一种基于耦合神经元群的脑电活动模拟方法及系统

1.本发明涉及图像处理技术领域，具体涉及一种基于耦合神经元群的脑电活动模拟方法及系统。


背景技术：

2.当前，用于研究神经元群的电行为及这种电行为与所观察到的脑电信号之间关系的建模方法主要有两类。一类是基于网络的，网络由大量的基础细胞构成，这类模型主要在微观层次上描述单个神经元的行为，但是并不能很好地描述大脑的复杂电行为总体表现，这类模型的代表有hodgkin-huxley模型、chay模型等。另一类是集总参数(lump parameter)的建模方法，以神经元群模型为代表，这类模型不需要从微观上建模每个细胞，避免了精细模型中的复杂的连接和过高的维度，而是从宏观上描述一个神经元群的总体特性，既具有简单的形式又可以很好地反映生理学上的意义，可以作为临床实验的有效补充来进行神经生理学方面的研究，这类模型的代表有jansen模型、wendling模型等。
3.2002年，wendling等人在jansen模型的基础上提出了一种精细的单神经元群体模型。该模型包括四个神经元子群：锥体神经元、兴奋性中间神经元、树突发射的慢抑制中间神经元(gaba
a,slow
)和体壁发射的快抑制中间神经元(gaba
a,fast
)。锥体神经元接受来自于中间神经元的兴奋性和抑制性的输入，而中间神经元只接受来自于锥体神经元的兴奋输入，同时慢抑制中间神经元对快抑制中间神经元也有一定的抑制作用。
4.目前在基于seeg的射频热凝毁损术中，通过构建耦合神经元群模型来模拟脑电活动，为医生调整手术方案提供参考的相关研究仍为空白。


技术实现要素：

5.为了克服现有技术存在的缺陷与不足，本发明提供一种基于耦合神经元群的脑电活动模拟方法及系统，通过去除耦合神经元群模型中部分信号来模拟部分大脑皮质坏死，根据各通道的脑电图及高频能量值变化，来判断拟定的大脑皮质对高频脑电活动的影响程度。
6.为了达到上述目的，本发明采用以下技术方案：
7.本发明提供一种基于耦合神经元群的脑电活动模拟方法，包括下述步骤：
8.脑电信号预处理，包括：信号的片段截取、伪迹去除和调整数据的采样率；
9.计算各个通道信号间的皮尔逊相关系数，表示各个通道信号间的同步连接程度，将计算得到的皮尔逊相关系数组成矩阵；
10.构建耦合神经元群模型，包括线性模块和非线性模块，所述线性模块用于将传入的神经元子集群平均动作电位放电率转换为突触后平均膜电位，所述非线性模块用于将神经元子集群的平均膜电位变换为平均动作电位放电率，通过不同参数的兴奋性、慢速抑制性及快速抑制性中间神经元子集群相互连接组成神经元群模型；
11.构建耦合神经元群模型时，将相邻的三个电极通道视作一个神经元群，模拟部分
大脑部位坏死，具体步骤包括：若某个神经元群对应的三个电极通道中至少有两个电极通道划定在坏死区域内，则去除该神经元群，将神经元群之间的连接强度变为0；若某个神经元群对应的三个电极通道中最多有一个电极通道划定在坏死区域内，则保留该神经元群；
12.通过移除不同的神经元群模拟大脑不同区域坏死的结果，通过对比剩余神经元群输出的脑电信号及各通道的高频能量值变化，判断大脑不同区域坏死对高频脑电活动的影响程度，从而确定影响高频脑电活动最大的区域。
13.作为优选的技术方案，所述信号的片段截取，具体截取脑电信号由背景活动逐渐转为高频低幅以及高幅震荡的数据片段。
14.作为优选的技术方案，所述计算各个通道信号间的皮尔逊相关系数，具体步骤包括：
[0015][0016]
其中，cor
ij
表示通道信号间的皮尔逊相关系数，i和j表示不同的信号，σi表示信号i的信号方差，σj表示信号j的信号方差，μi表示信号i的信号均值，μj表示信号j的信号均值；
