[发明专利]一种面向脑影像信号的空间复杂性分析方法

摘要

本发明公开了一种面向脑影像信号的空间复杂性分析方法。此方法包括如下步骤：S1、获取脑影像数据；S2、预处理所述脑影像数据；S3、基于经过预处理的所述脑成像数据，提取不同脑区的信号；S4、估计所述不同脑区信号的时域平均正则空间复杂性及每个脑区对时域平均正则化空间复杂性的贡献率；S5、估计所述不同脑区信号的正则空间复杂性的时域变异性及每个脑区对正则化空间复杂性的贡献率的时域变异性。上述方法克服了现有脑影像信号空间复杂性分析技术的局限性。 1

主权项

1.一种面向脑影像信号的空间复杂性分析方法，其特征在于，包括如下步骤：

S1、获取脑影像数据；

S2、预处理所述脑影像数据；

S3、基于经过预处理的所述脑成像数据，提取不同脑区的信号；

S4、估计所述不同脑区信号的时域平均正则空间复杂性及每个脑区对时域平均正则化空间复杂性的贡献率；

S5、估计所述不同脑区信号的正则空间复杂性的时域变异性及每个脑区对正则化空间复杂性的贡献率的时域变异性。

2.根据权利要求1所述的面向脑影像信号的空间复杂性分析方法，其特征在于，所述步骤S1的脑影像数据是EEG、MEG、fMRI或者fNIRS。

3.根据权利要求1所述的面向脑影像信号的空间复杂性分析方法，其特征在于，所述步骤S3中，当脑影像数据为EEG 、MEG或者fNIRS时，不同脑区的信号是指不同的数据采集通道；当脑影像数据为fMRI时，不同脑区的信号是指依据特定脑区分割方法得到的不同脑功能分区。

4.根据权利要求1所述的面向脑影像信号的空间复杂性分析方法，其特征在于，所述步骤S4是在不考虑空间复杂性指标的时域变异性的条件下，计算时域平均的指标。

5.根据权利要求1所述的面向脑影像信号的空间复杂性分析方法，其特征在于，所述步骤S4的时域平均正则空间复杂性是指：首先计算不同脑区信号的协方差矩阵的特征值，然后对该特征值进行正则化，最后计算正则化特征值的标准熵。

6.根据权利要求1所述的面向脑影像信号的空间复杂性分析方法，其特征在于，所述步骤S4的每个脑区对时域平均正则化空间复杂性的贡献率是指：首先计算全部所有脑区信号的正则化空间复杂性，然后将某个脑区的信号移除并计算剩余脑区信号的正则化空间复杂性，最后计算前述两步正则化空间复杂性的差值。

7.根据权利要求1所述的面向脑影像信号的空间复杂性分析方法，其特征在于，步骤S5中借助滑动窗口方法，将整段脑成像数据分为若干相互重叠的小分段，并进而在每个小分段计算不同脑区信号的正则空间复杂性及每个脑区对正则化空间复杂性的贡献率，最后计算这些小分段空间复杂性指标的标准差。