复杂脑肌交互闭环功能网络框架的构建方法与流程

1.本发明涉及多模态信息融合领域，具体涉及一种大脑皮层-肌肉信息交互的闭环功能网络框架构建方法。


背景技术：

2.大脑皮层网络的连通性分析已成为研究肢体障碍患者运动功能恢复过程中脑功能的重要工具。大量研究利用神经成像和电生理数据的功能连通性或有效连通性来探索宏观大脑不同区域之间的相互作用及其对行为的影响，并证明脑功能的改变与运动功能的缺失和恢复有关。大脑网络的这种系统视角允许对运动障碍的病理生理学有一个拓扑性质的理解，可能因此影响干预病理脑网络的治疗策略。
3.尽管有关运动功能受损的脑网络连通性研究取得了长足进展，但关于与肌肉活动相关的皮质网络的动态变化却知之甚少，针对这些变化的认知可以增强对患者运动控制系统中协同工作模式变化的全面理解。
4.运动的产生是整个感觉运动系统协调工作的结果，并且耦合在一个复杂的反馈回路中。在关注大脑皮层网络的同时，效应肌在运动控制中的作用也不能轻易忽视。脑肌功能耦合可以反映大脑皮层与肌肉活动之间的相互作用，肌肉之间的肌肉间耦合已被用作检测皮质脊髓束变化的补充手段，两者都是耦合估计方法的表征，它们主要利用各种相干模型对记录的脑电和肌电信号进行量化，以部分刻画运动控制系统的工作机制。
5.然而，现阶段还没有研究试图将皮层-肌肉、肌肉间的信息交互整合到大脑皮层网络中，以闭环系统的方式探索与肢体障碍患者运动功能相关的潜在机制变化。


技术实现要素：

6.有鉴于现有大脑皮层网络技术的上述缺陷，本发明提出一种新的神经系统网络框架构建方法，来研究患者的皮层-肌肉-皮层网络拓扑结构的动态运行模式。
7.本发明采用的技术方案具体如下：
8.一种复杂脑-肌交互闭环功能网络框架的构建方法，包括以下步骤：
9.步骤1：合并采集记录的脑电(eeg)和肌电(emg)数据为n m维的时间序列；其中，n为脑电数据的通道数，m为肌电数据的通道数。
10.步骤2：描述时间序列为多元自回归过程，表示如下：
[0011][0012]
其中xr(t)是时间序列，ak为稀疏矩阵，p表示模型阶数，k表示滞后变量，εr(t)表示白噪声，并根据滞后变量k设0或非0值扩展为瞬时效应和滞后效应，获得初始模型；
[0013]
步骤3：基于akaike信息标准评估初始模型的最佳模型阶数，根据最佳模型阶数对初始模型进行修正获得多元自回归模型；
[0014]
步骤4：在滞后变量等于0时的瞬时效应下，对多元自回归模型进行傅立叶变换，转
换到频域并提取模型系数矩阵；
[0015]
步骤5：根据步骤4提取的模型系数矩阵计算所有通道对之间的扩展偏定向相干值；
[0016]
步骤6：采用因果傅里叶变换代理数据方法验证每个脑肌通道对之间的扩展偏定向相干值在频域中的统计显著性，若不具有统计显著性，则将对应脑肌通道对之间的扩展偏定向相干值修正为0；
[0017]
步骤7：定量分析特定频段中通道之间的显著扩展偏定向相干面积作为功能连通性度量，建立相关矩阵，依据定义的出度方向(out direction)和入度方向(in direction)，分别形成两个复杂脑-肌交互闭环功能网络。所述出度方向和入度方向具体为：根据相关矩阵的对角线划分的两个区域，将所有脑肌通道对之间的不同信息流分别定义为出度方向和入度方向。
[0018]
进一步地，所述步骤6中，采用因果傅里叶变换代理数据方法验证每个脑肌通道对之间的扩展偏定向相干值在频域中的统计显著性，具体如下：
[0019]
步骤6.1：通过随机化原始n m维的时间序列的幅度和相角，破坏直接因果耦合，但保留功率谱和相位差；
[0020]
