[发明专利]一种基于脑信号复杂度的个体年龄预测方法

权利要求书

1.一种基于脑信号复杂度的个体年龄预测方法，其特征在于，包括以下步骤：

1)通过近红外成像系统获得被试者脑组织的透射光强数据；

2)将所述透射光强数据转换为脑生理信息数据，并基于所述脑生理信息数据计算多尺度熵；

3)计算每个被试者脑区域各检测点对应的多尺度熵值，将测试点按照各脑功能网络进行分类，再将表征同一所述脑功能网络中所有测试点的所述多尺度熵值取平均值，得到基于所述脑功能网络的多尺度熵指数；

4)采用支持向量回归法进行年龄的预测：将每个所述脑功能网络的所述多尺度熵指数作为支持向量回归法的输入特征，使用线性核函数得到所述脑信号复杂度与年龄的相关性方程。

2.如权利要求1所述的基于脑信号复杂度的个体年龄预测方法,其特征在于，将被试者按照年龄段分为若干组，计算每组被试者的对应各脑功能网络的所述多尺度熵指数，并对其时间序列进行置换检验，以确认不同组之间被试者的所述多尺度熵指数存在明显差异。

3.如权利要求1或2所述的基于脑信号复杂度的个体年龄预测方法,其特征在于，所述脑生理信息数据包括氧合血红蛋白浓度和脱氧血红蛋白浓度。

4.如权利要求3所述的基于脑信号复杂度的个体年龄预测方法,其特征在于，对所述氧合血红蛋白浓度和脱氧血红蛋白浓度数据去除运动伪迹和生理噪声并进行带通滤波处理，采用所述氧合血红蛋白和脱氧血红蛋白浓度二者中量级大的一者计算多尺度熵。

5.如权利要求1或2所述的基于脑信号复杂度的个体年龄预测方法,其特征在于，所述脑功能网络包括：脑默认网络、额顶控制网络、腹侧注意网络、运动网络、背部注意网络和视觉网络。

6.如权利要求1或2所述的基于脑信号复杂度的个体年龄预测方法,其特征在于，步骤4)中通过留一法交叉验证评估支持向量回归法模型的正确性。

7.如权利要求1或2所述的基于脑信号复杂度的个体年龄预测方法,其特征在于，步骤4)中通过计算实际年龄与预测年龄的皮尔森相关系数评估所述脑信号复杂度与年龄的相关性方程的准确性。

8.如权利要求1或2所述的基于脑信号复杂度的个体年龄预测方法,其特征在于，所述近红外成像系统覆盖被试者脑的额叶、颞叶、顶叶、枕叶区域。