[0017]
将所有通道信号进行两两组合的计算，得到由皮尔逊相关系数组成矩阵，其中矩阵元素值表示通道之间的相关性。
[0018]
作为优选的技术方案，所述耦合神经元群模型具体表示为：
[0019][0020]
其中，变量y1～y5、y
11
分别代表不同神经元子集群的突触电位，变量y6～y
10
、y
12
，分
别为y1～y5、y
11
的导数，i、j表示第i、j个神经元群，k表示神经元群总数，p(t)为模型的外部输入，变量代表模型的输出，表示突触后电位，exc代表兴奋性突触增益，w
ij
表示神经元群之间的连接强度，sdi表示慢抑制性突触增益，fsi表示快抑制性突触增益，a表示反馈兴奋回路时间常数，b表示慢反馈抑制回路时间常数，g表示快反馈抑制回路中的时间常数，ad表示连接相关时间常数，c1,c2均表示兴奋回路中突触平均数，c3,c4表示慢反馈抑制回路中突触平均数，c5,c6表示快反馈抑制回路中突触平均数，c7表示慢、快抑制性中间神经元间的突触平均数。
[0021]
作为优选的技术方案，神经元群之间的连接强度采用下式表示：
[0022][0023]
其中，w
ij
表示神经元群之间的连接强度，cor
ij
表示第i个脑电通道与第j个脑电通道之间的相关系数。
[0024]
作为优选的技术方案，所述通过移除不同的神经元群模拟大脑不同区域坏死的结果，具体步骤包括：
[0025]
去除神经元群时，将神经元群之间的连接强度进行变换，表示为：
[0026][0027]
其中，u表示神经元群，w
′
ij
表示变换后的神经元群之间的连接强度；
[0028]
将变化后的神经元群之间的连接强度代入耦合神经元群模型，各神经元群模型的输出信号随着神经元群的去除而不断发生改变，实现模拟大脑部分坏死后记录的各脑电通道随时间变化的信号。
[0029]
本发明还提供一种基于耦合神经元群的脑电活动模拟系统，包括：脑电信号预处理模块、皮尔逊相关系数计算模块、耦合神经元群模型构建模块和大脑部分坏死模拟模块；
[0030]
所述脑电信号预处理模块用于脑电信号预处理，包括：信号的片段截取、伪迹去除和调整数据的采样率；
[0031]
所述皮尔逊相关系数计算模块用于计算各个通道信号间的皮尔逊相关系数，表示各个通道信号间的同步连接程度，将计算得到的皮尔逊相关系数组成矩阵；
[0032]
所述耦合神经元群模型构建模块用于构建耦合神经元群模型，包括线性模块和非线性模块，所述线性模块用于将传入的神经元子集群平均动作电位放电率转换为突触后平均膜电位，所述非线性模块用于将神经元子集群的平均膜电位变换为平均动作电位放电率，通过不同参数的兴奋性、慢速抑制性及快速抑制性中间神经元子集群相互连接组成神经元群模型；
[0033]
所述大脑部分坏死模拟模块用于将相邻的三个电极通道视作一个神经元群，模拟部分大脑部位坏死，具体步骤包括：若某个神经元群对应的三个电极通道中至少有两个电极通道划定在坏死区域内，则去除该神经元群，将神经元群之间的连接强度变为0；若某个神经元群对应的三个电极通道中最多有一个电极通道划定在坏死区域内，则保留该神经元群；
[0034]
通过移除不同的神经元群模拟大脑不同区域坏死的结果，通过对比剩余神经元群输出的脑电信号及各通道的高频能量值变化，判断大脑不同区域坏死对高频脑电活动的影响程度，从而确定影响高频脑电活动最大的区域。
[0035]
作为优选的技术方案，所述耦合神经元群模型具体表示为：
[0036][0037]
其中，变量y1～y5、y
11
分别代表不同神经元子集群的突触电位，变量y6～y
