[发明专利]一种静息态同步EEG-fMRI的脑功能网络建模方法

说明书

本发明公开了一种静息态同步EEG‑fMRI的脑功能网络建模方法，涉及神经信号处理研究领域。该方法的具体步骤为：一、EEG信号预处理，提取带限能量信号并构建回归项；二、fMRI信号预处理，提取各脑区的BOLD信号；三、对fMRI提取的各脑区BOLD信号和由EEG得到的回归项分别进行主成分分析；四、对上一步得到的两种信号的主成分进行典型相关分析；五、对静息态同步EEG‑fMRI的脑功能网络进行建模。用本发明提出的方法可以得到多个脑功能网络，这些脑网络与现有的研究成果具有很高的一致性，证明了该建模方法的有效性，为静息态脑功能研究提供了一种新的思路和方案。

技术领域

本发明属于神经信号处理研究领域，涉及脑功能网络建模方法，特别涉及一种静息态同步EEG-fMRI的脑功能网络建模方法。

背景技术

人类所有的高级认知功能如思维、情感和意识依赖大脑，大脑是一个极其复杂的系统。大脑虽然只占人体2％的质量，却消耗了20％的能量。在没有任务的时候，大脑也会进行活动，人们将大脑这种不由外部刺激引起，不受被试意愿控制，自发产生神经活动的状态称作“静息态”。研究发现大脑在任务态比静息态增加的能量消耗通常不超过5％，而占大脑总能耗60％以上的能量用于自发神经活动，可见静息态在人脑功能中占据着重要地位。

脑功能网络是多个大脑区域的集合，这些脑区在静息态和任务态下都会进行同步活动。随着各种无创脑功能成像技术的出现，人类已经可以在微观和宏观不同尺度水平上探测大脑的活动。脑电图(Electroencephalogram，EEG)可以检测到脑活动在毫秒级的变化情况，具有很高的时间分辨率，而功能磁共振成像(functional Magnetic ResonanceImaging，fMRI)能以毫米级的精度定位同步振荡发生的位置，具有很高的空间分辨率。目前已经出现了多种基于EEG和fMRI的单模态脑功能网络建模方法。

静息态fMRI已被应用于多种神经疾病的研究中，如癫痫、阿尔兹海默症、精神分裂症、注意力不集中症、抑郁症等。对于阿尔兹海默症等疾病，fMRI研究结果与早期的研究相一致，但对于精神分裂症等疾病，研究结果的再现性较差。为了更深入的研究这些疾病，需要理解大脑中自发振荡的潜在机理，这可以通过多模态研究方法实现。此外，利用fMRI对静息态脑功能网络建模，由于没有外界刺激，要对所建网络进行解释非常困难，将EEG特征与fMRI信号结合，可以更好地解释脑功能网络代表的生理意义，并且对于还不清楚的EEG特征也能找到fMRI信号的支持证据。因此，越来越多的研究人员开始关注同步EEG-fMRI的研究。

同步EEG-fMRI的数据分析方法有比较方法、非对称融合方法和对称融合方法。比较方法仅仅对EEG和fMRI数据进行比较分析，没有进行模态间的数据融合；非对称融合方法假设EEG和fMRI测得的神经活动完全相同，这种假设缺乏一定的生理基础；目前已有的对称融合方法大多只关注事件相关电位与fMRI数据的融合，尚未见到对静息态同步EEG-fMRI的对称融合方法的研究。

基于以上研究背景，本发明提出了一种静息态同步EEG-fMRI的脑功能网络建模方法，该方法对同步数据进行对称融合，并利用融合结果进行脑功能网络建模，为有效整合两种模态的信息提供了一种新的思路和方案。

发明内容

本发明提出了一种静息态同步EEG-fMRI的脑功能网络建模，该方法能够有效融合静息态下两种模态的信息，包含以下具体步骤：