專利名稱：基于腦功能網絡鄰接矩陣分解的腦電特征提取方法
技術領域：
本發明屬于腦電信號處理領域，涉及一種腦電信號特征提取方法，特別涉及一種用于腦-機接口中運動想象腦電信號的特征提取方法。
背景技術：
腦-機接口(BCI)是不依賴外周神經和肌肉組織的參與，在大腦與外界之間建立的一種直接的交流通路，可將大腦信號解讀成相應的命令來實現與外部世界的交流和控制。相較于腦皮層電圖(ECoG)、腦磁圖(EMG)、功能磁共振成像(fMRI)、正電子發射斷層掃描(PET)等檢測技術，腦電圖(EEG)相對簡單快速，對人無損，價格便宜，同時具有較高的時間分辨率，因而成為BCI最重要的信號獲取手段。 基于運動想象腦電信號的多模式識別是目前BCI主要應用手段之一。以人類大腦為對象的頭皮腦電信號研究表明，它主要由各種節律性電活動組成，與運動想象緊密聯系的一種電生理現象是事件相關去同步(ERD)和事件相關同步(ERS)現象。ERD/ERS研究證實了大腦進行不同的運動想象任務會激活大腦運動皮層上的不同區域，如想象左右手、腳等運動，肢體對側腦運動皮層區域產生ERD現象，肢體同側腦運動皮層區域產生ERS現象。ERD/ERS現象所引起特定頻段腦電波分布位置以及強度的差別，為區分不同的運動想象任務所產生腦電信號提供了識別基礎。由于腦電信號非常微弱，且背景噪聲很強，要從隨機、非平穩的腦電信號中有效快速地提取不同運動想象任務所對應的特征頗具挑戰性。研究者采用各種不同的方法提取有效的腦電特征，如傅里葉變換、自回歸模型、功率譜與自適應回歸模型、四階累積量、小波變換、小波包變換、希爾伯特-黃變換、復雜度分析法、張量分析法、公共空間模式等，進而識別出不同的運動想象任務，取得了豐富的研究成果。目前基于運動想象EEG的多模式識別研究基本上是利用運動想象引起的神經活動的動態變化，研究各種特征提取與模式分類方法識別出不同的運動想象任務。但大多注重局部激活腦區的定性及定量分析，有意無意地將各個腦區看作孤立的功能單元，忽視了腦區之間的相互關系和整體協調性。隨著成像技術、方法的不斷提高，人們對運動想象所涉及的多腦區之間的網絡結構關系及其功能意義的認識逐步深入。雖然大腦不同區域完成相對獨立的功能，但即便是一項非常簡單的認知任務也需要多個不同的功能區域相互作用、相互聯系，構成一個網絡協調工作發揮功能。腦功能網絡是通過反映大腦功能性連接的數據(如fMRI、EEG等)，計算各個腦區之間的統計性連接關系而構建的腦網絡，是描述多個腦區之間協同作用機制的有效手段之一。最近，腦功能網絡研究已被用于腦疾病診斷、腦認知等方面，如W.Chaovalitwongse等人利用EEG信號建立腦功能網絡,將各節點兩兩之間的歐式距離作為SVM分類器的輸入特征向量，對癲癇患者樣本數據進行分類識別；姜宗來等人研究了酒精成癮患者與正常人EEG腦功能網絡的度分布、聚類系數、網絡信息熵等特征，發現兩者存在明顯的區別，為臨床腦病診療提供了判斷依據。由于腦功能網絡可以分析出不同腦區之間的功能連通性關系，從而彌補基于孤立腦區的信號研究帶來的不足，因此在運動想象任務分類中具有潛在的應用價值。
發明內容
