[发明专利]一种基于皮层脑电高频Gamma神经振荡的个体化脑功能映射方法

摘要

一种基于皮层脑电高频Gamma神经振荡的个体化脑功能映射方法，属于神经工程领域。所述方法包括以下步骤：对采集到的皮层脑电（ECoG）数据进行预处理；计算时频事件相关同步化强度；统计显著性检验并提取脑功能指数；个体化脑功能映射。所述方法通过对ECoG数据的深入挖掘能够快速、准确、全面地系统分析脑功能区相关脑电数据，获取脑功能指数，实现了有个体化针对性的脑功能映射，能够提升我们对复杂认知任务加工脑机制的理解，为认知神经科学脑功能研究以及临床神经科学基础研究提供有力帮助。

主权项

一种基于皮层脑电高频Gamma神经振荡的个体化脑功能映射方法，其特征在于，包括以下步骤：步骤S1，对采集得到的ECoG数据进行预处理；步骤S2，根据预处理后的ECoG数据，计算时频事件相关同步化强度；所述步骤S2具体包括以下步骤：步骤2.1：利用Morlet小波变换对预处理后的ECoG数据进行时频分析；${\mathrm{\ω}}_s(u,c)={\∫}_{-\∞}^{+\∞}s\left(t\right)\frac{1}{\sqrt{c}}{\mathrm{\ψ}}^{*}\left(\frac{t-u}{c}\right)\mathrm{dt}---\left(1\right)$其中，s(t)是待分析的ECoG信号，ψ(t)为Morlet母小波函数，*号表示共轭，u和c分别是平移因子和缩放因子，表示由母小波函数ψ(t)进过平移和缩放产生的一簇小波函数，u和c的大小由待分析ECoG信号的频率范围来确定，通过调整缩放因子能观测具有非平稳特性的ECoG信号的瞬时频谱特征，ω_s(u，c)表征了信号s(t)的时频谱图；所述Morlet小波函数ψ(t)的具体表达式为：$\mathrm{\ψ}\left(t\right)={\mathrm{\π}}^{-\frac{1}{4}}{e}^{{\mathrm{i\ω}}_{0}t}{e}^{-\frac{1}{2}{t}^2}---\left(2\right)$其中，ω₀是小波函数的中心角频率，为保证具有较好的时频分辨率一般取ω₀=6；利用Morlet小波与每个Trial的ECoG时间序列按公式（1）分别进行运算，得到时频谱图，然后把这些时频谱图平均叠加，这样计算得到每一电极通道的时频能量分布图；步骤2.2：利用事件相关同步化技术，计算其时频事件相关同步化强度ERS；量化计算公式为：$\left\{\begin{array}{c}\stackrel{\‾}{E(t,f)}=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ω}}_n(t,f)\\ \stackrel{\‾}{E_{\mathrm{ref}}\left(f\right)}=\frac{1}{{\mathrm{NN}}_{\mathrm{ref}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\underset{t\∈t_{\mathrm{ref}}}{\mathrm{\Σ}}{\mathrm{\ω}}_n(t,f)\\ \mathrm{ERS}(t,f)=\frac{\stackrel{\‾}{E(t,f)}-\stackrel{\‾}{E_{\mathrm{ref}}\left(f\right)}}{\stackrel{\‾}{E_{\mathrm{ref}}\left(f\right)}}\end{array}\right.---\left(3\right)$其中，ω_n(t，f)为时频谱图ω_s(u，c)按设定的时频分辨率离散化了的时频谱图，N为总的Trial数，n为Trial编号，N_ref为基线时长，一般设定为刺激呈现前的200ms,ERS(t，f)即为在时间t和频率f时的ERS强度值；步骤S3，对所述时频事件相关同步化强度进行统计显著性检验，提取脑功能指数；步骤S4，根据所述脑功能指数，在三维立体脑结构上进行个体化脑功能映射。