一种基于多通道皮层脑电记录的大尺度皮层网络信息流个体化三维动态可视化方法
【专利摘要】本发明公开了一种基于多通道皮层脑电记录的大尺度皮层网络信息流个体化三维动态可视化方法，属于神经工程领域。所述方法包括以下步骤：对采集到的皮层脑电（ECoG）数据进行预处理，以选取感兴趣通道；依据所选取的感兴趣通道数据，计算在不同时间、频率点的大脑皮层网络信息流矩阵；对经过显著性检验的信息输入、输出流在三维立体脑结构上进行三维动态可视化。所述方法从大尺度皮层网络信息传递、交互与整合的角度探究脑信息加工的动力学特性，实现脑信息流的三维动态可视化，描绘了不同脑区间的时变因果连接模式，提供一种脑功能网络有效连接分析发法，为研究揭示人脑信息加工机制提供了支持。
【专利说明】—种基于多通道皮层脑电记录的大尺度皮层网络信息流个体化三维动态可视化方法
【技术领域】
[0001]本发明涉及神经工程领域，尤其是涉及一种基于多通道皮层脑电记录的大尺度皮层网络信息流个体化三维动态可视化方法。
【背景技术】
[0002]人脑是一个开放的复杂巨系统，生理学和解剖学的研究表明，大脑皮层内神经元的连接具有局部性和全局性。这种大脑皮层连接的结构，既保证了局部区域内的信息的高效交互，又确保了脑区间的信息传输。大脑通过位于不同空间位置脑区的信息整合来完成认知功能，即使对于单一的认知任务，也同时需要激活多个空间分离的脑功能区域。先前的很多实验和理论研究一致表明:大脑在完成认知功能加工过程中既要实现自下而上的信息加工，又要完成自上而下的调节与控制功能。脑区的神经元群在不同的认知任务下动态的相互作用并且形成了不同的神经环路。先前的研究主要集中在定位认知功能特异脑区，强调用大脑区域来定位认知功能，孤立的关注脑区与特定认知功能的联系；近年来随着观测技术和研究手段的不断发展，越来越多的研究者逐渐着眼于大脑不同脑区在完成某一认知功能时的相互作用，从脑网络的层次，从信息流传导的层次，将大脑作为一个整体进行功能整合来对大脑进行深入、细致、全面的研究。
[0003]虽然大脑不同脑区对应于不同的认知功能，但要完成一项认知功能，往往需要大脑多个不同的脑区相互协调、交互作用，共同动态的构成一个复杂的网络来发挥其功能，即大脑的功能执行总是依赖于多个脑区之间广泛地交互。因此，从脑网络的角度来研究大脑不同脑区的神经生理动力学特性是极为必要的。神经生理学实验在大脑大尺度上得到了大量皮层脑电(ECoG)数据，这种ECoG数据具有极高的时空分辨率，为我们研究脑功能提供了新的窗口，但是对于大脑网络不同模块间信息交互的度量和量化还是很浅显的，要求发展新的计算和可视化方法来分析和研究大脑网络不同模块间的信息交互。
【发明内容】
[0004]本发明的目的在于提供一种基于多通道皮层脑电记录的大尺度皮层网络信息流个体化三维动态可视化方法，以便从大尺度脑网络信息传导的层次研究不同脑区间的信息交互，为大脑网络不同模块间信息交互的度量和量化提供新的计算和可视化方法。
[0005]为实现上述目的，本发明提出一种基于多通道皮层脑电记录的大尺度皮层网络信息流个体化三维动态可视化方法，包括以下步骤:
[0006]步骤SI，对采集到的皮层脑电(ECoG)数据进行预处理，以选取感兴趣通道；
[0007]步骤S2，依据所选取的感兴趣ECoG数据，计算在不同时间和频率的大脑皮层网络 息流矩阵；
[0008]步骤S3，对经过显著性检验的信息输入、输出流在三维立体脑结构上进行三维动态可视化。[0009]所述步骤S2具体包括以下步骤:
[0010]步骤2.1:利用基于多变量自回归模型的自适应有向传递函数ADTF计算对所述感兴趣ECoG数据在不同时频点的传递矩阵；
[0011]多变量自回归模型的描述如下:
【权利要求】
1.一种基于多通道皮层脑电记录的大尺度皮层网络信息流个体化三维动态可视化方法，其特征在于，包括以下步骤: 步骤SI，对采集到的皮层脑电ECoG数据进行预处理，以选取感兴趣通道； 步骤S2，依据所选取的感兴趣ECoG数据，计算在不同时间和频率的大脑皮层网络信息流矩阵； 步骤S3，对经过显著性检验的信息输入、输出流在三维立体脑结构上进行三维动态可视化； 所述步骤S2具体包括以下步骤: 步骤2.1:利用基于多变量自回归模型的自适应有向传递函数ADTF计算对所述感兴趣ECoG数据在不同时频点上的传递矩阵； 多变量自回归模型的描述如下:
2.根据权利要求1所述的一种基于多通道皮层脑电记录的大尺度皮层网络信息流个体化三维动态可视化方法，其特征在于，所述步骤SI具体包括以下步骤: 步骤1.1:对所述ECoG数据进行0.3-150HZ滤波和50Hz陷波处理，以消除低频飘移和工频干扰； 步骤1.2:对滤波处理后的ECoG数据进行坏通道检验处理，去除坏通道，避免不可靠数据的影响； 步骤1.3:对去除坏通道后的ECoG数据进行转换参考处理，采用平均参考； 步骤1.4:对转换参考后的ECoG数据进行基线校正处理，去除基线漂移，以使ECoG数据趋于平稳； 步骤1.5:对基线校正后的ECoG数据进行伪迹检测处理，去除头、面部肌肉抖动干扰的数据片段； 步骤1.6:从预处理后的ECoG数据中选取记录电极落在感兴趣脑区的ECoG数据。
【文档编号】G06F19/00GK103942424SQ201410146874
【公开日】2014年7月23日 申请日期:2014年4月13日 优先权日:2014年4月13日
【发明者】李小俚, 胡振红 申请人:北京师范大学