基于MATLAB GUI的腦電網絡分析系統(tǒng).pdf

1、腦科學研究被納入新一輪五年規(guī)劃中，預示著我國即將掀起對大腦研究新的浪潮?；谀X電(Electroencephalogram，EEG)成像技術結合網絡分析方法被廣泛用于“窺探”大腦的秘密，是腦科學研究的主要技術之一，也是神經發(fā)育疾病、精神疾病和神經退行性疾病診斷治療有效手段，同時對未來計算機的發(fā)展，實現腦機交互帶動智能機器人、無人機、腦腦通訊等有著重要作用。不僅有助于提升人類健康水平，也可帶動相關產業(yè)發(fā)展、刺激經濟增長?，F今的眾多研究表明

2、：大腦各區(qū)域間的協調工作共同完成了大腦對信息的加工處理，而大部分的疾病與大腦內部全腦的活動連接的變化具有密不可分的關系。但是目前很多腦電分析軟件還缺乏系統(tǒng)的腦網絡分析功能。本文基于MATLAB平臺實現腦網絡分析圖形用戶界面(GUI)系統(tǒng)，主要包含以下幾個方面的研究：
　　第一，以近二十六年來 BCI團隊在腦電數據分析處理技術上的積累，對算法改進和創(chuàng)新為基礎。編寫技術文檔，分析功能需求，搭建系統(tǒng)框架，實現核心算法。
　　第二，

3、針對腦電數據格式的多樣性，實現對幾種主流數據的載入和顯示。腦電數據中往往存在壞導、噪聲、偽跡等，需要對載入的信號進行預處理操作，得到真實干凈的腦電信號，保障后續(xù)處理結果的正確性。針對壞導數據進行剔除和修復；采用零參考技術(REST)進行參考變換，將其他任何形式的參考轉換到無窮遠參考，從而得到真實的腦電數據；利用有限長單位沖激響應(FIR)濾波器提取信號頻段結合陷波器去除50Hz工頻干擾；對于信號中的偽跡成分使用改進的ICA算法(Robu

4、st ICA)實現腦電信號獨立成分分離，去除其中的偽跡成分。
　　第三，為了從時域，頻域，空間分布三個方面研究EEG的特性。系統(tǒng)采用Welch方法計算信號的功率譜估計，來體現某導數據能量分布和頻域特性；使用主成分分析(PCA)和獨立成分分析(ICA)算法，分離信號主成分和獨立成分，顯示各個成分時域波形以及空間上的分布。運用最小模解(MNS)方法計算腦電源定位結果，并在3-D真實意大利頭模型（皮層模型和頭皮模型）上顯示對應的激活區(qū)。

5、
　　第四，由于網絡分析在腦科學研究上占據舉足輕重的地位，系統(tǒng)采用相關、相干、相位同步、相位滯后方法度量無向加權網絡；同樣對于有向網絡，使用格蘭杰因果、定向傳遞函數、自適應定向傳遞函數、部分定向相干這四種方法量化。對于量化后信號之間的關系，確定閾值并構建頭皮神經網路。分別通過2-D簡易模型和3-D真實模型下的網絡拓撲圖反映節(jié)點之間連接強度和信息交互。在數值上，采用特征路徑長度、聚類系數、全局效率、局部效率四個測度體現網絡整體特征。