CN112244767A - 一种基于脑电的认知功能评估方法 - Google Patents

一种基于脑电的认知功能评估方法 Download PDF

Info

Publication number
CN112244767A
CN112244767A CN202011022845.2A CN202011022845A CN112244767A CN 112244767 A CN112244767 A CN 112244767A CN 202011022845 A CN202011022845 A CN 202011022845A CN 112244767 A CN112244767 A CN 112244767A
Authority
CN
China
Prior art keywords
electroencephalogram
cognitive function
layer
people
detail coefficient
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
Application number
CN202011022845.2A
Other languages
English (en)
Inventor
姜涛
白红民
杨鑫峰
贺国庆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202011022845.2A priority Critical patent/CN112244767A/zh
Publication of CN112244767A publication Critical patent/CN112244767A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia

Landscapes

  • Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Neurosurgery (AREA)
  • Physiology (AREA)
  • Physics & Mathematics (AREA)
  • Developmental Disabilities (AREA)
  • Biophysics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Engineering & Computer Science (AREA)
  • Hospice & Palliative Care (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开的一种基于脑电的认知功能评估方法，包括以下步骤：在被检测者特定状态下，采用检测装置采集被检测者的脑电信号；对脑电信号进行小波分解并重构单子频带脑电信号，以第k层细节系数和第l层细节系数的能量比值作为特征值；取部分正常人与非正常人的脑电信号特征值作为训练集，采用支持向量机算法进行建模，得到分类模型；取其他人的脑电信号特征值作为测试集，通过分类模型进行分类，从而识别正常人与非正常人脑电信号的特异性，完成认知功能评估；本发明能识别植物人与正常人脑电信号的特异性，完成植物人与正常人认知功能的评估；可以科学、准确地评估认知功能，具有良好的敏感性和特异性，为认知功能评估提供定量分析的新方法和手段。

