯一性差的問題,可得到每個導(dǎo)聯(lián)作為全腦源區(qū)的可能性,實現(xiàn)全腦源定位。能夠在一定程度上改善腦電逆問題解的不穩(wěn)定性和非唯一性。本發(fā)明的腦源定位方法可用于腦神經(jīng)系統(tǒng)疾病病灶部位的確定、神經(jīng)外科手術(shù)定位以及認知任務(wù)中的腦源定位和跟蹤,在科學研究和實際臨床中均有重要的意義。
【專利說明】一種基于格蘭杰因果性的腦電源定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種腦電源定位方法。特別是涉及一種通過計算全腦每個導(dǎo)聯(lián)與其他 所有導(dǎo)聯(lián)的因果性指標進行導(dǎo)聯(lián)間源定位,統(tǒng)計能夠作為其他導(dǎo)聯(lián)的源的導(dǎo)聯(lián)數(shù)目,并獲 得每個導(dǎo)聯(lián)作為腦源區(qū)的可能性指標,實現(xiàn)全腦源定位的基于格蘭杰因果性的腦電源定位 方法。
【背景技術(shù)】
[0002] 近年來,多種腦神經(jīng)系統(tǒng)疾病(例如抑郁癥、腦中風以及癲癇等)都呈現(xiàn)出發(fā)病率 高、治愈困難以及死亡率高的特點,其中很重要的一個因素是病灶部位的不確定,不能從源 頭上根治疾病。腦源定位技術(shù)是通過測量特定的頭表生理信息(如腦電、腦磁、腦血氧等) 對腦內(nèi)神經(jīng)源的活動進行定位和跟蹤的一種專業(yè)技術(shù),對于病灶部位的確定、腦神經(jīng)外科 手術(shù)中特定區(qū)域的定位以及認知加工過程的探究具有重要意義。頭皮腦電具有高時間分辨 率的特點,可進行較長時間的無創(chuàng)傷采集,患者舒適度較高,且設(shè)備操作相對簡單?;陬^ 皮腦電的源定位技術(shù)能直接反應(yīng)腦內(nèi)神經(jīng)活動源的位置強度和方向信息,并且可以在毫秒 量級下的時間尺度上對神經(jīng)活動源進行較長時間的跟蹤,但由于腦電信號本身具有一定的 復(fù)雜性和非平穩(wěn)性,該技術(shù)在具體實現(xiàn)過程中還存在諸多難點。
[0003] 目前已有的腦電源定位技術(shù)主要包括基于獨立成分分析的盲源定位技術(shù)和基于 腦內(nèi)活動神經(jīng)源稀疏性的迭代優(yōu)化算法,兩種算法在腦電源定位領(lǐng)域都顯示出獨特的優(yōu) 勢,但其計算過程較復(fù)雜,計算量較大,所得的解往往具有不穩(wěn)定性和非唯一性。
[0004] 格蘭杰因果性是探索腦電信息流向的常用方法,通過判斷某導(dǎo)聯(lián)是否能顯著改善 觀測導(dǎo)聯(lián)的線性回歸預(yù)測誤差,決定兩導(dǎo)聯(lián)間是否具有因果關(guān)系,進而確定導(dǎo)聯(lián)間的信息 流向。以往的格蘭杰因果性分析尚未應(yīng)用于腦電源定位,且源定位技術(shù)中尚未提出基于導(dǎo) 聯(lián)間信息流向的定位思路。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明所要解決的技術(shù)問題是,提供一種能夠在一定程度上改善腦電逆問題解的 不穩(wěn)定性和不唯一性,使腦內(nèi)神經(jīng)活動源能夠被更加準確和快速地定位和追蹤的基于格蘭 杰因果性的腦電源定位方法。
[0006] 本發(fā)明所采用的技術(shù)方案是:一種基于格蘭杰因果性的腦電源定位方法,包括如 下階段:
[0007] 1)利用腦電采集設(shè)備記錄多個導(dǎo)聯(lián)的頭皮腦電信號,并進行初步的預(yù)處理;
[0008] 2)將每個導(dǎo)聯(lián)分別作為觀測導(dǎo)聯(lián),分別分析每個導(dǎo)聯(lián)與其他導(dǎo)聯(lián)間的格蘭杰因果 性,并根據(jù)因果性指標進行導(dǎo)聯(lián)間源定位;
[0009] 3)統(tǒng)計能夠成為源的導(dǎo)聯(lián)數(shù)目,計算每個能夠成為源的導(dǎo)聯(lián)作為全腦源區(qū)的可能 性指標,實現(xiàn)全腦源定位。
