[发明专利]一种基于代数拓扑的任务态脑电信号分析方法

说明书

本发明公开了一种基于代数拓扑的任务态脑电信号分析方法，属于涉及复杂网络分析技术在神经信号处理领域的具体应用。该方法包括：将脑电信号作为数据源，通过计算各电极之间的相干性，构建不同空间位置电极的距离关系，采用代数拓扑的方法动态的构建基于单纯形的脑功能网络，表征任务态脑电信号的神经特性，进一步通过计算Betti数，欧拉示性数来分析脑功能网络的性质，实现了任务状态下被试脑功能模式的定量研究。经验证，本发明在任务态脑电信号分析上表现良好，为测量任务状态下的神经反应提供了新的方法，为类脑计算发掘新的规律与证据，从而可以启发人工智能框架及具体算法设计等，促进新一代人工智能的发展。

技术领域

本发明涉及复杂网络分析技术在神经信号处理领域，具体涉及一种基于代数拓扑的任务态脑电信号分析方法。

背景技术

新一代人工智能，是建立在大数据基础上的，受脑科学启发的类脑智能机理综合起来的理论、技术、方法形成的智能系统。随着脑成像技术的发展以及对神经数据采集能力的增强，寻找新的方法来分析脑功能数据至关重要。大脑是一个由140亿～160亿个神经元组成的复杂巨系统，对单个神经元的分析只能解释大脑的局部信息，科学家们逐渐认识到，大脑的行为是由大脑各区域间相互作用所决定的，从而产生了基于功能网络的脑科学研究。然而，网络的使用基于一个重要的简化假设：大脑中最重要的单元是由一条边连接的两个节点(神经元或大脑区域)组成，这一基本假设从本质上限制了图可用于建模的神经结构和功能的类型。而且，相较于局部的几何分析，传统的网络拓扑分析由于遗失了大量的细节信息从而导致难以进行定量研究。因此，需要寻找更为强大的数学工具对神经信号进行分析。由于不同认知层次的认知基本单元(如组块、知觉物体、时间格式塔等)的共同本质——同一不变性和整体性——可以定义为容限空间上的大范围拓扑不变性质，因此，兼具几何分析与拓扑分析优势的代数拓扑方法(同调论)可以克服图形泛化的限制并奠定“大范围首先”的知觉组织的数学基础，从而在建模和测量神经现象方面提供了新的可能性，具有很大的研究潜力。

代数拓扑是一种强大的数学工具，它通过简单的几何结构——单纯形，Betti数，也可称为β数来对复杂的网络进行分析。单纯形是单纯复形的基本单位，它可以看作是一个三角形或四面体到它们的高维对应物的推广，它对于网络动态的变化具有很强的鲁棒性，从而可以通过分析网络的持久同调特征，如Betti数，欧拉示性数等，提取复杂离散点集的本质不变的拓扑特征，而不需要考虑其空间分布的具体变化。

综上，为分析被试在特定任务下的脑功能模式，本发明采用代数拓扑方法对任务状态下的脑电信号进行分析，通过构建基于单纯形的脑功能网络表征任务态脑电信号的神经特性，并进一步通过Betti数，欧拉示性数来分析脑功能网络的性质，从而实现任务状态下脑功能机制的定量研究，发掘大脑在任务状态下的认知活动规律，从而为新一代人工智能研究提供认知基础，启发人工智能框架及具体算法设计等，促进新一代人工智能的发展。

发明内容

本发明提供了一种基于代数拓扑的任务态脑电信号分析方法，通过兼具几何分析与拓扑分析优势的代数拓扑方法分析任务状态下的大脑神经活动，发掘大脑在任务状态下的认知活动规律，为类脑计算提供新的规律与证据，促进新一代人工智能的发展。

本发明是通过以下技术方案实现的：

一种基于代数拓扑的任务态脑电信号分析方法，包括以下步骤：

(1)对采集的EEG信号滤波，得到滤波后的EEG信号，滤波后的EEG信号为其中，N为数据长度，M为采集EEG信号的电极数目，滤波后的EEG信号X中每一行即为每一电极的信号；

(2)对步骤(1)得到的滤波后的EEG信号X中每一电极的信号进行希尔伯特变换得到H(X)；

(3)采用步骤(2)得到的H(X)计算每一电极的瞬时相位