Description

一种基于脑电的认知功能评估方法
技术领域
本发明涉及脑电分析的神经科学研究与临床应用的研究领域，特别涉及一种基于脑电的认知功能评估方法。
背景技术
认知功能是人体大脑的高级神经功能，是人体认识和获取知识的智能加工过程，涉及学习、记忆、语言、思维、精神、情感等一系列随意、心理和社会行为。认知功能评估是人体神经系统研究和应用的重大问题，有待深入定量研究。
传统认知评定方法是使用各种心理量表，比如蒙特利尔认识评估量表(MoCA)、精神行为认知状态检查表(SUMSE)、简易精神状态量表(MMSE)等。这些量表通过人的外部行为表现推断人脑的高级心理活动，存在较大的主观性。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种基于脑电的认知功能评估方法，通过对正常人和植物人的脑电频谱分析发现，可作为正常人与植物人的脑电的特征量，即可将具有不同认知功能的人群分类。
本发明的目的通过以下的技术方案实现：
一种基于脑电的认知功能评估方法，其特征在于，包括以下步骤：
在被检测者特定状态下，采用检测装置采集被检测者的脑电信号；
对脑电信号进行小波分解并重构单子频带脑电信号，以第k层细节系数和第l层细节系数的能量比值作为特征值；
取C个正常人与C个非正常人的脑电信号特征值作为训练集，采用支持向量机算法进行建模，得到分类模型；
取剩下所有人的脑电信号特征值作为测试集，通过分类模型进行分类，从而识别正常人与非正常人脑电信号的特异性，完成认知功能评估。
进一步地，所述在被检测者特定状态下，采用检测装置采集被检测者的脑电信号，具体为：在被检测则安静、闭眼状态下，采用检测装置采集被检测者M分钟的脑电信号。
进一步地，所述检测装置为16导联电极帽，采用国际标准10-20系统电极放置法放置在被检测者上。
进一步地，所述对脑电信号进行小波分解并重构单子频带脑电信号，以第k层细节系数和第l层细节系数的能量比值作为特征值，具体为：选择小波基db3，根据脑电信号采样频率，对脑电信号进行l层小波分解；提取各层的细节系数和逼近系数，重构各层系数的单子频带信号，取第k层细节系数和第l层细节系数的能量比值作为特征量，特征量的计算如下：
Figure BDA0002701211450000021
R＝Ek/El，
其中，xi为第i层细节系数，N为第i层细节系数的长度，Ek为第k层频带能量，El为第l层频带能量，R为特征量。
进一步地，所述k为5，所述l为7。
进一步地，所述C为1。
进一步地，所述采用支持向量机算法进行建模，得到分类模型，具体为：使用网络寻优和十折交叉验证法得到最优的惩罚因子和核函数参数，通过最优参数训练得到分类模型。
进一步地，所述识别正常人与非正常人脑电信号的特异性，完成认知功能评估，具体为：若被检测人的脑电信号特征值通过分类模型分类为正常，则此人的认知功能评估为正常；若分类为非正常，则此人的认知功能评估为异常。
本发明与现有技术相比，具有如下优点和有益效果：
本发明可以科学、准确地评估认知功能：本发明以脑电的α波段与δ波段的能量比值作为特征值，可以准确地识别各种水平认知功能的特异性，从而提高分类的准确性，减少误检和漏检。
附图说明
图1为本发明所述一种基于脑电的认知功能评估方法流程图；
图2为本发明所述实施例中频谱图对比示意图；图2(a)为正常人的脑电频谱分布图，图2(b)为植物人的脑电谱图分布图；
图3为本发明所述实施例中网格寻优法模型图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例：
一种基于脑电的认知功能评估方法，如图1所述，包括以下步骤：
在被检测者特定状态下，采用检测装置采集被检测者的脑电信号；所述检测装置为16导联电极帽，采用国际标准10-20系统电极放置法放置在被检测者上。
对脑电信号进行小波分解并重构单子频带脑电信号，以第k层细节系数和第l层细节系数的能量比值作为特征值；如下所示：选择小波基db3，根据脑电信号采样频率，对脑电信号进行l层小波分解；提取各层的细节系数和逼近系数，重构各层系数的单子频带信号，取第k层细节系数和第l层细节系数的能量比值作为特征量，特征量的计算如下：
Figure BDA0002701211450000031
R＝Ek/El，
其中，xi为第i层细节系数，N为第i层细节系数的长度，Ek为第k层频带能量，El为第l层频带能量，R为特征量。
进一步地，所述k为5，所述l为7。
采用支持向量机算法对特征值进行分类，从而识别正常人与非正常人脑电信号的特异性，进而完成正常人与非正常人基于脑电信号特异性的认知功能评估。如下所示：取一个正常人和一个非正常人的所有导联的特征量作为训练集，使用网络寻优和十折交叉验证法得到最优的惩罚因子和核函数参数，通过最优参数训练得到分类模型，进而通过该分类模型进行分类。
具体如下：
