一種腦電非線性雙測(cè)度特征提取與融合處理方法
【專利摘要】本發(fā)明公開了一種腦電非線性雙測(cè)度特征提取與融合處理方法，涉及腦電信號(hào)領(lǐng)域，所述方法包括以下步驟：采集腦電信號(hào)；對(duì)腦電信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理；從預(yù)處理后數(shù)據(jù)中提取LZC復(fù)雜度特征；提取樣本熵特征，并對(duì)所述LZC復(fù)雜度特征和所述樣本熵特征進(jìn)行特征分析；將具有顯著性差異的腦電信號(hào)LZC值和樣本熵值聯(lián)合作為特征參數(shù)，采用SVM分類器建立分類模型對(duì)不同精神心理狀態(tài)下的人群進(jìn)行分類識(shí)別。通過此方法對(duì)不同精神心理狀態(tài)人群腦電信號(hào)進(jìn)行分類識(shí)別，可以取得較高的分類正確率，有望成為不同精神心理狀態(tài)下人群的劃分提供客觀評(píng)價(jià)指標(biāo)。
【專利說明】一種腦電非線性雙測(cè)度特征提取與融合處理方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及腦電信號(hào)領(lǐng)域，特別涉及一種腦電非線性雙測(cè)度特征提取與融合處理方法。
【背景技術(shù)】
[0002]隨著社會(huì)的飛速發(fā)展，人們的生活環(huán)境、生活方式與習(xí)慣及工作狀態(tài)等均發(fā)生了改變，日益快速的生活節(jié)奏使得現(xiàn)代都市的人們?cè)絹碓礁械焦陋?dú)和壓抑，面對(duì)這樣的社會(huì)環(huán)境，精神心理狀況的異常成為了整個(gè)社會(huì)無(wú)法回避的健康問題。由于物質(zhì)生活的改善，人們對(duì)心理健康越來越重視，如何提早發(fā)現(xiàn)精神心理狀態(tài)的異常也成為了亟待解決的問題。
[0003]目前對(duì)人的精神心理狀態(tài)的評(píng)定主要是依靠一些心理學(xué)量表(自評(píng)量表或他評(píng)量表)來完成，根據(jù)量表分值評(píng)價(jià)此人處于何種精神心理狀態(tài)，缺乏特異性生理指標(biāo)進(jìn)行評(píng)估。心理學(xué)量表的選擇并無(wú)統(tǒng)一標(biāo)準(zhǔn)，且量表評(píng)分涵蓋了評(píng)分人諸多主觀因素，不同的評(píng)分人可能給出差別很大的評(píng)估結(jié)果。因此發(fā)現(xiàn)一種針對(duì)不同精神心理狀態(tài)人群的區(qū)分方法是非常必要的。腦電信號(hào)(Electroencephalogram, EEG)是通過頭皮電極記錄下來的腦細(xì)胞群自發(fā)性、節(jié)律性電活動(dòng)，是腦神經(jīng)細(xì)胞群電生理活動(dòng)的綜合反映，其中蘊(yùn)涵著豐富的生理、心理信息。大腦功能狀態(tài)的腦電圖學(xué)具有安全、方便、廉價(jià)、無(wú)創(chuàng)的特點(diǎn)，有良好的時(shí)間分辨率，可實(shí)時(shí)地、動(dòng)態(tài)地觀察腦功能變化情況。它是神經(jīng)系統(tǒng)疾病輔助檢查的一種重要手段，同時(shí)也是臨床醫(yī)學(xué)、思維研究、腦機(jī)接口等諸多科學(xué)研究領(lǐng)域的重要工具。作為一種直接了解大腦功能狀態(tài)的手段，它打開了一扇深入研究大腦功能活動(dòng)的窗戶。因此，本發(fā)明利用腦電信號(hào)對(duì)不同精神心理狀態(tài)人群進(jìn)行分類識(shí)別。

【發(fā)明內(nèi)容】