步骤6.2：采用重整化偏定向相干方法，确定置信区间和显著性阈值。显著性阈值定义为1000个代理集中每个相干分布的第95个百分点；依据显著性阈值验证每个脑肌通道对之间的扩展偏定向相干值在频域中的统计显著性。
[0021]
进一步地，所述步骤7中，定量分析特定频段中通道之间的显著扩展偏定向相干面积作为功能连通性度量，具体如下：
[0022]
步骤7.1：构建涉及不同皮层区域间、皮层肌肉间和不同肌肉间相关事件的功能连通性框架；
[0023]
步骤7.2：分析特定频段(fb～fe)中通道之间的显著相干面积，归一量化为功能连通性度量值。其中，两个通道之间的归一化显著扩展偏定向相干区域fc
epdc
通过下式进行量化：
[0024][0025]
表示频率f处的扩展偏定向相干值，sl
ij
(f)表示频率f处的显著性阈值，δf表示频率分辨率，r表示不同的源通道组合，r＝1,2,3，r
ij
表示多元自回归变量。
[0026]
进一步地，还包括闭环网络有效连通性分析，具体为：将从源区域流向目标区域的总相干信息定义为流入指数(ifi)，表示一个区域对闭环系统另一个区域的因果影响，而将从目标区域流向源区域的总相干信息定义为流出指数(ofi)，表示一个区域被另一个区域因果驱动的程度。分别表示如下：
[0027][0028][0029]
表示特定频段fb～fe中两个通道之间的偏定向相干流入信息，
表示特定频段中两个通道之间的偏定向相干流出信息。
[0030]
进一步地，所述步骤7中，利用网络稀疏度即连接密度作为阈值度量将相关矩阵转换为加权图获得两个复杂脑-肌交互闭环功能网络。
[0031]
进一步地，利用闭环网络的边缘强度表征皮层-肌肉-皮层协调工作模式的动态变化。
[0032]
本发明的有益效果是：本发明提出低延迟信号(模拟大脑神经元群信息传递过程)下噪声鲁棒性强的信息耦合计算框架，同时对同步的肌电信息保持弹性；运动功能障碍患者的神经通路损伤，导致神经信息传递控制和外周感觉信息反馈双向通路被破坏，本发明设计更符合生理学特性的连通指标，即非对称耦合信息量化度量，估计小频段内大脑功能区域间、脑-肌耦合区域之间的交互强度。本发明提出复杂脑-肌交互闭环功能网络，以电生理水平全面解释患者皮层与肌肉病变部位的活动变化，这种系统视角允许对卒中引起的运动障碍的病理生理学有一个自上而下(大脑到肌肉)的拓扑性质的理解，帮助后续医师干预治疗策略的制定。
附图说明
[0033]
图1是本发明的一个较佳实施例的总体方案及方案分解示意图；
[0034]
图2是本发明的一个较佳实施例的复杂脑-肌交互闭环功能网络概念图。
[0035]
图3是本发明的一个较佳实施例的功能连通性拓扑结构示意图。
[0036]
图4是本发明的一个较佳实施例的有效连通性分析拓扑结构示意图。
[0037]
图5是本发明的一个较佳实施例的相关矩阵与加权闭环网络示意图。
具体实施方式
[0038]
以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
[0039]
本发明所提出的复杂脑-肌交互闭环功能网络按照如图1所示的方法步骤实现。已有的基于头皮脑电的脑网络研究中用于连通性(功能连接)分析的一般方法主要是基于相位、振幅或联合振幅-相位的度量。多传感器记录源活动产生的容积传导或场扩散，导致虚假线性相关的存在，极易对时间序列之间的统计相关性的估计产生负面影响。本发明提出对容积传导不敏感且能够有效表征大脑和肌肉之间耦合强度的统计度量，以避免因虚假交互而高估连接性，包括以下步骤：
[0040]
