一种基于格兰杰因果性的脑电源定位方法
【专利摘要】一种基于格兰杰因果性的脑电源定位方法，包括：利用脑电采集设备记录多个导联的头皮脑电信号，并进行初步的预处理；将每个导联分别作为观测导联，分别分析每个导联与其他导联间的格兰杰因果性，并根据因果性指标进行导联间源定位；统计能够成为源的导联数目，计算每个能够成为源的导联作为全脑源区的可能性指标，实现全脑源定位。本发明在一定程度上解决了脑电源定位稳定性差、唯一性差的问题，可得到每个导联作为全脑源区的可能性，实现全脑源定位。能够在一定程度上改善脑电逆问题解的不稳定性和非唯一性。本发明的脑源定位方法可用于脑神经系统疾病病灶部位的确定、神经外科手术定位以及认知任务中的脑源定位和跟踪，在科学研究和实际临床中均有重要的意义。
【专利说明】一种基于格兰杰因果性的脑电源定位方法
【技术领域】
[0001] 本发明涉及一种脑电源定位方法。特别是涉及一种通过计算全脑每个导联与其他 所有导联的因果性指标进行导联间源定位，统计能够作为其他导联的源的导联数目，并获 得每个导联作为脑源区的可能性指标，实现全脑源定位的基于格兰杰因果性的脑电源定位 方法。
【背景技术】
[0002] 近年来，多种脑神经系统疾病（例如抑郁症、脑中风以及癫痫等）都呈现出发病率 高、治愈困难以及死亡率高的特点，其中很重要的一个因素是病灶部位的不确定，不能从源 头上根治疾病。脑源定位技术是通过测量特定的头表生理信息（如脑电、脑磁、脑血氧等） 对脑内神经源的活动进行定位和跟踪的一种专业技术，对于病灶部位的确定、脑神经外科 手术中特定区域的定位以及认知加工过程的探究具有重要意义。头皮脑电具有高时间分辨 率的特点，可进行较长时间的无创伤采集，患者舒适度较高，且设备操作相对简单。基于头 皮脑电的源定位技术能直接反应脑内神经活动源的位置强度和方向信息，并且可以在毫秒 量级下的时间尺度上对神经活动源进行较长时间的跟踪，但由于脑电信号本身具有一定的 复杂性和非平稳性，该技术在具体实现过程中还存在诸多难点。
[0003] 目前已有的脑电源定位技术主要包括基于独立成分分析的盲源定位技术和基于 脑内活动神经源稀疏性的迭代优化算法，两种算法在脑电源定位领域都显示出独特的优 势，但其计算过程较复杂，计算量较大，所得的解往往具有不稳定性和非唯一性。
[0004] 格兰杰因果性是探索脑电信息流向的常用方法，通过判断某导联是否能显著改善 观测导联的线性回归预测误差，决定两导联间是否具有因果关系，进而确定导联间的信息 流向。以往的格兰杰因果性分析尚未应用于脑电源定位，且源定位技术中尚未提出基于导 联间信息流向的定位思路。
【发明内容】
[0005] 本发明所要解决的技术问题是，提供一种能够在一定程度上改善脑电逆问题解的 不稳定性和不唯一性，使脑内神经活动源能够被更加准确和快速地定位和追踪的基于格兰 杰因果性的脑电源定位方法。
[0006] 本发明所采用的技术方案是：一种基于格兰杰因果性的脑电源定位方法，包括如 下阶段：
[0007] 1)利用脑电采集设备记录多个导联的头皮脑电信号，并进行初步的预处理；
[0008] 2)将每个导联分别作为观测导联，分别分析每个导联与其他导联间的格兰杰因果 性，并根据因果性指标进行导联间源定位；
[0009] 3)统计能够成为源的导联数目，计算每个能够成为源的导联作为全脑源区的可能 性指标，实现全脑源定位。
[0010] 阶段1)所述的初步的预处理，是为得到信噪比较高的脑电信号，对原始脑电信号 进行变平均参考、带通滤波、50Hz陷波以及独立成分分析去眼电预处理操作，预处理之后的 脑电信号表不为
[0011] X= (X1,X2,……,XJ
[0012] 其中，N= 32,是头皮脑电导联数，每个导联的数据长度为n，则第j个导联的第k 个数据点表示为Xjk,j= 1，2,......，N,k= 1，2,......，n。
[0013] 阶段2)中所述的分析每个导联与其他导联间的格兰杰因果性，包括如下步骤：
[0014] (1)建立自回归模型，设Xj为观测导联，将观测导联Xj的第k个数据点的自回归 模型表示为
[0015]
【权利要求】
1. 一种基于格兰杰因果性的脑电源定位方法，其特征在于，包括如下阶段： 1) 利用脑电采集设备记录多个导联的头皮脑电信号，并进行初步的预处理； 2) 将每个导联分别作为观测导联，分别分析每个导联与其他导联间的格兰杰因果性， 并根据因果性指标进行导联间源定位； 3) 统计能够成为源的导联数目，计算每个能够成为源的导联作为全脑源区的可能性指 标，实现全脑源定位。
