CN102512162A - 基于多模式脑电小波分析的术中运动区功能定位系统 - Google Patents
基于多模式脑电小波分析的术中运动区功能定位系统 Download PDFInfo
- Publication number
- CN102512162A CN102512162A CN2011104292895A CN201110429289A CN102512162A CN 102512162 A CN102512162 A CN 102512162A CN 2011104292895 A CN2011104292895 A CN 2011104292895A CN 201110429289 A CN201110429289 A CN 201110429289A CN 102512162 A CN102512162 A CN 102512162A
- Authority
- CN
- China
- Prior art keywords
- electroencephalogram
- mode
- signal
- classification
- rhythm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000004807 localization Effects 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 230000033764 rhythmic process Effects 0.000 claims abstract description 44
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 230000003321 amplification Effects 0.000 claims abstract description 12
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 12
- 230000033001 locomotion Effects 0.000 claims description 35
- 238000000354 decomposition reaction Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 12
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 claims description 10
- 239000002356 single layer Substances 0.000 claims description 10
- 239000010410 layer Substances 0.000 claims description 9
- 210000003710 cerebral cortex Anatomy 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 229910052697 platinum Inorganic materials 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 210000001951 dura mater Anatomy 0.000 claims description 2
- 210000004556 brain Anatomy 0.000 abstract description 24
- 238000000034 method Methods 0.000 abstract description 23
- 230000008569 process Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 22
- 230000001054 cortical effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000002566 electrocorticography Methods 0.000 description 9
- 238000000537 electroencephalography Methods 0.000 description 9
- 238000005070 sampling Methods 0.000 description 9
- 230000000638 stimulation Effects 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 7
- 231100000915 pathological change Toxicity 0.000 description 7
- 230000036285 pathological change Effects 0.000 description 7
- 206010028980 Neoplasm Diseases 0.000 description 6
- 230000001939 inductive effect Effects 0.000 description 6
- 238000007635 classification algorithm Methods 0.000 description 5
- 230000002739 subcortical effect Effects 0.000 description 5
