CN103258120A - 一种基于脑电信号的中风康复程度指标计算方法 - Google Patents
一种基于脑电信号的中风康复程度指标计算方法 Download PDFInfo
- Publication number
- CN103258120A CN103258120A CN2013101374553A CN201310137455A CN103258120A CN 103258120 A CN103258120 A CN 103258120A CN 2013101374553 A CN2013101374553 A CN 2013101374553A CN 201310137455 A CN201310137455 A CN 201310137455A CN 103258120 A CN103258120 A CN 103258120A
- Authority
- CN
- China
- Prior art keywords
- network
- node
- expression
- brain function
- task
- 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
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种基于脑电信号的中风康复程度指标计算方法。本发明首选被试根据提示执行左/右手运动想象任务,使用多通道脑电信号采集设备采集被试执行运动想象任务时的脑电信号。然后使用去公共平均参考方法降低公共噪声的水平,使用独立成分分析方法消除眼电伪迹,提高脑电信号的信噪比,使用巴特沃斯滤波器提取与运动想象任务密切相关的频段的数据用于以后的分析。最后计算脑功能网络的聚合系数、全局效率属性;计算运动想象任务执行的正确率;使用脑功能网络属性和运动想象任务正确率作为康复程度指标,把计算结果保存到专用数据库。本发明具有不受意志干扰,客观性强的优点。通过该方法可以获得一个客观的评估依据。
Description
技术领域
本发明属于康复生物医学领域,涉及一种基于脑电信号的中风康复程度指标计算方法。
背景技术
中风是目前危害人类身体健康的主要疾病之一,具有死亡率高、致残率高、复发率高、并发症多、治愈率低等特点。目前已经存在药物治疗、针灸、推拿等多种治疗方法。在中风病疗效评估方面,传统评定方法是针对中风病的各类症状,通过逐项打分,累加评级确定,涉及的症状有神志清醒程度、上下肢瘫痪程度、指瘫趾瘫程度、言语不清症状等,
传统疗效评估方法通过观察病人的肢体控制能力、语言功能等外在表现衡量病人患病严重程度或恢复程度。一方面,这些指标的衡量是通过医生或者护理人员观察病人进行的,每个人的衡量要求不可能完全一致,有一定程度的主观性。另一方面在某些情况下,外周神经通路受损也会导致这些功能表现失常,而实际上病人大脑相应区域并没有受损或已经恢复正常,这些情况下不能通过传统指标准确衡量大脑功能恢复程度。基于脑电信号的评估指标依赖直接从大脑获取的脑电信号,客观性强,且避免了外周神经通路受损对大脑恢复状况评估的影响。
脑神经科学相关研究表明,大脑产生的一些生物信号,如脑电信号,脑磁信号等,可以反映大脑的特征等。其中头皮脑电信号是通过头皮电极记录下来的脑细胞群自发性、节律性活动产生的生物电信号,它可以通过廉价设备安全方便的采集,具有无创、时间分辨率高的特点。脑电图可以实时地、动态地观察脑功能变化情况。中风患者的脑电信号在波形、波幅、节律和能量谱等指标上存在不同于健康人的特征。因此可以通过对脑电信号的分析处理,获取一种直接反应大脑状态的指标,用于判断中风病人的恢复程度,补充传统疗效评估方式的不足。
发明内容
本发明针对现有技术的不足,提出了一种基于脑电信号的中风康复程度指标计算方法。
一种基于脑电信号的中风康复程度指标计算方法,包括以下步骤:
步骤1. 采集多通道脑电信号
被试根据提示执行左/右手运动想象任务,使用多通道脑电信号采集设备采集被试执行运动想象任务时的脑电信号;
步骤2. 脑电信号预处理
首先所有通道使用去公共平均参考方法降低公共噪声的水平,然后使用独立成分分析方法(ICA)消除眼电伪迹,提高脑电信号的信噪比,最后使用巴特沃斯滤波器提取与运动想象任务密切相关的频段的数据用于以后的分析。
步骤3. 计算康复程度指标
使用预处理后的脑电信号构建脑功能网络,计算脑功能网络的聚合系数、全局效率等属性;计算运动想象任务执行的正确率;使用脑功能网络属性和运动想象任务正确率作为康复程度指标,把计算结果保存到专用数据库;
在本步骤中,构建脑功能网络,计算脑功能网络属性的详细步骤如下:
1)计算相关系数矩阵
多个脑电通道两两组合,使用皮尔逊相关系数计算公式逐对计算它们之间的相关系数,得到相关系数矩阵;
2)计算邻接矩阵,构建脑功能网络
以相关系数矩阵为基础,根据先验知识选取适当阈值,把相关系数矩阵转化为脑功能网络的邻接矩阵。
3)计算脑功能网络属性参数
本发明使用了脑功能网络的以下属性:节点和网络的聚合系数、节点局部效率、网络全局效率和小世界属性强度。
节点i的聚合系数计算公式
网络的聚合系数即对所有节点的聚合系数求均值;
节点i的局部效率计算公式
,
网络G的全局效率计算公式
小世界属性强度计算公式