步骤1：合并采集记录的脑电(eeg)和肌电(emg)数据为n m维的时间序列；其中，n为脑电数据的通道数，m为肌电数据的通道数。
[0041]
步骤2：采用对容积传导效应不敏感的多元因果估计方法扩展，以削弱容积传导效应，具体为：描述上述因果时间序列为多元自回归过程，表示如下：
[0042][0043]
其中xr(t)是时间序列，ak为稀疏矩阵，p表示模型阶数，k表示滞后变量，εr(t)表示白噪声，并根据滞后变量k设0或非0值扩展为瞬时效应和滞后效应，获得初始模型；r表示不
同的源通道组合，r＝1,2,3。
[0044]
步骤3：基于akaike信息标准评估初始模型的最佳模型阶数，根据最佳模型阶数对初始模型进行修正获得多元自回归模型；为了避免过拟合，一般最大阶数限定为20；
[0045]
步骤4：进一步将残差之间的相关性转换为模型系数，以便全面描述时间序列之间即通道之间的直接相互作用，具体为：在滞后变量等于0时的瞬时效应下，对多元自回归模型进行傅立叶变换，转换到频域并提取模型系数矩阵；
[0046]
步骤5：利用扩展的多元自回归(mvar)模型结合瞬时和滞后效应，构建频域下功能连接的非对称偏定向相干度量，在窄带频率范围内，实现频域因果关系的有效估计，具体为：根据步骤4提取的模型系数矩阵计算脑肌通道对之间的扩展偏定向相干值，形成脑肌通道对之间的初始相关矩阵；
[0047]
步骤6：采用因果傅里叶变换代理数据方法验证每个脑肌通道对之间的扩展偏定向相干值在频域中的统计显著性，具体如下：
[0048]
步骤6.1：通过随机化原始n m维的时间序列的幅度和相角，破坏直接因果耦合，但保留功率谱和相位差；
[0049]
步骤6.2：采用重整化偏定向相干方法，确定置信区间和显著性阈值。显著性阈值定义为1000个代理集中每个相干分布的第95个百分点；
[0050]
若不具有统计显著性，则将对应脑肌通道对之间的扩展偏定向相干值修正为0，形成修正后的相关矩阵；修正后的相关矩阵中的非对称偏定向相干度量除了可以评价滞后效应外，还可以评价包括瞬时效应在内的一种扩展形式的因果关系，既适用于存在大量瞬时效应的不同脑区间功能连接分析，也适用于存在滞后效应的脑肌间功能连接分析。
[0051]
步骤7：定量分析特定频段中通道之间的显著扩展偏定向相干面积作为功能连通性度量，具体如下：
[0052]
步骤7.1：构建涉及不同皮层区域间、皮层肌肉间和不同肌肉间相关事件的功能连通性框架；
[0053]
步骤7.2：分析特定频段(fb～fe)中通道之间的显著相干面积，归一量化为功能连通性度量值。其中，两个通道之间的归一化显著扩展偏定向相干区域fc
epdc
通过下式进行量化：
[0054][0055]
表示频率f处的扩展偏定向相干值，sl
ij
(f)表示频率f处的显著性阈值，δf表示频率分辨率，r表示不同的源通道组合，r＝1,2,3(分别对应脑-脑通道对、脑-肌通道对、肌-肌通道对)，r
ij
表示多元自回归变量。
[0056]
根据相干性矩阵的对角线划分的两个区域，将所有脑肌通道对之间的不同信息流分别定义为出度方向(out direction)和入度方向(in direction)；如图5所示，本实施例中，位于左下角的定义为出度方向，右上角的定义为入度方向，其中通道1-32和通道33-40分别表示eeg和emg。以出度方向为例，图3表示基于复杂脑-肌交互闭环功能网络的功能连通性拓扑结构，其中，实线、虚线和点划线表示不同通道之间的非零度量值。
[0057]
复杂脑-肌交互闭环功能网络示意如图2所示。从左至右分别为单通道间交互和多通道交互。不同样式的曲线表示不同交互的信息流(出度和入度)。