- 230000003925 brain function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 206010015037 epilepsy Diseases 0.000 description 4
- 210000005036 nerve Anatomy 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 208000001654 Drug Resistant Epilepsy Diseases 0.000 description 2
- 230000002902 bimodal effect Effects 0.000 description 2
- 230000003920 cognitive function Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008449 language Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000007659 motor function Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000002980 postoperative effect Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 208000022211 Arteriovenous Malformations Diseases 0.000 description 1
- 208000003163 Cavernous Hemangioma Diseases 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 208000009443 Vascular Malformations Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005744 arteriovenous malformation Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000007321 biological mechanism Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 230000003727 cerebral blood flow Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000001037 epileptic effect Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 208000030173 low grade glioma Diseases 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 206010033675 panniculitis Diseases 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 210000004304 subcutaneous tissue Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一个基于多模式脑电小波分析的术中运动区功能定位系统,该系统通过植入电极阵列采集皮质脑电信号,经放大滤波器处理,再经A/D转换器输入脑电信号预处理单元进行小波分析的分解与重构,对各电极采集的数据进行预处理滤波,滤波后信号分别经过mu节律特征提取单元、mu节律和SCP信号特征提取单元、SCP信号模式分类单元进行特征提取和分类,然后再由组合分类单进行双模式组合分类,识别特异性电极,最后完成功能区定位图处理输出。本发明公开的定位系统能够准确、快速、无创地检测运动功能区脑电信号并完成输出脑运动区功能定位图。通过脑运动区皮质脑电信号的特异性分析,实现人体神经外科手术的大脑皮质运动区术中功能定位临床应用。
Description
技术领域
本发明涉及医疗电子器械领域,具体涉及一种基于多模式脑电小波分析的术中运动区功能定位系统。
背景技术
大脑功能区病变,主要指位于运动、感觉和语言区的肿瘤,血管畸形和癫痫灶,其发病率,由世界卫生组织在我国组织的大规模的调查报告仅仅癫痫的患病率就有8‰,我国现有癫痫病人1000多万人,其中药物难治性癫痫占癫痫病人的30%左右,我国目前有300万的难治性癫痫病人需要手术治疗,这还不包括位于功能区的低级别胶质瘤,转移瘤,原发良性肿瘤,海绵状血管瘤和动静脉畸形等。大脑功能区病变不仅严重威胁人的生命,而且严重影响病人的生存和生活质量,同时造成的个人、社会和经济负担都是长久且巨大的,已成为严重的社会、经济和人文关怀问题。
神经外科手术治疗是大脑功能区病变首选治疗方法之一,通过功能区定位确定大脑神经脑功能区边界, 帮助医生最大限度地切除病灶而控制肿瘤的生长和复发,同时尽可能地保护病灶周围的正常脑组织,避免神经功能损害,保留正常的神经功能,关系到病人术后的生存质量。如何术中准确实时“脑功能区”定位就是此类手术的关键。
目前,神经皮质(运动区)功能定位的方法主要包括显微神经外科技术、神经影像技术、神经电生理技术等方法。
经典解剖功能定位对于临床医学具有重要意义,但有一定误差,由于个体差异及肿瘤的占位效应,引起功能区推移和重塑,经典解剖功能定位误差可达20mm。
