[发明专利]基于同步筛选的脑区间耦合分析方法

说明书

本发明公开了一种基于同步筛选的脑区间耦合分析方法，本发明首先同步采集了不同握力输出时，32通道脑电信号EEG和12通道肌电信号EMG，为研究握力输出过程中，EEG运动区与感觉区的耦合关系，对大脑运动区及运动感觉区的导联C3，C4，CP5和CP6的脑电信号和肱桡肌信号进行分析；然后利用同步筛选算法将EEG与EMG的同步信息提取出来，得到EEG与EMG相关的数据；最后计算SSEM的符号传递熵，以确定其耦合关系。本发明可去除与运动的非相关数据，缩小数据规模。

技术领域

本发明属于信号处理领域，涉及一种脑电、肌电信号的耦合性方法，特别涉及一种应用于脑区间状态分析方法。

背景技术

运动皮层的脑电信号(electroencephalogram，EEG)和肌电信号(electromyogra-phy,EMG)分别反映运动控制信息和肌肉对大脑控制意图的功能响应信息，脑肌电之间具有同步性。不同脑区拥有其特殊的功能，但是大脑作为一个有机的整体，各个脑区之间必然存在某种联系。大脑控制上肢运动时，运动神经系统通过神经的同步振荡来传递运动控制信息，相关的脑区和肌肉组织相关的周围神经之间也自动地发生了同步化，从而激发肢体的运动。大脑皮层与肌肉之间的同步振荡不仅从发出命令的大脑皮层传导至作为效应器的肌肉，同时也由肌肉反馈回大脑皮层，这些反馈信息必然会被大脑作为发出下一次控制信息的重要依据。近来，探究EEG与肢体运动之间的关系已成为人们研究的热点问题。Ponten等人利用同步似然性构建了癫痫患者脑电信号在癫痫发作不同阶段的脑功能网络，并通过对网络属性的分析发现癫痫在发病中和发病后，脑功能网络的特征路径长度会增大；Scott曾以奥托博克肌电假手为例，设计了电刺激感觉反馈系统，通过安装在假手食指上的应变式力矩传感器测量捏力大小，通过调制电刺激脉冲频率的方式将刺激频率与捏力的大小成比例对应，以此将捏力感觉反馈给使用者；美国国防先进研究项目局(DARPA)采用目标肌肉神经移植术重新连接被截肢位置和肌肉组织的神经信号，并作为一个“放大器”来控制假肢。同时，利用名为FINE(Flat Interface Nerve Electrode)技术直接向使用者的大脑反馈假手的感觉。FINE使神经元变得平缓，让部分神经元能够接触电流并提供反馈，恢复患者的触觉。然而在处理与运动相关的EEG时都面临的一个问题是，EEG中包含有大量与运动非相关的成分，这些非相关成分会使EEG数据规模变得庞大，湮没EEG中与运动相关的成分，这会使求解变得困难，同时增大计算复杂度。针对这一问题，本发明提出了一种基于同步筛选-符号传递熵的脑区间耦合分析方法，可以滤除EEG中与运动的非相关成分，去除非相关数据、降低运算复杂度的同时，保留了数据有效信息，可以快速准确的分析脑区间的耦合关系。

发明内容

为了能够快速准确的分析上肢握力输出时，大脑运动区与感觉区的耦合关系，本发明提出了一种基于同步筛选-符号传递熵的脑区间耦合分析方法。首先同步采集了不同握力输出时，32通道脑电信号(EEG)和12通道肌电信号(EMG)，为研究握力输出过程中，EEG运动区与感觉区的耦合关系，对大脑运动区及运动感觉区的导联C3，C4，CP5，CP6等多个通道的脑电信号和肱桡肌信号进行分析；然后利用同步筛选算法将EEG与EMG的同步信息提取出来，得到EEG与EMG相关的数据(Synchronous Screening of EEG Signals Based on EMGSignals,SSEM)；最后计算SSEM的符号传递熵，以确定其耦合关系。

本发明方法主要包括以下步骤：

(1).同步采集了在不同握力输出时，32通道脑电信号和12通道肌电信号。

(2).选取步骤(1)中获取的C3、C4、CP5、CP6通道脑电信号和肱桡肌肌电信号，对其进行小波阈值消噪处理，滤除心电、体位的影响并对EEG与EMG进行了时延分析。

(3).使用同步筛选算法，以EMG肱桡肌信号为基准数据，对EEG运动区C3、C4通道与感觉区CP5、CP6通道的信号进行同步筛选，得到EEG与EMG相关的数据SSEM。