本發明的目的就是針對現有基于孤立腦區的腦電特征提取方法存在的不足，提供一種基于腦功能網絡鄰接矩陣分解的腦電特征提取方法。腦功能網絡是個復雜且稀疏的抽象網絡，其構建首先要定義網絡節點。對于多通道EEG信號，往往把每個EEG導聯(通道)對應的電極所測量的區域定義為一個節點，其電活動為若干時間序列，然后計算這些時間序列之間的相關系數，各節點之間相關系數的大小反映出對應腦區之間的功能連接強度，從而建立腦功能網絡，最后對腦功能網絡的鄰接矩陣進行奇異值分解，提取出腦電特征，以識別出多類運動想象任務。為了實現以上目的，本發明方法主要包括以下步驟
步驟(I)獲取多通道運動想象腦電信號樣本數據。首先采用多導聯電極帽采集運動想象腦電信號，然后采用參考獨立分量分析方法消除眼電偽跡，最后采用隨機共振方法進行腦電信號復原，以提高系統輸出的信噪比。步驟(2)相關性分析。采用Pearson相關系數公式計算各通道腦電信號之間的相關系數，得到相關性矩陣。步驟(3)閾值確定。以相關性矩陣為基礎，選取閾值將相關性矩陣轉換為稀疏的鄰接矩陣。步驟(4)腦功能網絡建立。分析鄰接矩陣元素值與腦區節點間是否存在連接邊之間的關系，構建腦功能網絡，具體表現為如果兩個腦區之間的相關系數大于閾值時，在對應的節點間建立連接邊，鄰接矩陣對應的元素值為I;反之不建立連接邊，鄰接矩陣對應的元素值為O。鄰接的對角元素設為O以避免網絡中出現自連接的邊。步驟(5)基于鄰接矩陣奇異值分解的特征提取。首先對鄰接矩陣進行奇異值分解，然后根據所得的奇異值定義最大奇異值、均值、方差、能量、奇異熵五個特征參數作為腦電信號的特征向量。本發明與已有的運動想象腦電特征提取方法相比，具有如下特點
I、從網絡角度分析運動想象引起的神經活動的動態變化
已有方法大多注重局部激活腦區的定性和定量分析，有意無意地將各個腦區看作孤立的功能單元，忽視了腦區之間的相互關系和整體協調性。雖然大腦皮層不同的區域完成相對獨立的功能，但完成某一特定的運動想象任務，需要一個或幾個空間上分離的功能區的同時參與。通過反映大腦功能性連接的數據計算各個腦區之間的統計性連接關系而構建的腦網絡，描述了多個腦區之間的協同作用關系，有助于從整體層面刻畫不同運動想象任務的特征。2、特征提取具有自適應性
由于腦電信號是高度非平穩信號，容易受到生理、心理等各種因素的影響，不僅存在個體差異，且同一受試者在不同時間完成相同運動想象任務所得到的腦電信號也會有差異，因而特征提取參數和分類器具有自適應能力，能夠隨著受試對象的不同以及時間的推移而更新。基于腦功能網絡鄰接矩陣分解的腦電特征，可以隨不同的受試者和運動想象任務而變化，自適應地反映腦電信號的個體差異性。、
本發明方法可以較好地滿足智能自主康復輔具控制中的多模式識別要求，在腦-機接口領域具有廣闊的應用前景。
圖I為本發明的實施流程圖。
具體實施例方式下面結合附圖詳細描述本發明基于腦功能網絡鄰接矩陣分解的腦電特征方法，圖I為實施流程圖。如圖I，本發明方法的實施主要包括六個步驟(I)獲取多通道運動想象腦電信號樣本數據，包括四種運動想象實驗范式下腦電信號的采集和預處理；(2)利用互相關、互信息量、相位同步、同步似然法等量化方法建立各通道EEG信號兩兩之間的連接關系，得到相關性矩陣；(3)以相關性矩陣為基礎，選取適合的閾值將相關性矩陣轉換為稀疏的鄰接矩陣；(4)分析鄰接矩陣元素值與腦區節點間是否存在連接邊之間的關系，建立腦功能網絡；
(5)對鄰接矩陣進行奇異值分解，所得的奇異值用來刻畫腦電信號的辨別特征；(6)將腦電特征輸入支持向量機分類器進行訓練和測試，完成四種運動想象任務的分類。下面逐一對各步驟進行詳細說明。步驟一獲取多通道運動想象腦電信號樣本數據