[0004]本發(fā)明提供了一種腦電非線性雙測(cè)度特征提取與融合處理方法，本發(fā)明對(duì)采集的腦電信號(hào)進(jìn)行兩類非線性特征提取并進(jìn)行融合處理，對(duì)不同精神心理狀態(tài)下的人群進(jìn)行有效區(qū)分，為不同精神心理狀態(tài)下人群的劃分提供客觀評(píng)價(jià)指標(biāo)，詳見下文描述:
[0005]一種腦電非線性雙測(cè)度特征提取與融合處理方法，所述方法包括以下步驟:
[0006](I)采集腦電信號(hào)；
[0007](2)對(duì)腦電信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理；
[0008](3)從預(yù)處理后數(shù)據(jù)中提取LZC復(fù)雜度特征；
[0009](4)提取樣本熵特征，并對(duì)所述LZC復(fù)雜度特征及所述樣本熵特征進(jìn)行特征分析；
[0010](5)將具有顯著性差異的腦電信號(hào)LZC值和樣本熵值聯(lián)合作為特征參數(shù)，采用SVM分類器建立分類模型對(duì)不同精 神心理狀態(tài)下的人群進(jìn)行分類識(shí)別。
[0011]所述腦電信號(hào)的采集設(shè)備使用NiCOlet0ne32通道數(shù)字視頻腦電圖儀，F(xiàn)pU Fp2、F3、F4、C3、C4、P3、P4、01、02、F7、F8、T3、T4、T5 和 T6 為 16 導(dǎo)聯(lián)，采集頭皮腦電信號(hào)，Cz 作為參考電極，前額作為參考地，采樣率為250Hz,濾波通帶為0.5Hz~70Hz,電極阻抗小于IOK Ω。[0012]所述對(duì)腦電信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理的步驟具體為:
[0013](I)對(duì)原始EEG數(shù)據(jù)進(jìn)行變參考，將Cz參考變?yōu)殡p耳A1A2參考；(2)對(duì)數(shù)據(jù)進(jìn)行
0.6-46HZ帶通濾波；(3)使用獨(dú)立成分分析的方法去除眼電心電等干擾信號(hào)；(4)對(duì)偽跡明顯的數(shù)據(jù)進(jìn)行手動(dòng)剔除，最終得到90s靜息態(tài)EEG數(shù)據(jù)。
[0014]所述從預(yù)處理后數(shù)據(jù)中提取LZC復(fù)雜度特征的步驟具體為:
[0015]小于序列中值的時(shí)間點(diǎn)定義為0，大于序列中值的時(shí)間點(diǎn)定義為1，二值化后的時(shí)間序列為s (S1, S2,, Sn)，時(shí)間序列長(zhǎng)度為η ;定義c(n)為時(shí)間序列的LZC值，c (η)初始值為1，時(shí)間序列每出現(xiàn)一次新的子序列，c (η)值增加I個(gè)單位；b(n)為歸一化c (η)所用參數(shù)值。
[0016]對(duì)于任意足夠長(zhǎng)的隨機(jī)0-1序列，O和I出現(xiàn)的概率相等時(shí)，
[0017]Wmc(H) = h(n) = n/\og^ η ；
^oo~
[0018]LZC=C (n) /b (η)。
[0019]本發(fā)明提供的技術(shù)方案的有益效果是:本發(fā)明提出了基于LZC復(fù)雜度和樣本熵兩種非線性測(cè)度的腦電信號(hào)特征提取與融合處理方法，通過此方法對(duì)不同精神心理狀態(tài)人群腦電信號(hào)進(jìn)行分類識(shí)別，可以取得較高的分類正確率，有望成為不同精神心理狀態(tài)下人群的劃分提供客觀評(píng)價(jià)指標(biāo)。
【專利附圖】

【附圖說明】
[0020]圖1為16導(dǎo)聯(lián)分布示意圖；
[0021 ] 圖2為EEG信號(hào)LZC復(fù)雜度所做柱狀圖；
[0022]圖3為EEG信號(hào)樣本熵所做柱狀圖；