依靠影像技术的高分辨率螺旋CT及功能型磁共振(f-MRI),以及单光子发射计算机断层扫描(SPECT)、正电子发射计算机断层扫描(PET)、脑磁图(MEG)及手术导航系统可以做到皮质生理解剖定位,但影像学方法存在一定假阳性,尚不能实时监测手术进程以及确定脑功能的状态。功能型磁共振(f-MRI)是依靠脑血流中血氧水平进行功能定位,病变影响脑皮层的血液供应会出现最大可达20mm的误差。正电子发射计算机断层扫描(PET)系统也可以对脑代谢活跃的区域进行定位,但它与电生理刺激所显示的功能区,仅有65%的符合率。
基于电生理技术的术中皮质或皮质下直接电刺激术可实时确定运动、感觉、语言甚至记忆等脑功能的皮质和皮质下功能区定位,是目前最准确、可信的常用脑功能区定位方法,基于电生理技术的术中皮质或皮质下直接电刺激术的精确度可达5 mm左右;但是存在电刺激可能损伤大脑皮质、触发癫痫和二次手术等问题,而且操作时间长达0.5至数小时。
上述功能区定位方法的缺陷已表现在神经外科手术治疗实践中,传统手术的功能定位技术不能完全分辨和掌握功能结构与病变的关系,极易在切除病灶时导致大脑功能结构损害,据统计传统手术的永久性神经功能损害并发症为13-27%。另外,由于功能区病变手术容易出现严重并发症,也使得手术医生手术切除不积极,常常进行姑息性切除,如低级别胶质瘤的完全切除和次全切除率仅为43%。这样不仅使病变术后治疗变得困难,而且容易造成疾病的复发或症状难以控制,严重影响治疗预后。
由此可见,目前的神经皮质(运动区)功能定位方法在速度、准确和安全性方面不能完全满足脑功能区手术需要。如何能在术中准确、快速、无创,甚至非唤醒状态下定位脑功能区是一直困扰临床和神经医学研究的基础理论问题,亟待解决。
本发明针对上述问题,以运动区特异性脑电多模式脑电为原理,结合小波变换,公开一种基于多模式脑电小波分析的术中运动区功能定位系统。该系统能够准确、快速、无创地检测运动功能区脑电信号输入,通过脑运动区多模式脑电信号的特异性分析,完成脑运动区功能定位图的输出,实现人体神经系统大脑皮质运动区功能定位的准确、快速、无创临床应用。
目前国内外尚未见有一种基于多模式脑电小波分析的神经外科术中运动区功能定位系统的报道;同时,国内外也尚无在临床上应用的基于多模式脑电小波分析的神经外科术中运动区功能定位系统。因此研发具有自主知识产权的基于多模式脑电小波分析的神经外科术中运动区功能定位系统,实现准确、快速、无创的脑运动区功能定位,将帮助医生最大限度地切除病灶,同时尽可能地保护正常脑功能,提高患者术后生存质量,对未来大脑外科手术具有重大的应用价值。同时,为下一步皮质脑电定位高级认知功能皮质的生物机理科学研究提供新的技术方法手段,对未来大脑高级认知功能科学研究具有重大意义。具有巨大的社会和经济效应前景。
发明内容
运动区脑电的特异性具有多模式特征,一个运动事件导致事件相关电位(ERP)形式的慢皮层电位(SCP)发生, 同时也能以事件相关去同步化(ERD)和事件相关同步化(ERS)的形式使mu节律(感觉运动区皮质的特异性脑电节律)发生改变。由于产生机理不同,两个生理特征彼此独立性同时存在,结合多个特征来进行分类器的设计,可以提高分类的性能,减少误检和漏检。
基于上述原理,本发明采用的技术方案如下所述:
一种基于多模式脑电小波分析的术中运动区功能定位系统,包括脑电信号采集模块,信号处理模块,功能区定位地图输出模块三个部分,所述信号处理模块包括脑电信号预处理单元、mu节律特征提取单元、mu节律模式分类单元、SCP信号特征提取单元、SCP信号模式分类单元和组合分类单元。脑电信号采集模块采集的脑电信号,经由脑电信号预处理单元进行预处理滤波后分两路:一路信号传送至mu节律特征提取单元提取特异性mu节律特征,再通过mu节律模式分类单元进行分类后传送至组合分类单元;另一路同时传送至SCP信号特征提取单元提取特异性SCP节律特征,再通过SCP信号模式分类单元进行分类后传送至组合分类单元;组合分类单元结合两路信号分类结果进行双模式组合分类,识别各电极的特异性属性;最后通过功能区定位地图输出模块反馈定位结果。
所述脑电信号采集模块包括植入式电极、放大滤波器和A/D 转换器,植入式电极采集脑电信号,经由放大滤波器进行放大滤波处理,然后通过A/D转换器将脑电信号转换为数字信号,最后输入到信号处理模块。
所述植入式电极为硬膜铂电极,包括铂6*8或8*8电极阵列,电极直径为4mm,相邻电极间距为10mm。植入式电极安放在人的大脑皮质上。放大滤波器和A/D 转换器采用Synamps2 放大器,用于电极检测信号的放大和数字化。
所述脑电信号预处理单元的预处理滤波包括多尺度分解。所述多尺度分解利用离散db5小波变换进行8层小波分解。所述mu节律特征提取单元提取d6单层细节系数,其余系数置0,然后进行全点数重构,其重构后的信号Sd6作为mu节律输出。所述mu节律模式分类单元以40%为特征阈值对mu节律进行是/否分类。所述SCP特征提取单元提取a8单层细节系数,其余系数置0,然后进行全点数重构,其重构后的信号Sa8作为SCP信号输出。所述SCP模式分类单元以1.6为特征阈值对SCP进行是/否分类。然后组合分类单元再结合SCP特征提取单元和mu节律模式分类单元的分类结果来进行双模式组合(与,或,异或)进行分类。
特征提取单元所涉及的具体过程如下:将训练组ECoG数据输入matlab软件应用程序,利用离散db5小波变换对原始ECoG数据进行8层小波分解并重构各单子频带信号,提取各单子频带重构信号在运动事件发生前后的能量比(ERD指标)为初始特征量,比较其大小确定特征频带。 运用小波Mallat 算法的分解和重构算法见公式(3)。