在本步骤中,计算运动想象任务执行正确率的详细步骤如下:
1)计算关键通道的能量谱
根据先验知识,本发明选择C3、C4通道,使用快速傅里叶变换计算这两个通道的能量谱;
2)根据判决策略判断
本发明通过能量比较法判断当前执行的哪类运动想象任务,具体规则如下:当C3通道平均能量高于C4通道平均能量时,判决在执行左手运动想象任务;反之,判决为在执行右手运动想象任务。
其中表示C3通道的平均能量,表示C4通道的平均能量。
3)计算运动想象任务的执行正确率
通过比较计算的结果序列和实际任务提示序列,计算任务执行的正确率。
本发明有益效果:该方法通过采集中风病人的运动想象时脑电信号,构建脑功能网络并计算其“小世界属性”和脑网络失连接程度,计算运动想象任务执行的正确率。这种方法避免了周围神经受损情况对疗效评估的影响,补充了传统方法的不足。
具体实施方式
本发明的一个实施例硬件包括刺激呈现设备,脑电信号采集设备,脑电信号处理设备。其中刺激呈现设备和脑电信号处理设备采用普通显示器和计算机,脑电信号采集设备采用g.tech公司的16通道电极帽和脑电信号放大器。具体实施过程如下:
步骤1. 采集多通道脑电信号
被试坐在一张舒适的椅子上,采集过程开始,被试按要求放松身体,凝视屏幕中央呈现固定绿色方块1分钟,然后闭眼1分钟,然后根据屏幕提示执行左手或右手运动想象任务。当屏幕左边出现绿色方块时,执行左手运动想象任务,当屏幕右边出现绿色方块时,执行右手运动想象任务。左右手想象任务提示顺序是随机的。在被试执行这些操作的全过程中采集脑电信号,采样频率256Hz。
步骤2. 脑电信号预处理
由于人脑产生的电波非常微弱,比肌肉、心脏等产生的生物电要低几个数量级,所以必须对数据进行预处理,提高信噪比,以提高特征指标提取效果。本实施例中,首先对数据进行去公共平均参考,然后对去公共平均参考后的数据进行独立成分分析(ICA),去除其中的眼电成分,得到相对纯净的脑电数据。
步骤3. 计算康复程度指标
本发明提出了两种中风康复程度评价指标:脑功能网络属性和运动想象任务执行正确率。计算出的脑功能网络属性值和运动想象任务执行正确率都保存到数据库中。下面分别介绍本实施例中两种中风康复程度评价指标的具体计算方法。
构建脑功能网络,计算脑功能网络属性的过程如下:
1) 计算相关系数矩阵
根据皮尔逊相关系数计算公式,通道两两组合,计算它们之间的相关系数,该步骤可得到一个相关性矩阵R,矩阵R第i行第j列值表示通道i和j之间的相关性强度;
皮尔逊相关系数计算公式
2)计算邻接矩阵,构建脑功能网络
根据先验知识设定阈值r,当两个通道间的相关性强度大于r时,认为两个通道对应的电极间存在一条边;反之则不存在边。该步骤生成脑功能网络的邻接矩阵。
邻接矩阵构建规则
3)计算脑功能网络属性参数
本发明使用了脑功能网络的以下属性:节点和网络的聚合系数、节点局部效率、网络全局效率和小世界属性强度。
节点i的聚合系数计算公式
网络的聚合系数即对所有节点的聚合系数求均值;
节点i的局部效率计算公式
,
网络G的全局效率计算公式
小世界属性强度计算公式
计算运动想象任务执行正确率的步骤如下:
1)计算关键通道的能量谱
本实施例根据先验知识选定C3、C4两个通道,利用快速傅里叶变换计算C3、C4通道的功率谱;
2)根据判决策略判断
本发明通过能量比较法判断当前执行的哪类运动想象任务,具体规则如下:当C3通道平均能量高于C4通道平均能量时,判决在执行左手运动想象任务;反之,判决为在执行右手运动想象任务。
3)计算运动想象任务的执行正确率
通过比较计算的结果序列和实际任务提示序列,计算任务执行的正确率。
本发明提出的基于脑电信号的中风康复程度指标计算方法从人的大脑直接获取信号数据,与传统方法相比,具有不受意志干扰,客观性强的优点。通过该方法可以获得一个客观的评估依据。
以上实施方式仅用于说明本发明,而并非对本发明的限制。本领域的技术人员应当理解,对本发明的技术方案进行的各种组合、修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (1)
1. 一种基于脑电信号的中风康复程度指标计算方法,其特征在于:该方法的具体计算步骤如下:
步骤1.采集多通道脑电信号
被试根据提示执行左/右手运动想象任务,使用多通道脑电信号采集设备采集被试执行运动想象任务时的脑电信号;
步骤2.脑电信号预处理
首先所有通道使用去公共平均参考方法降低公共噪声的水平,然后使用独立成分分析方法消除眼电伪迹,提高脑电信号的信噪比,最后使用巴特沃斯滤波器提取与运动想象任务密切相关的频段的数据用于以后的分析;
步骤3.计算康复程度指标
使用预处理后的脑电信号构建脑功能网络,计算脑功能网络的聚合系数、全局效率属性;计算运动想象任务执行的正确率;使用脑功能网络属性和运动想象任务正确率作为康复程度指标,把计算结果保存到专用数据库;
在本步骤中,构建脑功能网络,计算脑功能网络属性的详细步骤如下:
计算相关系数矩阵
多个脑电通道两两组合,使用皮尔逊相关系数计算公式逐对计算它们之间的相关系数,得到相关系数矩阵;
计算邻接矩阵,构建脑功能网络
以相关系数矩阵为基础,根据先验知识选取适当阈值,把相关系数矩阵转化为脑功能网络的邻接矩阵;
计算脑功能网络属性参数
使用脑功能网络的以下属性:节点和网络的聚合系数、节点局部效率、网络全局效率和小世界属性强度;