[0058]
进一步地，原则上，网络可以抽象地表示为由顶点和对应边组成的图。本发明考虑闭环网络的边缘强度，对非对称偏定向相干度量进行约束最小二乘加权求和。具体如下：
[0059]
基于优化后的权重值将脑肌交互连接问题转换为求解加权图；
[0060]
进一步建立标准化的加权值作为脑-肌闭环功能网络的连接边，通过网络稀疏度函数即连接密度作为阈值将每个相关矩阵转换构造为加权图；
[0061]
低于阈值的加权边值设为0，降低网络复杂度以提升局部显著性，最终生成加权脑-肌闭环功能网络。信息流出度方向和入度方向的加权网络如图5右侧所示。通过闭环网络的边缘强度可视化直观表征皮层-肌肉-皮层协调工作模式的动态变化。
[0062]
本发明借助于多通道脑肌电信号，提出复杂脑-肌交互闭环功能网络，将信息化度量以交互连接的方式融合到脑功能网络中，构建脑功能网络与脑肌耦合、肌间耦合相互作用的完整闭环网络体系，覆盖整个大脑区域和局部受损肌肉组织，以电生理水平全面解释患者皮层与肌肉病变部位的活动变化，这种系统视角允许对卒中引起的运动障碍的病理生理学有一个自上而下(大脑到肌肉)的拓扑性质的理解，帮助后续医师干预治疗策略的制定。
[0063]
作为一优选方案，为了实现对同步的噪声和脑肌电信息保持弹性，还可以通过神经元信号模拟仿真建模的数据对步骤3构建的多元自回归模型进行进一步修正，示例性地，可以通过振荡器建模神经元群并生成具有不同噪声同步水平的数据集，时间序列耦合强度在0～1之间，相位差的演化遵循线性趋势，即在[-π,π]范围内将相位差恒定的完全等频分量转化为微分相位；当信号的频率发生移位时，本发明基于eeg和emg数据集对所提因果关系模型的耦合检测能力和对噪声的鲁棒性进行验证，建立强鲁棒性的最优模型系数。
[0064]
作为另一优选方案，有效连通性代表一个神经系统(或大脑区域)对另一个神经系统施加的影响，可以通过各种相互作用或因果耦合模型，如格兰杰因果关系和动态因果模型来量化。鉴于偏定向相干是格兰杰因果关系的频域表示，因此闭环功能网络可以在某种程度上由有效连通性表征。
[0065]
闭环功能网络的有效连通性分析基于表征大脑区域和肌肉组织区域并定义感兴趣区域(roi)的假设进行的。脑部rois提取遵循以下标准：rois由脑图谱引导划分，不存在重叠区域，从而确保选择功能上有意义的连通区域。特别地，对于大脑区域，本发明采用头部模型的皮层重建作为受试者的逼真几何头部模型。从国际10/20系统的标准电极导联采集到的脑电信号表示在真实的几何模型上。
[0066]
图4表示有效连通性分析的拓扑结构，即不同rois对信息流的总体影响，箭头方向代表ifi和ofi参数。8个rois中，健侧和患侧的脑部运动皮层区域定义为mu和ma；健侧和患侧感觉皮层分别定义为su和sa；健侧和患侧的顶叶关联区分别定义为pau和paa。针对与上肢两个解剖部位相关的肌肉区域，根据患侧肌电电极采集的信号，本发明将上肢近端肌肉(肱二头肌，肱三头肌和三角肌)和远端肌肉(指浅屈肌，尺侧腕屈肌，桡侧腕屈肌，尺侧腕伸肌和桡侧腕长伸肌)划分为两个rois，分别定义为pm和dm。
[0067]
以上所述仅是本发明的优选实施方式，应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思做出若干修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑推理或者实验可以得到的技术方案，皆应视为本
发明的保护范围。