其中,H、G为时域中的小波分解滤波器,h、g为时域中的小波重构滤波器;t为离散时间序列,t=1,2,……,N;j为分解层数,j=1,2,……J,J为分解深度,f(t)为原始信号。a j 为f (t)在第j层近似部分的小波系数;d j 为f(t)在第j层细节部分的小波系数。
重构各单子频带信号时,只提取单层近似或细节系数,其余系数置0,然后对该单层系数进行全点数重构。重构信号特征量(运动事件发生前后2秒内能量比ERD)的计算见公式(4):
其中,ER为运动事件前2秒内的各子频带重构信号的每个采样点值的平方和,EA为计算运动事件后2秒内的各子频带重构信号的每个采样点值的平方和。
所述功能区定位地图输出模块输出的运动特异性功能区定位图,是结合组合分类单元的组合(与,或,异或)分类识别的特异性电极坐标为边界点拟合边界曲线,即:运动特异性功能区定位图,闭合曲线围成的区域为运动特异性功能区。
本发明相对现有技术具有如下优点和效果:
(1)特异性检出正确率高:本发明基于运动功能区mu节律的事件ERD特异性和SCP的事件ERP特异性,选择了合理的特征频带、特征值,其特征提取和分类算法具有可靠的检测原理,从根本上保证了特异性检出正确率,检出正确率达到78%-100%,误检率0%-16%,进一步减少误检和漏检。
(2)电极检测精度高:系统采用的电极具有4mm直径和10mm的植入式电极间距离,具有较高的空间和频率分辨率,能提供电极中心点附近5mm半径范围内神经元的电活动信息。特征阈值的实质是在电极中心点附近5mm半径范围内检测到的最小有效特征量。以此计算本系统的定位空间微观精确度可达5 mm。与术中皮质或皮质下直接电刺激术相比,本系统进一步提高了检测精确度。
(3)检测速度快:本系统以诱发脑电ERP的SCP和自发脑电mu节律的ERD为运动功能区的特异性脑电为检测对象,自发脑电mu节律的ERD的采样实验周期和时间窗口为4秒,诱发脑电ERP的SCP的的采样实验周期和时间窗口为4秒,并采用单次特异性脑电提取方式,因此,理论上采样速度为4秒。考虑可靠性采用10次采样实验结果共同判断的方法,再加上计算机处理的时间,本系统一次功能定位检测时间为60秒。 与术中皮质或皮质下直接电刺激术操作时间长达0.5至数小时相比,本系统极大提高了检测速度,极大减少了医生手术时间和病人的痛苦,节省巨大的人力和物力,具有良好的经济和人文关怀价值。
(4)检测无创性:本系统并以诱发脑电ERP的SCP和自发脑电mu节律的ERD为运动功能区的特异性脑电,其脑电信号的检测为被动检测方式,无主动刺激造成的创伤。避免了术中皮质或皮质下直接电刺激术可能损伤大脑皮质、触发癫痫等问题。极大减少了医生手术时间和病人的痛苦,节省巨大的人力和物力,具有良好的经济和人文关怀价值。
附图说明
图1为基于运动区多模式脑电脑功能定位系统结构图。
图2为脑电信号采集系统结构图。
图3为单次试验小波信号分解与重构。
图4为原始信号的小波变换滤波。
图5为多模式特征提取和分类算法流程框图。
图6为运动特异性功能区定位图。
图7为双模式组合(或,与,异或)分类功能区定位图示意图。
具体实施方式
以下结合附图和实施例对本发明作进一步说明,但本发明的实施不限于此。
一种基于多模式脑电小波分析的术中运动区功能定位系统,如图1所示,包括脑电信号采集模块,信号处理模块,功能区定位地图输出模块三个部分,信号处理模块包括脑电信号预处理单元、mu节律特征提取单元、mu节律模式分类单元、SCP信号特征提取单元和SCP信号模式分类单元。脑电信号采集模块的组成如图2所示,包括植入式电极、放大滤波器和A/D 转换器。该系统通过植入式电极的硬膜下电极阵列采集皮质脑电信号ECoG,经由放大滤波器进行放大滤波处理,然后通过A/D转换器将脑电信号转换为数字信号,再输入到信号处理模块;信号处理模块的脑电信号预处理单元通过小波分析的分解与重构算法,对各电极采集的数据进行预处理滤波后的信号分两路:一路信号传送至mu节律特征提取单元提取特异性mu节律特征,再通过mu节律模式分类单元进行分类后传送至组合分类单元;另一路同时传送至SCP信号特征提取单元提取特异性SCP节律特征,再通过SCP信号模式分类单元进行分类后传送至组合分类单元;组合分类单元结合两路信号分类结果进行双模式组合分类,识别各电极的特异性属性;最后通过功能区定位地图输出模块反馈定位结果。
在每位病人的大脑皮质上安放硬膜下电极阵列提取ECoG数据,为病人植入硬膜铂6*8的电极阵列(subdural electrode arrays (Ad-Tech, Racine, WI),每个电极直径为4mm,相邻电极间距离为10mm;Synamps2 放大器(Neuroscan,ElPaso,TX)用于电极检测信号的放大和数字化,ECoG数据采样率为1000Hz,通过0.05~200Hz通带滤波。
信号处理模块由综合计算机处理系统提供,向病人提供运动指示并储存指示时间,接收并储存Synamps2 放大器处理后的脑电信号数据。
每次实验时,根据计算机显示屏的“运动—休息”指示,病人先运动手指2秒,然后休息2秒;再重复多次上述相同实验。采集位于大脑神经皮质运动功能区的特定皮质区域ECoG数据,共进行10次采集数据,用于信号处理模块的处理工作。
根据mu节律、SCP信号和工频干扰的频带确定分解层次:本发明所研究的脑电信号包含mu节律(8 - 12 Hz)、一些瞬变信号以及工频干扰(50 Hz),经频带频率计算确定分解层次为8,各小波分解系数所对应的频带,见表1;
表1:各小波分解系数所对应的频带