10
、y
12
，分别为y1～y5、y
11
的导数，i、j表示第i、j个神经元群，k表示神经元群总数，p(t)为模型的外部输入，变量代表模型的输出，表示突触后电位，exc代表兴奋性突触增益，w
ij
表示神经元群之间的连接强度，sdi表示慢抑制性突触增益，fsi表示快抑制性突触增益，a表示反馈兴奋回路时间常数，b表示慢反馈抑制回路时间常数，g表示快反馈抑制回路中的时间常数，ad表示连接相关时间常数，c1,c2均表示兴奋回路中突触平均数，c3,c4表示慢反馈抑制回路中突触平均数，c5,c6表示快反馈抑制回路中突触平均数，c7表示慢、快抑制性中间神经元间的突触平均数。
[0038]
作为优选的技术方案，神经元群之间的连接强度采用下式表示：
[0039][0040]
其中，w
ij
表示神经元群之间的连接强度，cor
ij
表示第i个脑电通道与第j个脑电通道之间的相关系数。
[0041]
作为优选的技术方案，所述通过移除不同的神经元群模拟大脑不同区域坏死的结
果，具体步骤包括：
[0042]
去除神经元群时，将神经元群之间的连接强度进行变换，表示为：
[0043][0044]
其中，u表示神经元群，w
′
ij
表示变换后的神经元群之间的连接强度；
[0045]
将变化后的神经元群之间的连接强度代入耦合神经元群模型，各神经元群模型的输出信号随着神经元群的去除而不断发生改变，实现模拟大脑部分坏死后记录的各脑电通道随时间变化的信号。
[0046]
本发明与现有技术相比，具有如下优点和有益效果：
[0047]
本技术通过去除耦合神经元群模型中部分信号模拟部分大脑皮质坏死，根据各通道的脑电图及高频能量值变化判断拟定的大脑皮质对高频脑电活动的影响程度，在探索不同大脑区域坏死方案对高频脑电传播的影响方面，与利用脑磁图(meg)、弥散张量成像图(dti)等图像数据构建基于结构脑网络的个性化模型相比，分析植入式脑电信号不仅有助于探索大脑更立体、更深层的电生理信息，而且具有更高的时间分辨率。
附图说明
[0048]
图1为本发明基于耦合神经元群的脑电活动模拟方法的流程示意图；
[0049]
图2为本发明查看脑电数据的示意图；
[0050]
图3为本发明脑电电极所有通道的相关系数矩阵示意图；
[0051]
图4为本发明平均放电率与平均突触后膜电位相互转换示意图；
[0052]
图5为本发明神经元子集群框架示意图；
[0053]
图6为本发明神经元群模型框架示意图。
具体实施方式
[0054]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0055]
实施例
[0056]
如图1所示，本实施例提供一种基于耦合神经元群的脑电活动模拟方法，包括下述步骤：
[0057]
s1：脑电图预处理；
[0058]
包括：信号的片段截取、伪迹去除和调整数据的采样率；
[0059]
在本实施例中，利用matlab软件截取脑电信号由背景活动逐渐转为高频低幅以及高幅震荡的数据片段，去除存在较多伪迹的电极通道，调整数据的采样率，以方便数据处理。
[0060]
如图2所示，利用edfbrowser查看脑电信号由背景活动逐渐转为高频低幅以及高幅震荡、结束时间点，以及找出存在较多伪迹的电极通道；
[0061]
在本实施例中，采用尼高力记录系统采集脑电信号，为方便后续的数据分析，将患
者的信号采样率统一调整为256hz。
[0062]
s2：相关系数计算；
[0063]
选取特定长度的发作期信号，计算各个脑电通道信号间的相关性，得到通道的两两相关系数矩阵。
[0064]
