[发明专利]一种基于脑部电信号构建疼痛状态预测模型的方法

权利要求书

1.一种基于脑部电信号构建疼痛状态预测模型的方法，其特征在于，具体步骤如下：

1）对脑部电信号进行预处理，去除质量不佳的信号和信号中的噪声；

2）从时间域、频率域和小波域三个维度提取特征对脑部电活动进行表征；

3） 按照与疼痛状态的相关性，在时间域和小波域上筛选脑部电活动特征；在频率域上使

用主成分分析法PCA根据贡献率获得表征各特征组的关键成分进而筛选脑部电活动特征；

4）将从时间域、频率域和小波域三个维度筛选出的特征作为自变量，疼痛缓解程度作为

因变量，通过回归分析分别建立状态预测模型；

5）将不同维度上的状态预测结果作为自变量，患者的临床主观评估结果作为因变量，利

用多元回归分析建立整合性的疼痛状态预测模型；其中：

步骤2）中，时间域提取的特征包括信号幅值的平均值、标准差以及信息熵；在提取特征前对信号进行标准化处理，具体方法为将各采样点的信号值除以幅值的最大值；小波域提取的特征为delta、theta、alpha、low-beta、high-beta、low-gamma和high-gamma频段的同步化状态存在时间的百分比和这7个频率段两两组合得到的21种组合状态中的各频率段的同步化水平的二值化编码组成的4种状态00、01、10、11出现时间占总时间的百分比。

2.根据权利要求1所述的方法，其特征在于，步骤1）中，预处理包括去50Hz工频干扰和基线漂移的步骤。

3.根据权利要求1所述的方法，其特征在于，步骤1）中，预处理还包括对去除噪声的信号进行归一化处理的步骤。

4.根据权利要求1所述的方法，其特征在于，步骤2）中，频率域提取的特征为傅里叶变换之后功率谱密度在不同频率段上积分的功率值以及不同频带间功率的比值；在提取特征前对信号进行标准化处理，具体方法为将每个频率点上的功率谱密度值除以2-90Hz频率段功率谱密度的积分。

5.根据权利要求1所述的方法，其特征在于，步骤3）中，在时间域和小波域上，选择疼痛状态显著性小于0.05或0.01的特征；在频率域上，根据贡献率最大的1-3个主成分选择特征。

6.如权利要求1所述的方法，其特征在于，步骤5）中，疼痛状态预测模型每完成一次预测，就将当前的数据纳入其中用以修正模型参数。