小波分解系数 | 频带频率计算公式 | 频率范围(H z) |
a8 | 0,fs/512 | 0--1.95 |
d8 | fs/512,fs/256 | 1.95--3.9 |
d7 | fs/256,fs/128 | 3.9--7.8125 |
d6 | fs/128,fs/64 | 7.812--15.625 |
d5 | fs/64,fs/32 | 15.62-5-31.25 |
d4 | fs/32,fs/16 | 31.25--62.5 |
d3 | fs/16, fs/8 | 62.5--125 |
d2 | fs/8, fs/4 | 125--250 |
d1 | fs/4, fs/2 | 250--500 |
脑电信号预处理单元利用小波变换的多分辨率特性,将含有噪声的脑电信号进行多尺度分解,得到不同频带的子带信号。具体如下:将单次试验带有背景噪声的原始皮层脑电数据输入matlab软件应用程序,利用离散db5小波变换进行8层小波分解,结果见图3。图中横坐标表示时间,单位是采样点数(采样频率为 1000Hz),纵轴表示幅度,单位为μV。横坐标的零时刻对应实验开始的时刻。d1~d8是尺度1~8上小波分解的细节信号,a8是尺度8上的小波分解的逼近信号。
图5为多模式特征提取和分类算法流程框图,具体步骤如下所述:mu节律特征提取单元对含有噪声的频带进行处理,然后重构去除工频干扰等噪声后的脑电信号,并提取出mu节律运动区特异性脑电信号。具体如下:提取出mu节律(频率范围8-12 Hz),只提取d6(频率范围7.812-15.625 Hz)单层细节系数,其余系数置0,然后对该单层系数进行全点数重构,其重构信号Sd6作为mu节律输出,同时SCP信号特征提取单元对含有噪声的频带进行处理,然后重构去除工频干扰等噪声后的脑电信号,并提取出SCP运动区特异性脑电信号。具体如下:提取出SCP特征信号(频率范围0 - 2 Hz),只提取a8(频率范围0-1.95 Hz)单层细节系数,其余系数置0,然后对该单层系数进行全点数重构,其重构信号Sa8作为SCP特征信号输出,其输出信号见图4。同时,消除了工频干扰等噪声和其他一些瞬变干扰信号。图中横坐标表示时间,单位是采样点数(采样频率为1000Hz),纵轴表示幅度,单位为μV。横坐标的零时刻对应实验开始的时刻。
mu模式分类单元根据运动区脑电的特异性mu节律特征,以d6(7.812-15.625 Hz)特征频带重构信号的ERD/ERS指标为特征值,以40%为特征阈值进行“是/否”分类;SCP模式分类单元根据运动区脑电的SCP信号特征,以a8(0-1.95 Hz)特征频带重构信号的ERP指标为特征值,以1.6为特征阈值进行“是/否”分类;然后结合两个单模式分类结果进行双模式组合(与,或,异或)分类,识别各电极的特异性属性。其具体过程如下:
运动区mu 节律的特征提取与分类算法是:利用离散db5小波变换对原始ECoG数据进行8级小波分解并重构各单子频带信号,以d6(7.812-15.625 Hz)特征频带重构信号的ERD/ERS指标为特征值,以40%为特征阈值进行“是/否”分类。其分类结果是包含全部48个电极特异性属性的特征向量mu(X1,…Xi…,X48)。其中,i为电极编号,Xi为i电极的特异性“是/否”属性,用1/0表示,1表示电极“是”特异性电极,0表示电极“不是”特异性电极。
运动区SCP信号特征提取和分类算法是:采用离散db5 小波变换对原始ECoG数据进行8级小波分解与重构,以a8(频率范围0-1.95H z)特征频带重构信号Sa8的ERP指标为特征值,以1.6为特征阈值进行“是/否”分类。其分类结果是包含全部48个电极特异性属性的特征向量SCP(Y1,…Yi…,Y48)。其中,i为电极编号,Yi为i电极的特异性“是/否”属性,用1/0表示。1表示电极“是”特异性电极,0表示电极“不是”特异性电极。
双模式组合分类:组合分类单元结合二个单模式分类结果来进行双模式组合(与,或,异或)分类,可以提高分类器的性能,减少误检和漏检。包括三种组合模式:
(1)双模式组合(与)分类:其分类结果是包含全部48个电极特异性属性的特征向量AND(Z1,…,Zi,…,Z48)。其中,i为电极编号,Zi= Xi AND Yi,用1/0表示。其中:为1的电极表示二种单模式分类都肯定其为特异性电极,此电极是“绝对性”特异性电极。全部为1的电极组成的区域在特异性功能定位区内是“绝对”。
(2)双模式组合(或)分类:其分类结果是包含全部48个电极特异性属性的特征向量OR(Z1,…,Zi,…,Z48)。其中,i为电极编号,Zi= Xi OR Yi,用1/0表示。其中:为1的电极表示二种单模式分类之一肯定其为特异性电极,此电极为“可能性”特异性电极。全部为1的电极组成的区域在特异性功能定位区内是“可能”的。
(3)双模式组合(异或)分类:其分类结果是包含全部48个电极特异性属性的特征向量XRL(Z1,…,Zi…,Z48)。其中,i为电极编号,Zi= Xi XRL Yi,用1/0表示,为1的电极表示二种单模式分类认为其特异性电极有分歧,此电极为“有争议性”特异性电极。全部为1的电极组成的区域在特异性功能定位区是“有争议”,需要二次确认。
运动区特异性多模式脑电功能区定位图输出:根据双模式组合(或,与,异或)分类的结果,实现三种双模式组合(或,与,异或)功能区定位图输出。逐步确定运动特异性功能区的最大确定范围,最小确定范围和“有争议”范围。应用于医学临床手术功能区定位时,与其它方法(如皮质电刺激法等)配合二次功能区定位,确定运动特异性功能区的边界,形成最后的精确运动功能区定位图。