[0010] 階段1)所述的初步的預(yù)處理,是為得到信噪比較高的腦電信號,對原始腦電信號 進行變平均參考、帶通濾波、50Hz陷波以及獨立成分分析去眼電預(yù)處理操作,預(yù)處理之后的 腦電信號表不為
[0011] X= (X1,X2,……,XJ
[0012] 其中,N= 32,是頭皮腦電導(dǎo)聯(lián)數(shù),每個導(dǎo)聯(lián)的數(shù)據(jù)長度為n,則第j個導(dǎo)聯(lián)的第k 個數(shù)據(jù)點表示為Xjk,j= 1,2,......,N,k= 1,2,......,n。
[0013] 階段2)中所述的分析每個導(dǎo)聯(lián)與其他導(dǎo)聯(lián)間的格蘭杰因果性,包括如下步驟:
[0014] (1)建立自回歸模型,設(shè)Xj為觀測導(dǎo)聯(lián),將觀測導(dǎo)聯(lián)Xj的第k個數(shù)據(jù)點的自回歸 模型表示為
[0015]
【權(quán)利要求】
1. 一種基于格蘭杰因果性的腦電源定位方法,其特征在于,包括如下階段: 1) 利用腦電采集設(shè)備記錄多個導(dǎo)聯(lián)的頭皮腦電信號,并進行初步的預(yù)處理; 2) 將每個導(dǎo)聯(lián)分別作為觀測導(dǎo)聯(lián),分別分析每個導(dǎo)聯(lián)與其他導(dǎo)聯(lián)間的格蘭杰因果性, 并根據(jù)因果性指標進行導(dǎo)聯(lián)間源定位; 3) 統(tǒng)計能夠成為源的導(dǎo)聯(lián)數(shù)目,計算每個能夠成為源的導(dǎo)聯(lián)作為全腦源區(qū)的可能性指 標,實現(xiàn)全腦源定位。
2. 根據(jù)權(quán)利要求1所述的一種基于格蘭杰因果性的腦電源定位方法,其特征在于,階 段1)所述的初步的預(yù)處理,是為得到信噪比較高的腦電信號,對原始腦電信號進行變平均 參考、帶通濾波、50Hz陷波以及獨立成分分析去眼電預(yù)處理操作,預(yù)處理之后的腦電信號表 示為 X = IX1, X2,......,XJ 其中,N= 32,是頭皮腦電導(dǎo)聯(lián)數(shù),每個導(dǎo)聯(lián)的數(shù)據(jù)長度為n,則第j個導(dǎo)聯(lián)的第k個數(shù) 據(jù)點表示為Xjk,j= 1,2,......,N,k= 1,2,......,η。
3. 根據(jù)權(quán)利要求1所述的一種基于格蘭杰因果性的腦電源定位方法,其特征在于,階 段2)中所述的分析每個導(dǎo)聯(lián)與其他導(dǎo)聯(lián)間的格蘭杰因果性,包括如下步驟: (1) 建立自回歸模型,設(shè)\為觀測導(dǎo)聯(lián),將觀測導(dǎo)聯(lián)&的第k個數(shù)據(jù)點的自回歸模型 表示為 / fk ~ ^*1Jk m=l 其中1為自回歸模型窗寬,m= 1,2,......,I;aljm為自回歸系數(shù),εljk為Xjk的自回歸 預(yù)測誤差; (2) 建立聯(lián)合回歸模型,設(shè)相對觀測導(dǎo)聯(lián)&以外的導(dǎo)聯(lián)Xi為聯(lián)合導(dǎo)聯(lián),觀測導(dǎo)聯(lián)Xj與 聯(lián)合導(dǎo)聯(lián)Xi之間的聯(lián)合回歸模型表示為: II fk ~Σa2Jrnj^- j(k-m)Σjk m=l m=l 其中,a2,和b2in為聯(lián)合回歸系數(shù),ε2Λ為聯(lián)合回歸預(yù)測誤差; (3) 分別計算觀測導(dǎo)聯(lián)&自回歸誤差的方差Vu和聯(lián)合回歸誤差的方差^」, η vU=Z^iy*_Mii)2/w k=\ η 'V/ =ΣΚμ,μ")2"? k=\ 其中Mu是自回歸誤差的均值,砵;,My是聯(lián)合回歸誤差的均值, =:£氣"《,如果方差Vu〈方差Vu,則說明聯(lián)合導(dǎo)聯(lián)Xi含有對觀測導(dǎo)聯(lián)&的預(yù)測信息, k=\ 能夠改善對觀測導(dǎo)聯(lián)&的預(yù)測精度,否則不能夠改善對觀測導(dǎo)聯(lián)&的預(yù)測精度; (4) 檢驗聯(lián)合導(dǎo)聯(lián)Xi是否能夠顯著改善對觀測導(dǎo)聯(lián)&的預(yù)測精度,檢驗公式如下 RJn.)" '廠2,. / (η- /) 其中,~=Ixw為自回歸模型的誤差平方和,%=?