[发明专利]一种面向静息态脑电信号的脑功能连接分析方法

说明书

本发明公开了一种面向静息态脑电信号的脑功能连接分析方法。此方法包括如下步骤：S1、获取静息态脑电数据；S2、预处理所述静息态脑电数据；S3、对预处理的所述静息态脑电数据进行微状态分析；S4、确定每个时间点的微状态类别；S5、分别在每个微状态类别持续时间范围内计算功能连接。上述方法克服了现有静息态脑电信号的脑功能连接分析技术的局限性。

技术领域

本发明涉及一种面向静息态脑电信号的脑功能连接分析方法。

背景技术

人脑在睁眼或闭眼的休息状态（即静息态）时，并没有停止运转。静息态下不仅大脑某些脑区（如静默网络相关脑区）会处于激活状态，各个脑区间还会存在功能上的联系或信息交流（即功能连接）。了解大脑在静息态下的功能连接对我们了解人脑的工作机制至关重要。前人的研究发现，认知过程、人格因素、年龄、性别、脑病等因素均会影响人脑在静息态下的功能连接。要了解大脑在静息态下的功能连接必须借助一定的脑成像技术（例如EEG、MEG、fNIRS和fMRI等）采集人脑的神经活动，然后计算脑区间两两的功能连接。基于静息态脑电（EEG）的功能连接具有如下几个优点：（1）可以以很高的时间分辨率（ms级）研究大脑在静息态下功能连接的动态变化；（2）操作较为简易，适合任何人群；（3）可以研究人脑的高频段的功能连接；（4）费用相对较低。但是目前国际上主流的基于静息态脑电的功能连接均没有有效应用脑电信号的高时间分辨率。

与此同时，研究者对健康人类静息态脑电地形图时间序列进行模式识别，发现脑电地形图可以分为4个经典模式，即脑电微状态（EEG microstates）。这些脑电微状态通常持续80~120 ms左右。在此期间，脑电地形图保持相对稳定的状态，但是强度会变化、极性会反转。之后，脑电微状态转换至另一个微状态。这4个脑电微状态每个可以解释一个大尺度的大脑静息态网络。每一个微状态均可以表征一个分布式神经网络中平行信息加工系统，因此脑电微状态被称为“思维的原子”，并且与大脑信息加工的时间复杂性密切相关。

发明内容

有鉴于此，本发明的主要目的在于提供一种面向静息态脑电信号的脑功能连接分析方法，试图借助静息态脑电微状态分类方法克服传统静息态脑电功能连接分析方法的不足。

本发明提供的一种面向静息态脑电信号的脑功能连接分析方法，包括如下步骤：

S1、获取静息态脑电数据；

S2、预处理所述静息态脑电数据；

S3、对预处理的所述静息态脑电数据进行微状态分析；

S4、确定每个时间点的微状态类别；

S5、分别在每个微状态类别持续时间范围内计算功能连接。

所述步骤S1的静息态脑电数据是指实验人员睁眼或闭眼休息状态下采集的脑电数据。

所述步骤S2预处理所述静息态脑电数据一般涉及如下步骤：重参考、滤波、坏电极插值替换、大飘移时间段移除、生理或非生理伪迹矫正、分段以及坏段移除等操作。

所述步骤S3对预处理的所述静息态脑电数据进行微状态分析一般涉及如下步骤：全脑平均参考、带通滤波2~20 Hz、单被试微状态类别识别、组平均水平的微状态类别识别等。

所述步骤S4确定每个时间点的微状态类别涉及计算每个时间点的静息态脑电地形图与经典的四类微状态地形图的空间相关系数，并据此确定每个时间点的微状态类别

由上可以看出，本发明通过借助静息态脑电微状态分类方法实现了分别在每个静息态脑功能网络持续时间范围内分别进行功能连接分析，充分利用了脑电信号的高时间分辨率，克服了传统静息态脑电功能连接分析方法的不足。该技术与现有技术相比具有如下优点：