以硬膜下电极阵列的结构形成坐标系, 以全部48个特异性电极的坐标为边界点拟合边界曲线,形成闭合曲线图就是运动特异性功能区定位图,闭合曲线内围成的区域为运动特异性功能区。其中植入硬膜下6*8电极阵列(subdural electrode arrays )的电极具有4mm直径和10mm的电极间距离,见图6所示。
运动功能区定位图输出分为三步实现:根据双模式组合(或,与,异或)分类的结果,实现三种双模式组合(或,与,异或)功能区定位图输出。
(1)双模式组合(或)功能区定位图输出:双模式组合(或)分类结果是包含全部48个电极特异性属性的特征向量OR(Z1,…,Zi…,Z48)。其中,全部为1的电极组成的区域在特异性功能定位区内是“可能”的,以其坐标为边界点拟合边界曲线,形成闭合曲线图就是双模式组合(或)功能区定位图,如图7所示的A、B和C部分的总和。
医学临床手术功能区定位时,其闭合曲线内围成的区域表示运动特异性功能区的最大确定范围,其内包含运动特异性功能区,确定手术功能区定位的初步范围。
(2)双模式组合(与)功能区定位图输出:双模式组合(与)分类结果是包含全部48个电极特异性属性的特征向量AND(Z1,… ,Zi,…,Z48)。其中,全部为1的电极组成的区域在特异性功能定位区内是“绝对”的,以其坐标为边界点拟合边界曲线,形成闭合曲线图就是双模式组合(与)功能区定位图,如图7所示的B部分。
医学临床手术功能区定位时,其闭合曲线内围成的区域表示运动特异性功能区的最小确定范围,其内“绝对”是运动特异性功能区,是手术不可切除范围。
(3)双模式组合(异或)功能区定位图输出:双模式组合(异或)分类结果是包含全部48个电极特异性属性的特征向量XRL(Z1,…,Zi,….,Z48)。其中,全部为1的电极组成的区域在特异性功能定位区是“有争议”,以其坐标为边界点拟合边界曲线,形成闭合曲线图就是双模式组合(异或)功能区定位图,如图7所示的A和C部分的总和。
医学临床手术功能区定位时,其闭合曲线内围成的区域表示运动特异性功能区的最大“有争议”范围,其内包含运动特异性功能区的边界,需要进一步用其它方法(如皮质电刺激法等)二次功能区定位,确定运动特异性功能区的边界,形成最后的精确运动功能区定位图,医生按此图进行手术。
Claims (10)
1.一种基于多模式脑电小波分析的术中运动区功能定位系统,包括脑电信号采集模块,信号处理模块,功能区定位地图输出模块三个部分,其特征在于所述信号处理模块包括脑电信号预处理单元、mu节律特征提取单元、mu节律模式分类单元、SCP信号特征提取单元、SCP信号模式分类单元和组合分类单元;脑电信号采集模块采集的脑电信号,经由脑电信号预处理单元进行预处理滤波后分两路:一路信号传送至mu节律特征提取单元提取特异性mu节律特征,再通过mu节律模式分类单元进行分类后传送至组合分类单元;另一路同时传送至SCP信号特征提取单元提取特异性SCP节律特征,再通过SCP信号模式分类单元进行分类后传送至组合分类单元;组合分类单元结合两路信号分类结果进行双模式组合分类,识别各电极的特异性属性;最后通过功能区定位地图输出模块反馈定位结果。
2.根据权利要求1所述所述的一种基于多模式脑电小波分析的术中运动区功能定位系统,其特征在于所述脑电信号采集模块包括植入式电极、放大滤波器和A/D 转换器,植入式电极采集脑电信号,经由放大滤波器进行放大滤波处理,然后通过A/D转换器将脑电信号转换为数字信号,最后输入到信号处理模块。
3.根据权利要求2所述的一种基于多模式脑电小波分析的术中运动区功能定位系统,其特征在于所述植入式电极为硬膜铂电极,包括铂6*8或8*8电极阵列,电极直径为4mm,相邻电极间距为10mm;所述植入式电极安放在人的大脑皮质上。
4.根据权利要求2所述的一种基于多模式脑电小波分析的术中运动区功能定位系统,其特征在于放大滤波器和A/D 转换器采用Synamps2 放大器,用于电极检测信号的放大和数字化。
5.根据权利要求1所述的一种基于多模式脑电小波分析的术中运动区功能定位系统,其特征在于所述脑电信号预处理单元的预处理滤波包括多尺度分解。
7.根据权利要求6所述的一种基于多模式脑电小波分析的术中运动区功能定位系统,其特征在于所述mu节律特征提取单元提取d6单层细节系数,其他系数置零,然后进行全点数重构,其重构后的信号Sd6作为mu节律输出;SCP信号特征提取单元提取a8单层细节系数,然后进行全点数重构,其重构后的信号Sa8作为SCP输出;所述重构信号特征量(运动事件发生前后2秒内能量比ERD)的计算见公式(2),
(2);
其中,ER为运动事件前2秒内的各子频带重构信号的每个采样点值的平方和,EA为计算运动事件后2秒内的各子频带重构信号的每个采样点值的平方和。
8.根据权利要求7所述的一种基于多模式脑电小波分析的术中运动区功能定位系统,其特征在于所述mu节律模式分类单元以40%为特征阈值对mu节律进行是/否分类,SCP信号模式分类单元以1.6为特征阈值对SCP进行是/否分类。
9.根据权利要求8所述的一种基于多模式脑电小波分析的术中运动区功能定位系统,其特征在于所述组合分类单元结合mu节律模式分类单元和SCP信号模式分类单元的分类结果来进行双模式组合分类,识别特异性电极;所述双模式组合分类包括与、或、异或组合。
