[发明专利]一种神经性耳聋病人脑功能网络演化的评估方法

说明书

本发明公开了一种神经性耳聋病人脑功能网络演化的评估方法，包括以下步骤：步骤S1、实时采集感应性耳聋病人的脑电EEG信号数据，并依据实时的所述脑电EEG信号数据构建实时脑功能网络；步骤S2、基于所述实时脑功能网络构建依实时脑功能网络的时序排布的包含神经性耳聋病人脑功能网络演化特征的脑功能网络演化数据链；步骤S3、基于所述脑功能网络演化数据链分析获得神经性耳聋病人脑功能网络演化结果并进行有效评估。本发明对实时脑功能网络进行演化整体特征和演化关键特征的函数量化，降低了大数量级的数据传输，提高对脑功能网络的评估效率。

技术领域

本发明涉及医学诊断技术领域，具体涉及一种神经性耳聋病人脑功能网 络演化的评估方法。

背景技术

基于脑功能数据分析脑功能网络对神经科学研究和医疗诊断有重要意 义，独立成分分析方法在该领域应用十分广泛，但由于独立成分分析的随机 性、输出成分顺序的不确定性以及成分个数的不可预知性，多被试数据的独 立成分分析具有很大的挑战，主要的难点在于如何将多被试的脑功能网络建 立起对应性以方便后续的统计分析，同时又能保持个体被试脑功能网络的特异性以利于个体诊断。

目前，利用独立成分分析(ICA)进行多被试数据进行演化分析的方法分为 两类，一类是先对每个被试的数据进行独立成分分析，再利用主观鉴别、聚 类方法等将来自于不同被试的独立成分建立起对应性。这类方法的优点是每 个被试的成分结果都具有独一无二的时间空间特性，缺点是需要后处理过程来建立不同被试成分之间的对应性，而且由于在某个被试中存在的一个功能 网络可能在另一被试中被分解为多个功能网络，所以，对应性往往难以或不 能建立。另一类方法被称为组独立成分分析方法，是先在所有的数据上进行 一次独立成分分析，然后再重建得到各个被试的成分。已有的组独立成分分 析方法根据假设不同分为基于时间串联的、基于空间串联的和基于张量排列 的方法，共同的优点是不同被试的结果直接建立起了对应性。以上两类方法在实时处理脑电信号构建脑功能网络以及利用脑功能网络进行演化分析过程 中，由于脑电信号采集的时序分辨率低会产生大量的冗余数据，同时利用脑 功能网络进行演化分析过程中，对信号数据进行直接传输用于比对评估演化 结果，而大数量级数据的传输以及大量的冗余数据处理会占用巨大的硬件计 算资源，导致效率降低。

发明内容

本发明的目的在于提供一种神经性耳聋病人脑功能网络演化的评估方 法，以解决现有技术中脑电信号采集的时序分辨率低会产生大量的冗余数据， 同时利用脑功能网络进行演化分析过程中，对信号数据进行直接传输用于比 对评估演化结果，而大数量级数据的传输以及大量的冗余数据处理会占用巨 大的硬件计算资源，导致效率降低的技术问题。

为解决上述技术问题，本发明具体提供下述技术方案：

一种神经性耳聋病人脑功能网络演化的评估方法，包括以下步骤：

步骤S1、实时采集感应性耳聋病人的脑电EEG信号数据，并依据实时的 所述脑电EEG信号数据构建实时脑功能网络；

步骤S2、基于所述实时脑功能网络构建依实时脑功能网络的时序排布的 包含神经性耳聋病人脑功能网络演化特征的脑功能网络演化数据链；

步骤S3、基于所述脑功能网络演化数据链分析获得神经性耳聋病人脑功 能网络演化结果并进行有效评估。

作为本发明的一种优选方案，所述步骤S1中，构建实时脑功能网络的具 体方法包括：

步骤S101、在所述神经性耳聋病人的头皮表层设置采集电极实时采集脑 电EEG信号数据，并对所述脑电EEG信号数据进行预处理；

步骤S102、基于体场功率计算预处理后的所述脑电EEG信号数据的微状 态以及微状态时间序列；

步骤S103、基于所述采集电极、所述微状态以及微状态时间序列构建包 含脑功能实时特征的实时脑功能网络。