在本实施例中，选取特定长度的脑电由背景活动逐渐转为高频低幅以及高幅震荡的数据片段信号，计算各个通道信号间的皮尔逊相关系数，将计算得到的相关系数组成矩阵；
[0065]
在本实施例中，截取的信号片段为脑电由背景活动逐渐转为高频低幅以及高幅震荡开始后的60s；
[0066]
计算各个通道信号间的皮尔逊相关系数，表示各个通道信号间的同步连接程度，计算公式如下：
[0067][0068]
其中，i和j表示不同的信号，σ为信号方差，μ为信号均值。将所有通道进行两两组合的计算，得到由皮尔逊相关系数组成矩阵，其中矩阵的第i行、第j列的元素值表示第i个通道与第j个通道之间的相关性。如图3所示，得到相关系数矩阵可视化的结果，颜色越接近黑色说明两个通道之间的连接性越强，反之，颜色越接近白色说明两个通道之间的连接性越弱。
[0069]
s3：构建耦合神经元群模型
[0070]
考虑到电极通道之间的间距较近，邻近通道的位置所在的神经元具有相似的电生理活动，为简化模型、减少计算量，将相邻的三个电极通道视作一个神经元群，其中中间通道的脑电信号作为真实信号。
[0071]
3.1模型的基本模块
[0072]
利用wendling模型构建神经元群模型，该模型由线性模块与非线性模块组成。其中线性模块将传入的神经元子集群平均动作电位放电率m转换为突触后平均膜电位v，电位可以是兴奋性的，慢速抑制性的或快速抑制性的，这个过程对应的单位冲激响应函数分别为he(t)、hi(t)、hf(t)。以he(t)为例，兴奋性突触从输入到输出的单位冲激响应函数为：
[0073][0074]
式中，exc代表兴奋性突触增益，a代表反馈兴奋回路时间常数。
[0075]
而非线性模块将神经元子集群的平均膜电位v变换为平均动作电位放电率，变换用如下形式的sigmoid函数来表示：
[0076][0077]
这里2e0是最大发放率，v0是对应于发放率e0的后突触电位，r是sigmoid函数的陡峭度，决定了该函数的弯曲程度。综上所述，线性模块和非线性模块实现了平均膜电位与平均放电率之间的转换，如图4所示，根据神经集群模型的建模思想，平均膜电位和平均放电率描述了一个神经元子集群的平均电活动。
[0078]
3.2搭建模型及方程组
[0079]
利用以上两个基本模块可以两两组合成多种形式的神经元子集群，通过不同参数的兴奋性、慢速抑制性及快速抑制性中间神经元子集群相互连接组成一个神经元群模型。如图5所示，锥体神经元子集群的输出传入三个中间神经元子集群并接收来自中间神经元子集群的兴奋性和抑制性反馈以及外部神经集群的兴奋性输入，同时快抑制中间神经元子集群还接收来自慢抑制中间神经元子集群的输入。图中“ ”表示兴奋性连接，
“‑”
表示抑制性连接。外部输入用按高斯分布的白噪声p(t)及外部神经元集群的兴奋性输入y
11
表示。模型的输出是锥体神经元子集群突触后膜电位y。锥体神经元子集群、慢抑制中间神经元子集群和快抑制中间神经元子集群间的平均突触连接数用常数c
1-c7表示，通常把这7个相关联的常数用一个总的平均连接常数c的不同倍数来表示。
[0080]
构建模型方程组之前，神经元群之间的连接强度由下式表示：
[0081][0082]
其中，cor
ij
表示第i个脑电通道与第j个脑电通道之间的相关系数。
[0083]
下面基于wendling模型，以描述神经元群i的状态为例说明构建耦合神经元群模型的方程组过程。如图6所示，图中的6个变量y1～y5、y
11
分别代表不同神经元子集群的突触电位，在此基础上，又引入6个变量y6～y
10
、y
12
，分别为y1～y5、y
11
的导数，则可以用十二个一阶常微分方程组成的方程组来表示：