节点i的聚合系数计算公式
网络的聚合系数即对所有节点的聚合系数求均值;
节点i的局部效率计算公式
网络G的全局效率计算公式
小世界属性强度计算公式
在本步骤中,计算运动想象任务执行正确率的详细步骤如下:
计算关键通道的能量谱
根据先验知识,选择C3、C4通道,使用快速傅里叶变换计算这两个通道的能量谱;
根据判决策略判断
通过能量比较法判断当前执行的哪类运动想象任务,具体规则如下:当C3通道平均能量高于C4通道平均能量时,判决在执行左手运动想象任务;反之,判决为在执行右手运动想象任务;
计算运动想象任务的执行正确率
通过比较计算的结果序列和实际任务提示序列,计算任务执行的正确率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101374553A CN103258120A (zh) | 2013-04-19 | 2013-04-19 | 一种基于脑电信号的中风康复程度指标计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101374553A CN103258120A (zh) | 2013-04-19 | 2013-04-19 | 一种基于脑电信号的中风康复程度指标计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103258120A true CN103258120A (zh) | 2013-08-21 |
Family
ID=48962032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101374553A Pending CN103258120A (zh) | 2013-04-19 | 2013-04-19 | 一种基于脑电信号的中风康复程度指标计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103258120A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103961091A (zh) * | 2014-04-15 | 2014-08-06 | 杭州电子科技大学 | 基于双树复小波样本熵的运动想象脑电信号特征提取方法 |
CN104970790A (zh) * | 2015-06-11 | 2015-10-14 | 昆明理工大学 | 一种运动想象脑电波解析方法 |
CN105595961A (zh) * | 2015-12-21 | 2016-05-25 | 天津大学 | 基于脑电信号的阿尔兹海默症检测系统及检测方法 |
CN105844111A (zh) * | 2016-04-07 | 2016-08-10 | 杭州电子科技大学 | 一种基于脑效应网络的新型脑电卒中评估方法 |
CN106202721A (zh) * | 2016-07-11 | 2016-12-07 | 西南大学 | 脑网络效率计算方法 |
CN106859641A (zh) * | 2017-02-20 | 2017-06-20 | 华南理工大学 | 一种基于自动ica去除eeg信号中核磁伪迹的方法 |
CN107080534A (zh) * | 2017-02-24 | 2017-08-22 | 浙江大学 | 基于eeg源成像的癫痫灶点粗定位方法 |
CN108309318A (zh) * | 2018-01-30 | 2018-07-24 | 苏州大学 | 基于大脑血红蛋白信息的大脑功能状态评价装置 |
CN108309329A (zh) * | 2018-02-08 | 2018-07-24 | 陕西师范大学 | 一种基于脑网络分析的cnv脑电测谎方法 |
CN108921286A (zh) * | 2018-06-29 | 2018-11-30 | 杭州电子科技大学 | 一种免阈值设定的静息态功能脑网络构建方法 |
CN110353672A (zh) * | 2019-07-15 | 2019-10-22 | 西安邮电大学 | 一种脑电信号中眼部伪迹去除系统及去除方法 |
CN112603337A (zh) * | 2020-12-21 | 2021-04-06 | 广东海洋大学 | 一种脑电信号识别方法 |
CN112914587A (zh) * | 2021-02-18 | 2021-06-08 | 郑州大学 | 一种基于静息态脑电信号相干性脑功能网络的中风康复评估模型构建方法及评估方法 |
CN113064493A (zh) * | 2021-04-25 | 2021-07-02 | 北京理工大学 | 一种基于脑电信号的无人机紧急状况检测方法与系统 |
CN113425297A (zh) * | 2021-07-19 | 2021-09-24 | 山东女子学院 | 基于脑电信号的儿童注意力专注度训练方法及系统 |