[0023]圖4為一種腦電非線性雙測(cè)度特征提取與融合處理方法的流程圖。
【具體實(shí)施方式】
[0024]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明實(shí)施方式作進(jìn)一步地詳細(xì)描述。
[0025]為了對(duì)采集的腦電信號(hào)進(jìn)行兩類非線性特征提取并進(jìn)行融合處理，本發(fā)明實(shí)施例提供了一種腦電非線性雙測(cè)度特征提取與融合處理方法，詳見下文描述:
[0026]非線性分析方法側(cè)重于分析腦電活動(dòng)隨時(shí)間變化的動(dòng)力學(xué)特性，目前已經(jīng)應(yīng)用于阿爾茲海默癥、精神分裂癥、抑郁癥等各種神經(jīng)精神類`疾病的研究中，且取得了相應(yīng)的研究成果。LZC (Lempel-Ziv Complexity,LZC)復(fù)雜度是通過測(cè)量時(shí)間序列出現(xiàn)新模式的速率來表征其無(wú)序程度的一種非線性測(cè)量方法；樣本熵(Sample Entropy, SampEn)是衡量時(shí)間序列自相似程度的一種非線性復(fù)雜度測(cè)量方法。兩種非線性測(cè)度從不同的角度刻畫了時(shí)間序列的復(fù)雜程度。融合以上兩種非線性分析方法研究不同精神心理狀態(tài)人群的腦電信號(hào)特點(diǎn)有助于為不同精神心理狀態(tài)人群的區(qū)分提供客觀評(píng)價(jià)指標(biāo)，具有重大的社會(huì)意義。
[0027]101:采集腦電信號(hào)；
[0028]腦電信號(hào)的采集設(shè)備使用Nicolet0ne32通道數(shù)字視頻腦電圖儀，電極的位置按照國(guó)際標(biāo)準(zhǔn)導(dǎo)聯(lián)10-20電極系統(tǒng)安放，記錄16導(dǎo)聯(lián)(Fpl、Fp2、F3、F4、C3、C4、P3、P4、01、02、F7、F8、T3、T4、T5、T6)頭皮腦電信號(hào)，Cz作為參考電極，前額作為參考地，采樣率為250Hz，濾波通帶為0.5Hz~70Hz，電極阻抗小于IOK Ω。圖1給出了 16導(dǎo)聯(lián)分布示意圖。
[0029]采集靜息狀態(tài)下的腦電信號(hào)。采集環(huán)境要求遠(yuǎn)離強(qiáng)大的靜電場(chǎng)和電磁場(chǎng)，采集室暗光，并保持采集環(huán)境的安靜。采集過程中要求被采集者安靜閉目，心情放松，記錄5min腦電數(shù)據(jù)。
[0030]102:對(duì)腦電信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理；
[0031]EEG信號(hào)是隨機(jī)性很強(qiáng)的生理信號(hào)，節(jié)律種類多，影響因素多，具有很高的敏感性，極易被無(wú)關(guān)噪聲污染形成各種EEG偽跡，所以需要進(jìn)行相應(yīng)的預(yù)處理工作。預(yù)處理過程如下:(I)對(duì)原始EEG數(shù)據(jù)進(jìn)行變參考，將Cz參考變?yōu)殡p耳A1A2參考；(2)對(duì)數(shù)據(jù)進(jìn)行0.6-46Hz帶通濾波，主要去除高頻干擾成分；(3)使用獨(dú)立成分分析(IndependentComponent Analysis, I CA)的方法去除眼電心電等干擾信號(hào)；(4)對(duì)偽跡依然明顯的數(shù)據(jù)(用眼睛可以直觀的看出某些數(shù)據(jù)屬于干擾信號(hào))進(jìn)行手動(dòng)剔除，最終得到90s靜息態(tài)EEG數(shù)據(jù)進(jìn)行后續(xù)的特征提取。