2. 根据权利要求1所述的一种基于格兰杰因果性的脑电源定位方法，其特征在于，阶 段1)所述的初步的预处理，是为得到信噪比较高的脑电信号，对原始脑电信号进行变平均 参考、带通滤波、50Hz陷波以及独立成分分析去眼电预处理操作，预处理之后的脑电信号表 示为 X = IX1, X2,......，XJ 其中，N= 32,是头皮脑电导联数，每个导联的数据长度为n，则第j个导联的第k个数 据点表示为Xjk,j= 1，2,......，N,k= 1，2,......，η。
3. 根据权利要求1所述的一种基于格兰杰因果性的脑电源定位方法，其特征在于，阶 段2)中所述的分析每个导联与其他导联间的格兰杰因果性，包括如下步骤： (1) 建立自回归模型，设\为观测导联，将观测导联&的第k个数据点的自回归模型 表示为 / fk ~ ^*1Jk m=l 其中1为自回归模型窗宽，m= 1，2,......，I;aljm为自回归系数，εljk为Xjk的自回归 预测误差； (2) 建立联合回归模型，设相对观测导联&以外的导联Xi为联合导联，观测导联Xj与 联合导联Xi之间的联合回归模型表示为： II fk ~Σa2Jrnj^- j(k-m)Σjk m=l m=l 其中，a2,和b2in为联合回归系数，ε2Λ为联合回归预测误差； (3) 分别计算观测导联&自回归误差的方差Vu和联合回归误差的方差^」， η vU=Z^iy*_Mii)2/w k=\ η 'V/ =ΣΚμ，μ")2"? k=\ 其中Mu是自回归误差的均值，砵;，My是联合回归误差的均值， =：￡气"《，如果方差Vu〈方差Vu，则说明联合导联Xi含有对观测导联&的预测信息， k=\ 能够改善对观测导联&的预测精度，否则不能够改善对观测导联&的预测精度； (4) 检验联合导联Xi是否能够显著改善对观测导联&的预测精度，检验公式如下 RJn.)" '厂2,. / (η- /) 其中，~=Ixw为自回归模型的误差平方和，％=?>2#)2为联合回归模型的误差 k=\ k-=l 平方和，若Ru服从自由度为（l，n-l)的F分布，则联合导联Xi能够显著改善对观测导联Xj 的预测精度，即联合导联Xi与观测导联Xj在格兰杰意义上具有因果性，且联合导联Xi是观 测导联Xj在格兰杰意义上的因； (5)因果性指标的计算，因果性指标由观测导联&的线性自回归误差和联合导联Xi与 观测导联&的联合回归误差共同决定，表示为 Vu ./:,=丨丨1上 同理，能够判断出观测导联Xj对联合导联Xi是否具有格兰杰意义上的因果性，若观测 导联&能够显著改善对联合导联Xi的预测精度，则观测导联&对联合导联Xi也具有格兰 杰意义上的因果性，可计算其格兰杰因果性指标fji，此时联合导联Xi与观测导联Xj互为因 果，fijX)且&>0,反之，观测导联Xj对联合导联Xi则不具有格兰杰意义上的因果性。
4. 根据权利要求1所述的一种基于格兰杰因果性的脑电源定位方法，其特征在于，阶 段2)所述的根据因果性指标进行导联间源定位，是定义联合导联Xi作为观测导联&的源 的可能性指标为Sy若仅仅存在联合导联Xi对观测导联&的因果性，不存在观测导联Xj对 联合导联Xi的因果性，则Su = ;若既存在联合导联Xi对观测导联&的因果性，也存在 观测导联&对联合导联Xi的因果性，则\ 4;若不存在联合导联Xi对观测导联&的因果 性，则Sij = 0。
5. 根据权利要求1所述的一种基于格兰杰因果性的脑电源定位方法，其特征在于，阶 段3)中所述的统计能够成为源的导联数目，具体是统计能够与观测导联构成因果关系，且 是观测导联的因的导联数目，设定为Ν'，且对于两次以上成为观测导联的因的导联只累加 1次。
6. 根据权利要求1所述的一种基于格兰杰因果性的脑电源定位方法，其特征在 于，阶段3)中所述的计算每个能够成为源的导联作为全脑源区的可能性指标，是计算 N Ν'个能够成为源的导联中的每个导联作为全脑源区的可能性指标乂=Σ%，X= v=l,v^x 1，2,......，Ν，。
7. 根据权利要求1所述的一种基于格兰杰因果性的脑电源定位方法，其特征在于，阶 段3)中所述的全脑源定位，是指将由可能性指标Sx构成的数列S进行降序排列，得到数列 SS，取数列SS中位于前3 - 8个导联为全脑源区的分布。
【文档编号】A61B5/0476GK104305993SQ201410636555
【公开日】2015年1月28日 申请日期:2014年11月12日 优先权日:2014年11月12日
【发明者】殷涛, 王欣, 刘志朋, 靳静娜, 李松 申请人:中国医学科学院生物医学工程研究所