WO2022160334A1 (zh) * | 2021-02-01 | 2022-08-04 | 中国科学院深圳先进技术研究院 | 一种推拿疗效评估方法、装置、系统、以及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009129279A1 (en) * | 2008-04-18 | 2009-10-22 | Brainscope Company, Inc. | Method and apparatus for assessing brain function using diffusion geometric analysis |
CN102722727A (zh) * | 2012-06-11 | 2012-10-10 | 杭州电子科技大学 | 基于脑功能网络邻接矩阵分解的脑电特征提取方法 |
-
2013
- 2013-04-19 CN CN2013101374553A patent/CN103258120A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009129279A1 (en) * | 2008-04-18 | 2009-10-22 | Brainscope Company, Inc. | Method and apparatus for assessing brain function using diffusion geometric analysis |
CN102722727A (zh) * | 2012-06-11 | 2012-10-10 | 杭州电子科技大学 | 基于脑功能网络邻接矩阵分解的脑电特征提取方法 |
Non-Patent Citations (2)
Title |
---|
张艳娜等: "基于BCI的下肢辅助康复系统的研究", 《杭州电子科技大学学报》, vol. 33, no. 1, 15 February 2013 (2013-02-15), pages 36 - 39 * |
闫铮: "基于脑电节律的脑网络研究及应用", 《中国博士学位论文全文数据库》, no. 4, 15 April 2013 (2013-04-15), pages 1 - 85 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103961091B (zh) * | 2014-04-15 | 2017-01-11 | 杭州电子科技大学 | 基于双树复小波样本熵的运动想象脑电信号特征提取方法 |
CN103961091A (zh) * | 2014-04-15 | 2014-08-06 | 杭州电子科技大学 | 基于双树复小波样本熵的运动想象脑电信号特征提取方法 |
CN104970790A (zh) * | 2015-06-11 | 2015-10-14 | 昆明理工大学 | 一种运动想象脑电波解析方法 |
CN104970790B (zh) * | 2015-06-11 | 2018-02-09 | 昆明理工大学 | 一种运动想象脑电波解析方法 |
CN105595961A (zh) * | 2015-12-21 | 2016-05-25 | 天津大学 | 基于脑电信号的阿尔兹海默症检测系统及检测方法 |
CN105844111A (zh) * | 2016-04-07 | 2016-08-10 | 杭州电子科技大学 | 一种基于脑效应网络的新型脑电卒中评估方法 |
CN106202721A (zh) * | 2016-07-11 | 2016-12-07 | 西南大学 | 脑网络效率计算方法 |
CN106859641B (zh) * | 2017-02-20 | 2019-08-20 | 华南理工大学 | 一种基于自动ica去除eeg信号中核磁伪迹的方法 |
CN106859641A (zh) * | 2017-02-20 | 2017-06-20 | 华南理工大学 | 一种基于自动ica去除eeg信号中核磁伪迹的方法 |
CN107080534A (zh) * | 2017-02-24 | 2017-08-22 | 浙江大学 | 基于eeg源成像的癫痫灶点粗定位方法 |
CN108309318A (zh) * | 2018-01-30 | 2018-07-24 | 苏州大学 | 基于大脑血红蛋白信息的大脑功能状态评价装置 |
CN108309318B (zh) * | 2018-01-30 | 2020-06-09 | 苏州布芮恩智能科技有限公司 | 基于大脑血红蛋白信息的大脑功能状态评价装置 |
CN108309329A (zh) * | 2018-02-08 | 2018-07-24 | 陕西师范大学 | 一种基于脑网络分析的cnv脑电测谎方法 |
CN108921286A (zh) * | 2018-06-29 | 2018-11-30 | 杭州电子科技大学 | 一种免阈值设定的静息态功能脑网络构建方法 |
CN110353672A (zh) * | 2019-07-15 | 2019-10-22 | 西安邮电大学 | 一种脑电信号中眼部伪迹去除系统及去除方法 |
CN112603337A (zh) * | 2020-12-21 | 2021-04-06 | 广东海洋大学 | 一种脑电信号识别方法 |
WO2022160334A1 (zh) * | 2021-02-01 | 2022-08-04 | 中国科学院深圳先进技术研究院 | 一种推拿疗效评估方法、装置、系统、以及存储介质 |