>2#)2為聯(lián)合回歸模型的誤差 k=\ k-=l 平方和,若Ru服從自由度為(l,n-l)的F分布,則聯(lián)合導(dǎo)聯(lián)Xi能夠顯著改善對觀測導(dǎo)聯(lián)Xj 的預(yù)測精度,即聯(lián)合導(dǎo)聯(lián)Xi與觀測導(dǎo)聯(lián)Xj在格蘭杰意義上具有因果性,且聯(lián)合導(dǎo)聯(lián)Xi是觀 測導(dǎo)聯(lián)Xj在格蘭杰意義上的因; (5)因果性指標的計算,因果性指標由觀測導(dǎo)聯(lián)&的線性自回歸誤差和聯(lián)合導(dǎo)聯(lián)Xi與 觀測導(dǎo)聯(lián)&的聯(lián)合回歸誤差共同決定,表示為 Vu ./:,=丨丨1上 同理,能夠判斷出觀測導(dǎo)聯(lián)Xj對聯(lián)合導(dǎo)聯(lián)Xi是否具有格蘭杰意義上的因果性,若觀測 導(dǎo)聯(lián)&能夠顯著改善對聯(lián)合導(dǎo)聯(lián)Xi的預(yù)測精度,則觀測導(dǎo)聯(lián)&對聯(lián)合導(dǎo)聯(lián)Xi也具有格蘭 杰意義上的因果性,可計算其格蘭杰因果性指標fji,此時聯(lián)合導(dǎo)聯(lián)Xi與觀測導(dǎo)聯(lián)Xj互為因 果,fijX)且&>0,反之,觀測導(dǎo)聯(lián)Xj對聯(lián)合導(dǎo)聯(lián)Xi則不具有格蘭杰意義上的因果性。
4. 根據(jù)權(quán)利要求1所述的一種基于格蘭杰因果性的腦電源定位方法,其特征在于,階 段2)所述的根據(jù)因果性指標進行導(dǎo)聯(lián)間源定位,是定義聯(lián)合導(dǎo)聯(lián)Xi作為觀測導(dǎo)聯(lián)&的源 的可能性指標為Sy若僅僅存在聯(lián)合導(dǎo)聯(lián)Xi對觀測導(dǎo)聯(lián)&的因果性,不存在觀測導(dǎo)聯(lián)Xj對 聯(lián)合導(dǎo)聯(lián)Xi的因果性,則Su = ;若既存在聯(lián)合導(dǎo)聯(lián)Xi對觀測導(dǎo)聯(lián)&的因果性,也存在 觀測導(dǎo)聯(lián)&對聯(lián)合導(dǎo)聯(lián)Xi的因果性,則\ 4;若不存在聯(lián)合導(dǎo)聯(lián)Xi對觀測導(dǎo)聯(lián)&的因果 性,則Sij = 0。
5. 根據(jù)權(quán)利要求1所述的一種基于格蘭杰因果性的腦電源定位方法,其特征在于,階 段3)中所述的統(tǒng)計能夠成為源的導(dǎo)聯(lián)數(shù)目,具體是統(tǒng)計能夠與觀測導(dǎo)聯(lián)構(gòu)成因果關(guān)系,且 是觀測導(dǎo)聯(lián)的因的導(dǎo)聯(lián)數(shù)目,設(shè)定為Ν',且對于兩次以上成為觀測導(dǎo)聯(lián)的因的導(dǎo)聯(lián)只累加 1次。
6. 根據(jù)權(quán)利要求1所述的一種基于格蘭杰因果性的腦電源定位方法,其特征在 于,階段3)中所述的計算每個能夠成為源的導(dǎo)聯(lián)作為全腦源區(qū)的可能性指標,是計算 N Ν'個能夠成為源的導(dǎo)聯(lián)中的每個導(dǎo)聯(lián)作為全腦源區(qū)的可能性指標乂=Σ%,X= v=l,v^x 1,2,......,Ν,。
7. 根據(jù)權(quán)利要求1所述的一種基于格蘭杰因果性的腦電源定位方法,其特征在于,階 段3)中所述的全腦源定位,是指將由可能性指標Sx構(gòu)成的數(shù)列S進行降序排列,得到數(shù)列 SS,取數(shù)列SS中位于前3 - 8個導(dǎo)聯(lián)為全腦源區(qū)的分布。
【文檔編號】A61B5/0476GK104305993SQ201410636555
【公開日】2015年1月28日 申請日期:2014年11月12日 優(yōu)先權(quán)日:2014年11月12日
【發(fā)明者】殷濤, 王欣, 劉志朋, 靳靜娜, 李松 申請人:中國醫(yī)學科學院生物醫(yī)學工程研究所