[发明专利]一种事件相关电位源定位方法

说明书

技术领域

本发明涉及生物信息技术领域，特别涉及脑电信号源电位技术。

背景技术

脑电图因其具有无创、高时间分辨率、能反映大尺度的神经电活动等特点，在脑功能研究与诊断中具有十分重要的地位。脑电是由脑内神经细胞群的电生理活动所产生的电势，经容积导体(由皮层、颅骨、脑膜及头皮等组织构成)传导后，在头皮表面的综合表现。通过对脑电数据的反演研究，可以定量地提供脑内神经活动源的位置、强度及分布情况，这就是脑电逆问题。脑电逆问题在神经科学基础研究和临床应用中具有重要意义。

脑电逆问题是一个不适定问题，其本质上是一个非线性优化问题。但由于非线性问题的复杂性，人们为了简化计算的复杂性，在脑电源的反演定位中，常用一线性方法去逼近非线性问题。因此从采用的方法上，可以把脑电源定位方法分为线性反演和非线性反演方法两类。

非线性反演方法不包括模型中源位置的先验假设，把大脑的一个相对集中小区域的电活动模拟为一个等效偶极子源。这个偶极子代表了该区域神经电活动的位置和方向信息。假设1到5个偶极子，计算产生的头表电活动与记录的电活动差异，可以通过非线性优化迭代得到偶极子的位置的方向参数。

线性反演又叫源成像方法，目前有最小模解(Minimum Norm Model，MNM)，加权最小模解(weighted Minimum Norm，WMN)，低分辨层析成像(Low-resolution electromagnetic tomography，LORETA)，多重稀疏先验(Multiple Sparse Prior model，MSP)以及动态统计参数成像(dynamic Statistical Parametric Mapping，dSPM)等。LORETA和MSP采用了解剖上的空间邻接关系作为先验，这两种方法中临近的区域被认为有相似的神经活动。dSPM则采用功能磁共振的激活信息作为先验。专利申请人于2011年前后国际上首次提出采用功能磁共振的连通信息作为先验的做法：网络源成像(Network-based source imaging，NESOI)[Lei X，Xu P，Luo C，Zhao J，Zhou D，Yao D(2011)：fMRI Functional Networks for EEG Source Imaging.Human Brain Mapping32：1141-1160.]。该方法根据脑区的功能磁共振是否有时间相关性，将脑区划分为大的模块，作为脑电源定位的先验。这些功能网络与空间邻接信息(LORETA采用)或功能激活信息(dSPM采用)不同，它们往往覆盖了空间上相隔很远的多个脑区。本方法是在网络源成像的基础上，将功能连接信息具体化和规范化，使用数个静息态脑网络作为先验对事件相关电位进行源成像。

发明内容

本发明的目的是提供一种引入静息态脑网络信息，更准确的定位事件相关电位的产生源的事件相关电位源定位方法。

本发明解决所述技术问题采用的技术方案是，通过贝叶斯理论，使用数个已知的静息态脑网络的空间分布信息和头表电位分布信息，得到每个网络对头表电位的贡献强度，求出事件相关电位的源分布。包括以下步骤：

(a)、事件相关电位提取，按刺激或反应对单试次的脑电进行叠加平均，得到待源定位的事件相关电位数据，用Y表示，Y为m行1列的向量，m表示电极个数；