[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

说明书

本发明公开了一种基于脑部电信号构建疼痛状态预测模型的方法。其方法包括：1)脑部电信号数据预处理；2)提取时间域、频率域和小波域的特征；3)对特征按照对疼痛状态的贡献度进行筛选；4)单个特征构建预测方程；5)整合所有特征进行多元回归模型形成最终的疼痛状态预测模型。本发明从多维度对大脑特征进行刻画并用于预测疼痛患者未来的状态，将有助于进一步加深对疼痛机制和治疗机制的理解，为智能神经调控打下基础。

技术领域

本发明涉及生理信号处理和建模技术领域，具体而言，涉及一种基于脑部电信号构建疼痛状态预测模型的方法。

背景技术

神经病理性疼痛是由躯体感觉神经系统损伤或者疾病导致的疼痛，并且这种疾病常常是药物难治性的。神经病理性疼痛长期影响着全世界6％-8％人的身体和心理健康，使他们的生活质量严重受损。临床上在对这种疾病的诊断和治疗时，医生通常只能依靠患者的自我症状描述进行判断，但患者往往无法用言语正确的对其疼痛感受进行客观而准确的描述。如不能准确的说明疼痛的位置和疼痛的类型，同时会夸大或者隐瞒疼痛的真实程度。对患者状态及变化程度的准确评估，对于临床诊断、治疗与康复指导均具有重要的研究价值，可为机体生理机制研究、治疗理论发展、新神经调控技术研发提供理论和技术基础。

通常临床上使用的主观评估方法包括疼痛自评和其他疼痛问卷和面部表情等，客观的检测方法包括一些生理学指标的测量，诸如脑电信号、肌电信号、心电信号、血压、核磁共振等。这些主观或者客观的评估方法，为临床疾病的诊疗提供了辅助参考，但是都存在一定的缺陷，如主观的评估方法，主观意识较强，评估时需要有经验的医师或者需要患者能够提供主观感觉；而客观的评估方法虽然提供了精确的生理状态数据，但一般只能给出患者状态处于某个阶段的简单分析结果，无法提供具体且准确的状态或程度的量级，且多为单一指标评价，不够全面客观。

实验证明人体的脑部电信号能够反应生理和病理功能，其中许多指标与神经病理性疼痛密切相关，有希望能够用于疼痛治疗效果的评估。但由于脑部电信号的活动具有复杂性的特点，例如脑部电信号中多个神经活动同时参与了疼痛的感受与治疗，且他们之间形成了较为复杂的关系网，因此对脑部电信号多维神经行为的同时度量可以更全面地表征大脑功能状态。

发明内容

针对上述技术问题，本发明的目的在于提供一种基于脑部电信号构建疼痛状态预测模型的方法。本发明从多维角度全面表征量化脑部电活动，将主观的评估和客观的检测手段结合起来，并且将检测出的多个生物标记进行融合，建立患者状态或变化程度的定量预测模型，该模型能用于实现或者疼痛状态的准确判断。

脑部电信号可包括头皮脑电(EEG)、皮层脑电(ECoG)、局部场电位(LFP)等。

将脑部电活动的多维神经行为其分为三个维度：时间域，频率域和小波域，并选择合适的分析方法来对各个维度上的信号活动特征进行量化。脑部电信号的多维神经行为会同时存在，且在这些维度上会包含许多特征可与患者的状态相关联。比如，但不限于，属于时间域信号在时间上活动幅度的变化与患者具体的疼痛程度相关联，属于频率域的特定频带间的幅度比值与特定的疾病相关，属于小波域的频带间交叉频率耦合强度可指示特定的脑功能状态。在一个示例中，对脑部电信号多维神经行为的同时度量来区分不同的疾病类型状态，展示了此方法在脑部电信号研究中的应用，表明脑部电信号多维神经行为量化方法在脑功能研究中的可行性。本发明的技术方案具体介绍如下。

一种基于脑部电信号构建疼痛状态预测模型的方法，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；