(1)EEG脑电信号采集：在受试者在安静、闭眼状态下，采集1分钟左右的脑电信号；
(2)生成样本：采集正常人和非正常人的静息态EEG脑电样本；这里非正常人为植物人；
由于数据建模分析需要正负数据样本。而植物人没有任务态EEG脑电，因此，任务态EEG脑电没有正负数据样本；同时，正常人和植物人都可以采集静息态EEG脑电样本，静息态EEG脑电有正负数据样本，因此，研究采用静息态EEG脑电样本。
(3)特征提取：以db3小波的7层小波分解与重构，以d5频带与d7频带的能量比值为特征量。
根据频谱图对比如2，其中，图2(a)为正常人的脑电频谱分布图，图2(b)为植物人的脑电谱图分布图，脑电的频谱分布图由周期图法频谱估计得到；本发明的特征研究表明：正常人所有导联静息态的脑电信号基本都集中在10Hz左右(α波段)；植物人所有导联静息态的脑电信号基本都集中在5Hz以下(δ波段)。即：正常人d5频段(对应α波段)能量相比于d7波段(对应频段δ)能量明显较高；植物人d5频段(对应α波段)能量相比于d7频段(对应频段δ)能量明显较低。
因此，设计特征提取算法：d5频段能量与d7频段能量的比值作为特征值，可以准确、有效地分类识别正常人与植物人静息态EEG脑电。
(4)识别分类算法：设计支持向量机识别分类算法，使用训练集样本运行10折交叉验证和网格寻优算法，在网格寻优参数图3中得到最优模型参数：径向基核函数，惩罚因子c＝0.03125、核参数g＝4；参数g和参数c均为支持向量机算法所需的输入参数，z轴大小为准确率，此三维模型表示了不同参数g、c组合下准确率的大小分布，由此可得到最高的准确率下参数g和参数c的值。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种基于脑电的认知功能评估方法，其特征在于，包括以下步骤：
在被检测者特定状态下，采用检测装置采集被检测者的脑电信号；
对脑电信号进行小波分解并重构单子频带脑电信号，以第k层细节系数和第l层细节系数的能量比值作为特征值；
取C个正常人与C个非正常人的脑电信号特征值作为训练集，采用支持向量机算法进行建模，得到分类模型；
取剩下所有人的脑电信号特征值作为测试集，通过分类模型进行分类，从而识别正常人与非正常人脑电信号的特异性，完成认知功能评估。
2.根据权利要求1所述的一种基于脑电的认知功能评估方法，其特征在于，所述在被检测者特定状态下，采用检测装置采集被检测者的脑电信号，具体为：在被检测则安静、闭眼状态下，采用检测装置采集被检测者M分钟的脑电信号。
3.根据权利要求2所述的一种基于脑电的认知功能评估方法，其特征在于，所述检测装置为16导联电极帽，采用国际标准10-20系统电极放置法放置在被检测者上。
4.根据权利要求1所述的一种基于脑电的认知功能评估方法，其特征在于，所述对脑电信号进行小波分解并重构单子频带脑电信号，以第k层细节系数和第l层细节系数的能量比值作为特征值，具体为：选择小波基db3，根据脑电信号采样频率，对脑电信号进行l层小波分解；提取各层的细节系数和逼近系数，重构各层系数的单子频带信号，取第k层细节系数和第l层细节系数的能量比值作为特征量，特征量的计算如下：
Figure FDA0002701211440000011
R＝Ek/El，
其中，xi为第i层细节系数，N为第i层细节系数的长度，Ek为第k层细节系数能量，El为第l层细节系数能量，R为特征量。
5.根据权利要求4所述的一种基于脑电的认知功能评估方法，其特征在于，所述k为5，所述l为7。
6.根据权利要求1所述的一种基于脑电的认知功能评估方法，其特征在于，所述C为1。
7.根据权利要求1所述的一种基于脑电的认知功能评估方法，其特征在于，所述采用支持向量机算法进行建模，得到分类模型，具体为：使用网络寻优和十折交叉验证法得到最优的惩罚因子和核函数参数，通过最优参数训练得到分类模型。
8.根据权利要求1所述的一种基于脑电的认知功能评估方法，其特征在于，所述识别正常人与非正常人脑电信号的特异性，完成认知功能评估，具体为：若被检测人的脑电信号特征值通过分类模型分类为正常，则此人的认知功能评估为正常；若分类为非正常，则此人的认知功能评估为异常。
CN202011022845.2A 2020-09-25 2020-09-25 一种基于脑电的认知功能评估方法 Pending CN112244767A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011022845.2A CN112244767A (zh) 2020-09-25 2020-09-25 一种基于脑电的认知功能评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011022845.2A CN112244767A (zh) 2020-09-25 2020-09-25 一种基于脑电的认知功能评估方法