(I)采集運動想象腦電信號。采用美國Neuro Scan公司Scan4. 3采集設備中的40導電極帽進行運動想象過程腦電信號采集。受試者按要求佩戴好腦電帽后坐在輪椅上，保持安靜、自然，注視實驗環境中設定的情景提示。采用如下四種運動想象實驗范式右手操控輪椅控制桿向前、左手操控輪椅控制桿向后、左腳單腳跳并且雙手推輪椅向左移動、右腳單腳跳并且雙手推輪椅向左移動，分別對應輪椅前進、剎車、左轉、右轉的控制運動形式，在實施過程中還可根據實驗的具體情況對實驗模式的設計做適當修正。(2)采用參考獨立分量分析和隨機共振方法對腦電數據進行預處理。針對眨眼、眼動等偽跡對腦電信號的干擾，結合眼電偽跡已有的先驗知識，采用參考獨立分量分析方法消除眼電偽跡；其次，針對腦電信號的非線性、微弱性等特點，在以上估計輸出基礎上，采用隨機共振方法進行腦電信號復原，將部分噪聲能量轉變為有用信號的能量，來提高系統輸出的信噪比。步驟二 相關性分析
利用互相關、互信息量、相位同步、同步似然法等量化方法建立各通道EEG信號兩兩之間的連接關系，得到相關性矩陣。本發明采用Pearson相關系數公式計算EEG信號各通道之間的相關系數。
權利要求
1.基于腦功能網絡鄰接矩陣分解的腦電特征提取方法，其特征在于該方法包括如下步驟 步驟(I).獲取多通道運動想象腦電信號樣本數據，具體是首先采用多導聯電極帽采集運動想象腦電信號，然后采用參考獨立分量分析方法消除眼電偽跡，最后采用隨機共振方法進行腦電信號復原，以提高系統輸出的信噪比； 步驟(2).相關性分析，具體是采用Pearson相關系數公式計算各通道腦電信號之間的相關系數，得到相關性矩陣； 步驟(3).閾值確定，具體是以相關性矩陣為基礎，選取閾值將相關性矩陣轉換為稀疏的鄰接矩陣； 步驟(4).腦功能網絡建立，具體是分析鄰接矩陣元素值與腦區節點間是否存在連接邊之間的關系，構建腦功能網絡，具體表現為如果兩個腦區之間的相關系數大于閾值時， 在對應的節點間建立連接邊，鄰接矩陣對應的元素值為I ;反之不建立連接邊，鄰接矩陣對應的元素值為O ;鄰接的對角元素設為O以避免網絡中出現自連接的邊； 步驟(5).基于鄰接矩陣奇異值分解的特征提取，具體是首先對鄰接矩陣進行奇異值分解，然后根據所得的奇異值定義最大奇異值、均值、方差、能量、奇異熵五個特征參數作為腦電信號的特征向量。
全文摘要
本發明涉及一種基于腦功能網絡鄰接矩陣分解的腦電特征提取方法。目前的運動想象腦電信號特征提取算法大多注重局部激活腦區的定性與定量分析，忽視了腦區之間的相互關系和整體協調性。本發明從腦功能網絡角度出發，以基于圖譜分析的復雜腦網絡理論為基礎，首先采用多通道運動想象腦電信號建立腦功能網絡，然后對網絡鄰接矩陣進行奇異值分解，其次根據分解得到的奇異值定義一組特征參數來表示腦電信號的特征向量，最后將特征向量輸入支持向量機分類器完成多類運動想象任務的分類識別。該方法在腦-機接口領域的運動想象任務識別中具有廣闊的應用前景。
文檔編號G06K9/62GK102722727SQ20121018999
公開日2012年10月10日 申請日期2012年6月11日 優先權日2012年6月11日
發明者佘青山, 孟明, 高云園, 高發榮 申請人:杭州電子科技大學