[发明专利]一种基于网络拓扑描述的脑电信号分析方法

说明书

一种基于网络拓扑描述的脑电信号分析方法，包括以下步骤：采集脑电波信号，将每个信道的数据表征为1各节点，基于节点间的欧氏距离或马氏距离构建脑电信号网络；通过确定性游走方法提取脑电信号网络的网络特征，包括瞬态长度和循环长度，同时提取网络图的部分统计特征以及熵特征，包括聚类系数、路径长度、信息熵，并对提取的特征进行组合；使用分类器对该网络特征分别进行识别，最终组合各项特征的分类结果，通过加权的方法计算得分，得分=0.8*确定性游走得分+0.2*统计特征/信息熵特征得分，并选取0.5作为阈值，以得分是否超过0.5判断该脑电波信号的类型。本方法主要采用网络拓扑结构的静态描述和动态演化规律。

技术领域

本发明涉及一种基于网络拓扑描述的脑电信号分析方法。

背景技术

在大脑活动时，大脑外层皮质细胞所产生的生物电将随时间和空间出现变化，用置于头皮表面的电极探测各点的电势差随时间的变化（EEG），头皮电极测量的电势差变化是大量脑细胞叠加的结果。

脑电图以其方便、安全、高时间分辨率等特点成为研究脑活动的重要工具。采集脑电信号后，提取脑电的信道特征，然后构建网络，构建不同的复杂网络结构表示不同类型的信号，利用复杂网络的统计特征区分不同类型的脑电信号。

发明内容

本发明所要解决的技术问题是，克服上述现有技术中的缺陷，提供一种基于网络拓扑描述的脑电信号分析方法。

为实现上述目的，本发明提供如下技术方案：一种基于网络拓扑描述的脑电信号分析方法，包括以下步骤：

步骤1、采集脑电波信号，将每个信道的数据表征为1各节点，基于节点间的欧氏距离或马氏距离构建脑电信号网络；

步骤2、通过确定性游走方法提取脑电信号网络的网络特征，包括瞬态长度和循环长度，同时提取网络图的部分统计特征以及熵特征，包括聚类系数、路径长度、信息熵，并对提取的特征进行组合；

步骤3、使用分类器对该网络特征分别进行识别，最终组合各项特征的分类结果，通过加权的方法计算得分，得分=0.8*确定性游走得分+0.2*统计特征/信息熵特征得分，并选取0.5作为阈值，以得分是否超过0.5判断该脑电波信号的类型。

本方法主要采用网络拓扑结构的静态描述和动态演化规律。通过选择合适的网络结构统计特征，包括度分布、聚类系数、幂律分布、最短路径分布等，提取脑电信号的网络结构拓扑特征来描述数据特征。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述。

本实施例基于网络拓扑描述的脑电信号分析方法，包括以下步骤：

步骤1、采集脑电波信号，将每个信道的数据表征为1各节点，基于节点间的欧氏距离或马氏距离构建脑电信号网络。

步骤2、通过确定性游走方法提取脑电信号网络的网络特征，包括瞬态长度和循环长度，同时提取网络图的部分统计特征以及熵特征，包括聚类系数、路径长度、信息熵，并对提取的特征进行组合。

步骤3、使用经过训练的分类器对该网络特征分别进行识别，最终组合各项特征的分类结果，通过加权的方法计算得分，得分=0.8*确定性游走得分+0.2*统计特征/信息熵特征得分，并选取0.5作为阈值，以得分是否超过0.5判断该脑电波信号的类型。确定性游走得分以及统计特征、信息熵特征得分取值范围为（0，1）。分类器可选用常见的分类器。

本方法主要采用网络拓扑结构的静态描述和动态演化规律。通过选择合适的网络结构统计特征，包括度分布、聚类系数、幂律分布、最短路径分布等，提取脑电信号的网络结构拓扑特征来描述数据特征。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。