Publications (1)

Publication Number Publication Date
CN112244767A true CN112244767A (zh) 2021-01-22

Family

ID=74234095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011022845.2A Pending CN112244767A (zh) 2020-09-25 2020-09-25 一种基于脑电的认知功能评估方法

Country Status (1)

Country Link
CN (1) CN112244767A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113080999A (zh) * 2021-03-25 2021-07-09 中山大学中山眼科中心 一种基于脑电信号的儿童谵妄预测方法及系统
CN114081507A (zh) * 2021-10-21 2022-02-25 华南理工大学 结合谱聚类和事件相关性检测的脑功能区定位方法及系统
WO2024187852A1 (zh) * 2023-03-14 2024-09-19 深圳先进技术研究院 一种适老化轻度认知障碍筛查及干预方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104958072A (zh) * 2015-05-18 2015-10-07 华南理工大学 一种基于矢量多分类的大脑功能区特异性脑电检测方法
CN105559779A (zh) * 2016-03-01 2016-05-11 夏鹏 一种通过脑电频谱进行认知评价的方法
CN106725462A (zh) * 2017-01-12 2017-05-31 兰州大学 基于脑电信号的声光睡眠干预系统和方法
CN110623665A (zh) * 2019-09-26 2019-12-31 川北医学院 一种智能睡眠时相检测与睡眠质量评估系统及方法
CN110772249A (zh) * 2019-11-25 2020-02-11 华南脑控(广东)智能科技有限公司 注意力特征识别方法及应用
WO2020053849A1 (en) * 2018-09-13 2020-03-19 Quantalx Neuroscience Ltd A reliable tool for evaluating brain health
CN111329497A (zh) * 2020-02-21 2020-06-26 华南理工大学 基于前额脑电信号的可穿戴式疲劳驾驶监测系统及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104958072A (zh) * 2015-05-18 2015-10-07 华南理工大学 一种基于矢量多分类的大脑功能区特异性脑电检测方法
CN105559779A (zh) * 2016-03-01 2016-05-11 夏鹏 一种通过脑电频谱进行认知评价的方法
CN106725462A (zh) * 2017-01-12 2017-05-31 兰州大学 基于脑电信号的声光睡眠干预系统和方法
WO2020053849A1 (en) * 2018-09-13 2020-03-19 Quantalx Neuroscience Ltd A reliable tool for evaluating brain health
CN110623665A (zh) * 2019-09-26 2019-12-31 川北医学院 一种智能睡眠时相检测与睡眠质量评估系统及方法
CN110772249A (zh) * 2019-11-25 2020-02-11 华南脑控(广东)智能科技有限公司 注意力特征识别方法及应用
CN111329497A (zh) * 2020-02-21 2020-06-26 华南理工大学 基于前额脑电信号的可穿戴式疲劳驾驶监测系统及方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113080999A (zh) * 2021-03-25 2021-07-09 中山大学中山眼科中心 一种基于脑电信号的儿童谵妄预测方法及系统
CN113080999B (zh) * 2021-03-25 2022-05-27 中山大学中山眼科中心 一种基于脑电信号的儿童谵妄预测方法及系统
CN114081507A (zh) * 2021-10-21 2022-02-25 华南理工大学 结合谱聚类和事件相关性检测的脑功能区定位方法及系统
CN114081507B (zh) * 2021-10-21 2023-06-20 华南理工大学 结合谱聚类和事件相关性检测的脑功能区定位方法及系统
WO2024187852A1 (zh) * 2023-03-14 2024-09-19 深圳先进技术研究院 一种适老化轻度认知障碍筛查及干预方法及系统

Similar Documents

Publication Publication Date Title
CN112244767A (zh) 一种基于脑电的认知功能评估方法
CN101690659B (zh) 脑电波分析方法
CN110338786B (zh) 一种癫痫样放电的识别与分类方法、系统、装置和介质
CN108960182B (zh) 一种基于深度学习的p300事件相关电位分类识别方法
CN110353702A (zh) 一种基于浅层卷积神经网络的情感识别方法及系统
CN112353391A (zh) 一种基于脑电信号的汽车车内声音品质识别方法及装置
CN110135285B (zh) 一种使用单导设备的脑电静息态身份认证方法及装置
CN110123342B (zh) 一种基于脑电波的网瘾检测方法及系统
CN112641449A (zh) 一种基于eeg信号的脑神经功能状态检测的快速评估方法
CN105147282A (zh) 认知功能障碍脑电识别系统
CN114190944B (zh) 基于脑电信号的鲁棒情绪识别方法
CN115804575A (zh) 一种基于脉搏信号的个性化生理状态聚类判别系统
CN111067513B (zh) 一种特征权重自学习的睡眠质量检测关键脑区判定方法
CN109953757A (zh) 面向持续追踪控制与射击类任务脑力负荷实时监测方法
CN112057087A (zh) 精神分裂症高风险人群自主神经功能的评估方法及装置
CN113576498B (zh) 基于脑电信号的视听觉美学评价方法及系统
Sun et al. A practical cross-domain ECG biometric identification method
CN113143275B (zh) 一种样本与特征质量联合量化评估的脑电疲劳检测方法
CN110200624A (zh) 基于卷积神经网络-循环神经网络-支持向量机混合模型的疾病识别算法
CN113180697B (zh) 一种脑电波分析方法及终端
CN214065040U (zh) 油烟机声品质的评价装置以及油烟机
CN112603337A (zh) 一种脑电信号识别方法
CN112914573A (zh) 一种基于脑电波的专注度判断方法及装置
Plucińska et al. Influence of feature scaling and number of training sessions on EEG spectral-based person verification with artificial neural networks
CN113598791B (zh) 基于静息态脑电图使用时空卷积神经网络的意识障碍分类方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210122