[0084]
[0085]
其中，i、j表示第i、j个神经元群，k表示神经元群总数，p(t)为模型的外部输入，通常用均值为正值的高斯白噪声来模拟。变量代表模型的输出，它是锥体神经元子群的突触后电位，用来模拟实际记录的脑电信号，也是本发明最重要的变量。其余的参数解释和标准值如下：
[0086]
其中，exc表示兴奋性突触增益，优选值为3.25mv，sdi表示慢抑制性突触增益，优选值为22mv，fsi表示快抑制性突触增益，优选值为20mv，a表示反馈兴奋回路时间常数，优选值为a＝10ms，b表示慢反馈抑制回路时间常数，优选值为b＝20ms，g表示快反馈抑制回路中的时间常数，优选值为g＝2ms，ad表示连接相关时间常数，优选值为ad＝33.3ms，c1,c2均表示兴奋回路中突触平均数，优选值为c1＝c＝135，c2＝0.8c，c3,c4表示慢反馈抑制回路中突触平均数，c5,c6表示快反馈抑制回路中突触平均数，c5＝0.3c，c6＝0.1c，c7表示慢、快抑制性中间神经元间的突触平均数，c7＝0.8c，在耦合神经元群模型中，这里假设所有神经元群具有相同的参数值，只研究切断神经元群部分连接与高频脑电活动变化之间的关系。
[0087]
s4：模拟坏死
[0088]
构建耦合神经元群模型时，将相邻的三个电极通道视作一个神经元群。通过从耦合神经元群模型中移除指定的神经元群来模拟部分大脑部位坏死，模拟坏死过程如下：若某个神经元群对应的三个电极通道中至少有两个电极通道划定在坏死区域内，则去除该神经元群，反之，若某个神经元群对应的三个电极通道中最多有一个电极通道划定在坏死区域内，则保留该神经元群。去除神经元群即切断其与其他神经元群的连接(神经元群之间的连接强度变为0，具体见下例)，该神经元群不再作为其他神经元群的输入。
[0089]
在本实施例中，坏死区域定义：以大脑aal分区为区域划分准则，每次假定坏死一个分区。利用电极触点自动定位软件contactsegmentation_sysu获取电极通道的mni坐标，结合aal脑图谱确定触点所在脑区。
[0090]
下面以去除单个神经元群u为例，对模拟坏死的过程及评估方法展开说明，则耦合矩阵w可以变换为w
′
：
[0091][0092]
将变化后的耦合矩阵w
′
代入剩余各个神经元群状态的微分方程组，方程组的12个变量y7、y2、y6、y1、y8、y3、y9、y4、y
10
、y5、y
12
、y
11
的值都依次更迭，随着变量不断更迭，即在不同时间点发生变化，则各神经元群模型的输出信号y＝y
2-y
3-y4也随着神经元群u的去除而不断发生改变，实现模拟大脑部分坏死后记录的各脑电通道随时间变化的信号。
[0093]
因此，可以通过移除不同的神经元群来模拟大脑不同区域坏死的结果，通过对比剩余神经元群输出的脑电信号及各通道的高频能量值变化，来判断大脑不同区域坏死对高频脑电活动的影响程度，从而确定影响高频脑电活动最大的区域。本发明基于植入性脑电信号构建模拟大脑不同区域坏死的结果，与其他利用图像数据构建结构脑网络相比，生理解释性和时间分辨率都得到进一步改进。从定性角度来看，若与模拟坏死前的真实脑电信号相比，模拟坏死后的信号出现棘波、尖波等爆发性脑电活动次数明显减少，该坏死区域对高频脑电活动的影响程度较大，反之亦然。从定量角度来看，若与模拟坏死前的真实脑电信号相比，模拟坏死后的信号的高频能量值显著性降低，该坏死区域对高频脑电活动的影响
程度较大，反之亦然。
[0094]
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。