[0032]103:從預(yù)處理后數(shù)據(jù)中提取LZC復(fù)雜度特征；
[0033]LZC是一種非參數(shù)的模型獨(dú)立的復(fù)雜度測(cè)量方法，LZC值與時(shí)間序列中子序列的個(gè)數(shù)及出現(xiàn)速率有關(guān)，LZC值越大表明時(shí)間序列出現(xiàn)新模式的概率越大，系統(tǒng)越復(fù)雜。90s靜息態(tài)EEG數(shù)據(jù)依次分割為5s數(shù)據(jù)段，以5s EEG時(shí)間序列為單位計(jì)算LZC值，將所得每一導(dǎo)聯(lián)18個(gè)LZC值用于特征提取，將每一導(dǎo)聯(lián)18個(gè)LZC值的均值用于特征分析。具體LZC復(fù)雜度算法如下[1]:
[0034]LZC是基于0_1 二值時(shí)間序列的復(fù)雜度算法，所以在計(jì)算EEG /[目號(hào)LZC值之如需要先將EEG時(shí)間序列進(jìn)行二值化處理。本發(fā)明選擇使用時(shí)間序列中值進(jìn)行二值化，小于序列中值的時(shí)間點(diǎn)定義為0，大于序列中值的時(shí)間點(diǎn)定義為I。假設(shè)二值化后的時(shí)間序列為S(SpSw-^Sn),時(shí)間序列長(zhǎng) 度為η。定義c(n)為時(shí)間序列的LZC值。c(n)初始值為1，時(shí)間序列每出現(xiàn)一次新的子序列，c (η)值增加I個(gè)單位；b(n)為歸一化c (η)所用參數(shù)值。Lempel and Ziv已證明，對(duì)于任意足夠長(zhǎng)的隨機(jī)0_1序列，假如O和I出現(xiàn)的概率相等時(shí)，有式(I)成立:
「00351 limc(/7) = b{n) = ?/log.η(I)
[0036]據(jù)此，本發(fā)明實(shí)施例使用b (η)對(duì)c (η)進(jìn)行歸一化處理，以得到跟時(shí)間序列長(zhǎng)度η無(wú)關(guān)的值，時(shí)間序列S的LZC值最終由式(2)計(jì)算得到:
[0037]LZC=C (n) /b (η) (2)
[0038]圖2為利用健康正常人、腦卒中后無(wú)抑郁癥患者及腦卒中后抑郁癥患者三類人群EEG信號(hào)LZC復(fù)雜度所做柱狀圖，可以看出不同精神心理狀態(tài)下的三類人群有明顯區(qū)別。
[0039]104:提取樣本熵特征；
[0040]樣本熵(SampEn)是衡量時(shí)間序列自相似程度的一種復(fù)雜度測(cè)量方法，是對(duì)近似熵算法的改進(jìn)。樣本熵值越大表明系統(tǒng)的自相似性越高，系統(tǒng)越復(fù)雜。樣本熵SampEn (m, r, N)有三個(gè)輸入?yún)?shù)可調(diào)，數(shù)據(jù)長(zhǎng)度N，相似容限r(nóng)及嵌入維數(shù)m。本發(fā)明實(shí)施例選擇1250個(gè)點(diǎn)(即5s數(shù)據(jù))的EEG信號(hào)序列進(jìn)行樣本熵值計(jì)算，將90s數(shù)據(jù)長(zhǎng)度依次分割為5s數(shù)據(jù)段，對(duì)每一段計(jì)算SampEn，將所得每一導(dǎo)聯(lián)18個(gè)樣本熵值用于特征提取，將每一導(dǎo)聯(lián)18個(gè)樣本熵值的均值用于特征分析。嵌入維數(shù)選擇m=2 ;選擇相似容限r(nóng)=0.2SD(SD為5sEEG時(shí)間序列的標(biāo)準(zhǔn)差)。假設(shè)原始EEG時(shí)間序列為χ (I)，χ (2)，…χ (η)，樣本熵具體算法如下[2]:
[0041 ]按原始數(shù)據(jù)序號(hào)連續(xù)順序組成一組m維矢量:
[0042]X (i) = {x (i), χ (i+1)，...，x (i+m-1), }, i=l, 2,..., N-m+1
[0043]定義矢量X(i)和X(j)的距離為兩者對(duì)應(yīng)元素差值中最大的一個(gè)，如式(3)所示:
[0044]dx⑴，X(j)=max I χ (i+k)-χ (j+k) I，k=0, 1，...，m-1 (3)
[0045]對(duì)每一 i值，統(tǒng)計(jì)dx(i)，x(j)小于相似容限r(nóng)的數(shù)目，計(jì)算該數(shù)目與距離總數(shù)之比，即:
[0046]
【權(quán)利要求】
1.一種腦電非線性雙測(cè)度特征提取與融合處理方法，其特征在于，所述方法包括以下步驟: (1)采集腦電信號(hào)； (2)對(duì)腦電信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理； (3)從預(yù)處理后數(shù)據(jù)中提取LZC復(fù)雜度特征； (4)提取樣本熵特征，并對(duì)所述LZC復(fù)雜度特征及所述樣本熵特征進(jìn)行特征分析； (5)將具有顯著性差異的腦電信號(hào)LZC值和樣本熵值聯(lián)合作為特征參數(shù)，采用SVM分類器建立分類模型對(duì)不同精神心理狀態(tài)下的人群進(jìn)行分類識(shí)別。
2.根據(jù)權(quán)利要求1所述的一種腦電非線性雙測(cè)度特征提取與融合處理方法，其特征在于，所述腦電信號(hào)的采集設(shè)備使用NicoletOne 32通道數(shù)字視頻腦電圖儀，F(xiàn)pU Fp2、F3、F4、C3、C4、P3、P4、01、02、F7、F8、T3、T4、T5和T6為16導(dǎo)聯(lián)，采集頭皮腦電信號(hào)，Cz作為參考電極，前額作為參考地，采樣率為250Hz，濾波通帶為0.5Hz~70Hz，電極阻抗小于IOK Ω。
3.根據(jù)權(quán)利要求1所述的一種腦電非線性雙測(cè)度特征提取與融合處理方法，其特征在于，所述對(duì)腦電信號(hào)進(jìn)行數(shù)據(jù)預(yù)處理的步驟具體為: (I)對(duì)原始EEG數(shù)據(jù)進(jìn)行變參考，將Cz參考變?yōu)殡p耳A1A2參考；(2)對(duì)數(shù)據(jù)進(jìn)行0.6-46HZ帶通濾波；(3)使用獨(dú)立成分分析的方法去除眼電心電等干擾信號(hào)；(4)對(duì)偽跡明顯的數(shù)據(jù)進(jìn)行手動(dòng)剔除，最終得到90s靜息態(tài)EEG數(shù)據(jù)。
4.根據(jù)權(quán)利要求1所述的一種腦電非線性雙測(cè)度特征提取與融合處理方法，其特征在于，所述從預(yù)處理后數(shù)據(jù)中提取LZC復(fù)雜度特征的步驟具體為: 小于序列中值的時(shí)間點(diǎn)定義為0，大于序列中值的時(shí)間點(diǎn)定義為1，二值化后的時(shí)間序列為S (S1, S2,, Sn)，時(shí)間序列長(zhǎng)度為η ;定義c(n)為時(shí)間序列的LZC值，c (η)初始值為`1，時(shí)間序列每出現(xiàn)一次新的子序列，c (η)值增加I個(gè)單位；b (η)為歸一化c (η)所用參數(shù)值； 對(duì)于任意足夠長(zhǎng)的隨機(jī)0-1序列，O和I出現(xiàn)的概率相等時(shí)，
【文檔編號(hào)】A61B5/0476GK103767702SQ201410021192
【公開日】2014年5月7日 申請(qǐng)日期:2014年1月16日 優(yōu)先權(quán)日:2014年1月16日
【發(fā)明者】明東, 王春方, 張力新, 張希, 何峰, 綦宏志, 趙欣, 周鵬, 萬(wàn)柏坤 申請(qǐng)人:天津大學(xué)