10.根据权利要求9所述的一种基于多模式脑电小波分析的术中运动区功能定位系统,其特征在于所述功能区定位地图输出模块输出的运动特异性功能区定位图,是以双模式分类结果识别的特异性电极坐标为边界点拟合边界曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104292895A CN102512162A (zh) | 2011-12-20 | 2011-12-20 | 基于多模式脑电小波分析的术中运动区功能定位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104292895A CN102512162A (zh) | 2011-12-20 | 2011-12-20 | 基于多模式脑电小波分析的术中运动区功能定位系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102512162A true CN102512162A (zh) | 2012-06-27 |
Family
ID=46283461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104292895A Pending CN102512162A (zh) | 2011-12-20 | 2011-12-20 | 基于多模式脑电小波分析的术中运动区功能定位系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102512162A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106725463A (zh) * | 2017-01-18 | 2017-05-31 | 浙江大学 | 应用皮层脑电信号对大脑皮层手部功能区定位的方法和系统 |
CN109727672A (zh) * | 2018-12-28 | 2019-05-07 | 江苏瑞尔医疗科技有限公司 | 患者胸腹部肿瘤呼吸运动预测跟踪方法 |
CN112690805A (zh) * | 2020-12-14 | 2021-04-23 | 华南理工大学 | 一种基于聚类和分类算法的ECoG术中脑功能定位方法 |
CN114027976A (zh) * | 2021-11-16 | 2022-02-11 | 上海交通大学重庆研究院 | 侵入式神经电生理导航系统和方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5638826A (en) * | 1995-06-01 | 1997-06-17 | Health Research, Inc. | Communication method and system using brain waves for multidimensional control |
CN101980106A (zh) * | 2010-10-15 | 2011-02-23 | 华南理工大学 | 一种脑机接口的二维光标控制方法及装置 |
CN202397463U (zh) * | 2011-12-20 | 2012-08-29 | 华南理工大学 | 基于多模式脑电小波分析的术中运动区功能定位系统 |
-
2011
- 2011-12-20 CN CN2011104292895A patent/CN102512162A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5638826A (en) * | 1995-06-01 | 1997-06-17 | Health Research, Inc. | Communication method and system using brain waves for multidimensional control |
CN101980106A (zh) * | 2010-10-15 | 2011-02-23 | 华南理工大学 | 一种脑机接口的二维光标控制方法及装置 |
CN202397463U (zh) * | 2011-12-20 | 2012-08-29 | 华南理工大学 | 基于多模式脑电小波分析的术中运动区功能定位系统 |
Non-Patent Citations (1)
Title |
---|
姜涛: "基于皮质脑电的脑运动区功能定位原理与算法研究", 《中国博士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106725463A (zh) * | 2017-01-18 | 2017-05-31 | 浙江大学 | 应用皮层脑电信号对大脑皮层手部功能区定位的方法和系统 |
CN106725463B (zh) * | 2017-01-18 | 2020-02-21 | 浙江大学 | 应用皮层脑电信号对大脑皮层手部功能区定位的方法和系统 |
CN109727672A (zh) * | 2018-12-28 | 2019-05-07 | 江苏瑞尔医疗科技有限公司 | 患者胸腹部肿瘤呼吸运动预测跟踪方法 |
CN109727672B (zh) * | 2018-12-28 | 2023-04-07 | 江苏瑞尔医疗科技有限公司 | 患者胸腹部肿瘤呼吸运动预测跟踪方法 |
CN112690805A (zh) * | 2020-12-14 | 2021-04-23 | 华南理工大学 | 一种基于聚类和分类算法的ECoG术中脑功能定位方法 |
CN112690805B (zh) * | 2020-12-14 | 2022-03-29 | 华南理工大学 | 一种基于聚类和分类算法的ECoG术中脑功能定位方法 |
