[发明专利]基于脑电时频最大信息数网络的针刺脑卒中康复评估方法

权利要求书

1.一种基于脑电时频最大信息数网络的针刺脑卒中康复评估方法，其特征在于，包括如下步骤：

S1、同步采集针刺治疗后的受试者的脑电信号和肌电信号；

S2、处理脑电信号和肌电信号

S2-1、使用0.5-45Hz的带通滤波器对原始脑电信号进行滤波；

S2-2、独立成分分析去除脑电信号的伪影；

S2-3、使用10-500Hz的带通滤波器消除肌电信号的低频基线漂移情况，滤除运动伪影，同时消除混叠在肌电信号高频区的噪声干扰；

S2-4、使用陷波滤波器来消除工频干扰；

S2-5、采用小波去噪对肌电信号进行二次去噪；

S3、利用小波变换对脑电信号和肌电信号处理得到小波平均功率时间序列，再将其用最大信息系数来计算新的序列之间的耦合；

S4、将复杂网络应用在脑电信号的分析上，构建脑功能网络，使用最大信息系数作为脑功能网络中节点之间关联强度的计算方法，分别构建针刺组和对照组在3个治疗阶段下的脑功能网络；

S5、分析脑功能网络节点度、平均节点度以及全局效率，将其作为针刺治疗脑卒中后功能恢复指标，进而评估针刺脑卒中患者康复状况。

2.根据权利要求1所述的基于脑电时频最大信息数网络的针刺脑卒中康复评估方法，其特征在于，所述脑电信号采集的是受试者在做实验动作时的脑电信号，所述肌电信号采集的是受试者在做实验动作时对应上肢第一骨间背侧肌的肌电信号。

3.根据权利要求1所述的基于脑电时频最大信息数网络的针刺脑卒中康复评估方法，其特征在于，所述步骤S2-5中，对肌电信号进行二次去噪的方法如下：

使用dbN小波对信号进行4层小波分解，分解后得到小波系数W_j,k，再根据改进阈值函数得到估计小波系数其中改进阈值函数表达式如下：

其中结果为估计小波系数，W_j,k是原始小波系数，λ_j是所选的阈值，j表示的是分解的层数，N为调节参数。

4.根据权利要求1所述的基于脑电时频最大信息数网络的针刺脑卒中康复评估方法，其特征在于，所述步骤S3中，利用小波变换对脑电信号和肌电信号处理的方法为：

S3-1、对脑电信号和肌电信号分别按时间排列得到脑电时间序列和肌电时间序列；

S3-2、对脑电时间序列和肌电时间序列在Beta频段和Gamma频段做离散小波变换，得到脑电信号和肌电在Beta频段和Gamma频段的时频功率图，将其记作和其中和公式如下所示：

a＝a₀^m a₀＞0,m∈Z

b＝nb₀a₀^m b∈R，n∈Z

其中，x_i和y_i分别为输入的脑电时间序列和肌电时间序列，t为时间，F为对应的频段，为小波函数，a为尺度因子，b为平移因子，m为离散采样后的尺度因子，n为离散采样后的平移因子；

S3-3、读取时频功率图得到脑电信号和肌电信号的时频信号，并对时频信号做特定频段上的平均，得到特定频带的平均功率时间序列，分别记作和其中，和公式如下所示：

其中N_F为频段长度。