CN112914587A (zh) * | 2021-02-18 | 2021-06-08 | 郑州大学 | 一种基于静息态脑电信号相干性脑功能网络的中风康复评估模型构建方法及评估方法 |
CN113064493A (zh) * | 2021-04-25 | 2021-07-02 | 北京理工大学 | 一种基于脑电信号的无人机紧急状况检测方法与系统 |
CN113425297A (zh) * | 2021-07-19 | 2021-09-24 | 山东女子学院 | 基于脑电信号的儿童注意力专注度训练方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103258120A (zh) | 一种基于脑电信号的中风康复程度指标计算方法 | |
CN110876626B (zh) | 基于多导联脑电最优导联选择的抑郁检测系统 | |
WO2017016086A1 (zh) | 基于生理信息的抑郁症评估系统及其评估方法 | |
CN204931634U (zh) | 基于生理信息的抑郁症评估系统 | |
Rocha et al. | Weighted-cumulated S-EMG muscle fatigue estimator | |
CN106236080B (zh) | 基于多通道的脑电信号中肌电噪声的消除方法 | |
Qiu et al. | A stimulus artifact removal technique for SEMG signal processing during functional electrical stimulation | |
CN111708978B (zh) | 多尺度时频肌间耦合分析方法 | |
Yochum et al. | Estimation of muscular fatigue under electromyostimulation using CWT | |
CN107137080A (zh) | 慢性腰痛患者肌肉活动状态判断方法及系统 | |
CN107518895A (zh) | 面向康复训练的同一肌肉检测方法 | |
CN106308748B (zh) | 一种下背痛患者功能障碍分析方法及实现该方法的装置 | |
Li et al. | Detection of muscle fatigue by fusion of agonist and synergistic muscle semg signals | |
CN114027857A (zh) | 一种基于脑电信号测量运动能力的方法 | |
Li et al. | Research on improved FAWT signal denoising method in evaluation of firefighter training efficacy based on sEMG | |
CN117281479A (zh) | 一种基于表面肌电信号多维度特征融合的人体下肢慢性疼痛判别方法、存储介质及装置 | |
CN110739083A (zh) | 增强康复训练效果的综合评价方法、装置、存储介质及设备 | |
Garland et al. | Effect of standing posture on inhibitory postsynaptic potentials in gastrocnemius motoneurons | |
Mehra et al. | Muscle endurance time estimation during isometric training using electromyogram and supervised learning | |
Zhao et al. | Evaluation of lower-limb rehabilitation based on muscle fatigue | |
Bhuvaneswari et al. | Classification of electromyography signal using wavelet decomposition method | |
Garg et al. | Alteration in cardiovascular and postural control relationship in non-fainting elderly individuals | |
Sheng et al. | The design of a rehabilitation training system with emg feedback | |
Jaffer et al. | Important features of EMG signal under simple load conditions | |
Xu et al. | Evaluation method of motor unit number index based on optimal muscle strength combination |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130821 |