CN114027976A (zh) * | 2021-11-16 | 2022-02-11 | 上海交通大学重庆研究院 | 侵入式神经电生理导航系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nemtsas et al. | Source localization of ictal epileptic activity based on high‐density scalp EEG data | |
US9826914B2 (en) | Functional analysis of neurophysiological data | |
Wikswo Jr et al. | The future of the EEG and MEG | |
Ramsey et al. | Towards human BCI applications based on cognitive brain systems: an investigation of neural signals recorded from the dorsolateral prefrontal cortex | |
Groening et al. | Combination of EEG–fMRI and EEG source analysis improves interpretation of spike-associated activation networks in paediatric pharmacoresistant focal epilepsies | |
Di Gennaro et al. | Localizing significance of temporal intermittent rhythmic delta activity (TIRDA) in drug-resistant focal epilepsy | |
Stufflebeam | Clinical magnetoencephalography for neurosurgery | |
Velmurugan et al. | Magnetoencephalography recording and analysis | |
Whitmer et al. | Utility of independent component analysis for interpretation of intracranial EEG | |
Hughes et al. | Biomagnetic biomarkers for dementia: A pilot multicentre study with a recommended methodological framework for magnetoencephalography | |
CN102429658A (zh) | 基于脑电慢皮层电位小波分析的术中运动区功能定位系统 | |
Schwartz et al. | Magnetoencephalography | |
Gaetz et al. | Presurgical localization of primary motor cortex in pediatric patients with brain lesions by the use of spatially filtered magnetoencephalography | |
WO2021199042A1 (en) | System and method for mapping muscular activation | |
CN102512162A (zh) | 基于多模式脑电小波分析的术中运动区功能定位系统 | |
Witkowska-Wrobel et al. | Imaging of focal seizures with Electrical Impedance Tomography and depth electrodes in real time | |
Badier et al. | Magnetic source imaging in posterior cortex epilepsies | |
Bhattacharyya et al. | A review on brain imaging techniques for BCI applications | |
CN202397463U (zh) | 基于多模式脑电小波分析的术中运动区功能定位系统 | |
CN102512161A (zh) | 基于皮质脑电mu节律小波分析的术中运动区功能定位系统 | |
CN202397462U (zh) | 基于脑电慢皮层电位小波分析的术中运动区功能定位系统 | |
Zanos et al. | Electrocorticographic spectral changes associated with ipsilateral individual finger and whole hand movement | |
CN202397464U (zh) | 基于皮质脑电mu节律小波分析的术中运动区功能定位系统 | |
Das et al. | A role for retro-splenial cortex in the task-related P3 network | |
Wang et al. | The relationship between conductivity uncertainties and EEG source localization accuracy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120627 |