(12)发明专利申请
(10)申请公布号 CN 106419850 A(43)申请公布日 2017.02.22
(21)申请号 201610959312.4(22)申请日 2016.11.03
(71)申请人 国家康复辅具研究中心
地址 100176 北京市大兴区经济技术开发
区荣华中路1号(72)发明人 李增勇 王丽婷 徐功铖 王碧天 (74)专利代理机构 北京迎硕知识产权代理事务
所(普通合伙) 11512
代理人 张群峰 吕良(51)Int.Cl.
A61B 5/00(2006.01)A61B 5/1455(2006.01)A61B 5/0205(2006.01)
权利要求书1页 说明书11页 附图3页
(54)发明名称
基于近红外光谱和血压信息的动态脑功能检测方法及系统(57)摘要
本发明涉及基于近红外光谱和血压信息的动态脑功能检测方法及系统。该方法包括步骤：1)利用近红外光谱检测设备采集测试者的脑血氧信号，同时利用血压设备采集测试者的动脉血压；2)将步骤1)所采集的脑血氧信号和血压信号输入小波相干分析模块中，利用小波相干方法对血压信号与每个通道的脑血氧信号进行时频分析，一对近红外光发射器和吸收传感器构成一个通道，不同的生理性来源率对应于不同的特征频率区间；3)根据步骤2)的时频分析得到每个特征频率区间的小波相干系数，小波相干系数表示该特征频率区间内血压与血氧信号的一致性。本发明利用脑血氧和动脉压生理信号，通过小波相干、小波相位相干或效应连接分析简单评估无创的动态脑功能。
CN 106419850 ACN 106419850 A
权 利 要 求 书
1/1页
1.一种基于近红外光谱和血压信息的动态脑功能检测方法，该方法包括以下步骤：1)利用近红外光谱检测设备采集测试者的脑血氧信号，并且同时利用血压设备采集测试者的动脉血压；
2)将步骤1)所采集的脑血氧信号和血压信号输入小波相干分析模块中，利用小波相干方法对血压信号与每个通道的脑血氧信号进行时频分析，其中，一对近红外光发射器和吸收传感器构成一个通道，不同的生理性来源率分别对应于不同的特征频率区间；以及
3)根据步骤2)的时频分析得到每个特征频率区间的小波相干系数，小波相干系数表示该特征频率区间内血压与血氧信号的一致性。
2.根据权利要求1所述的基于近红外光谱和血压信息的动态脑功能检测方法，其中，该方法还包括以下步骤：
4)将步骤1)所采集的脑血氧信号和血压信号输送至小波相位相干处理模块中，利用小波相位相干方法对每个通道的脑血氧信号和血压信号进行相位分析，其中不同的生理性来源分别对应于不同的特征频率区间；以及
5)根据步骤4)的相位分析得到每个特征频率区间的小波相位相干系数，小波相位相干系数表示该特征频率区间内血压与血氧信号的一致性。
3.根据权利要求1或2所述的基于近红外光谱和血压信息的动态脑功能检测方法，其中，该方法还包括以下步骤：
6)将步骤1)所采集的脑血氧信号和血压信号输送至效应连接处理模块中，利用贝叶斯推论方法对脑血氧信号和血压信号进行效应连接分析，得到两两信号间的耦合强度系数和传递方向系数，其中，耦合强度系数表示脑氧信号与血压信号耦合作用的强度，传递方向系数表示脑氧信号与血压信号之间的传递方向和因果关系。
4.根据权利要求1或2所述的基于近红外光谱和血压信息的动态脑功能检测方法，其中，步骤1)和步骤4)中的特征频率区间分别位于0.005-2Hz的范围内，并且每个特征频率区间所代表的生理性来源分别是：I、0.6-2Hz，代表心率活动；II、0.145-0.6Hz，代表呼吸活动；III、0.052-0.15Hz，代表肌源性活动；IV、0.02-0.052Hz，代表神经性活动；V、0.0095-0.02Hz，代表与一氧化氮有关的内皮代谢活动；VI、0.005-0.0095Hz，代表与一氧化氮无关的内皮代谢活动。
5.一种基于近红外光谱和血压信息的动态脑功能检测系统，包括：近红外光谱检测设备，包括布置在需探测的脑区的近红外光发射器及吸收传感器，用于采集脑区的脑氧信号；
血压检测设备，连接在测试者的动脉处，用于采集动脉血压信号；小波相干处理模块，用于对脑氧信号与血压信号进行小波相干处理，得到不同特征频率段的小波相干系数。
6.根据权利要求5所述的基于近红外光谱和血压信息的动态脑功能检测系统，还包括小波相位相干模块，用于对脑氧信号与血压信号进行小波相位相干处理，以得到不同特征频率段的小波相位相干系数。
7.根据权利要求5或6所述的基于近红外光谱和血压信息的动态脑功能检测系统，还包括效应连接处理模块，该效应连接处理模块利用贝叶斯推论方法对脑血氧信号和血压信号进行效应连接分析，以得到相应的耦合强度系数和传递方向系数。
2
CN 106419850 A
说 明 书
1/11页
基于近红外光谱和血压信息的动态脑功能检测方法及系统
技术领域[0001]本发明涉及一种动态脑功能检测方法及系统，尤其涉及一种基于近红外光谱和血压信息融合的动态脑功能检测方法及系统。
背景技术[0002]动态脑功能失调是中老年人姿势性不稳的重要影响因素，是心脑血管疾病的重要诱因。通过对动态脑功能采用简单无创的方法进行检测，可以评估脑功能动态调整水平，起到很好的监测和预防疾病的效果。[0003]中国专利201510133022提出了一种fMRI动态脑功能子网络构建及并联SVM加权识别方法，中国专利201410572855提出了一种脑功能磁共振成像方法和系统，中国专利201410178606提出了一种动态脑功能磁共振成像方法及系统。但是，该类监测方法均基于磁共振成像检测动态脑功能，方法复杂，设备价格昂贵。[0004]动态脑功能状态可反映大脑在面对机体血压变化时调节脑血流的能力，对于脑血流自主调节的分析，近红外光谱已被认为是一种合适的技术。它不仅有较好的时间分辨率(接近于毫秒)，空间分辨率也较高(5-10毫米)。近红外光谱技术可以探测大脑组织微循环的氧合血红蛋白浓度变化，结合动脉血压的检测，可以实现动态脑功能调整评估，方式便携，成本低廉。发明内容[0005]本发明的目的是提供一种基于近红外光谱和血压信息的动态脑功能检测方法及系统，其能够克服上述现有技术的某种或某些问题。[0006]根据本发明的一个方面，提供了一种基于近红外光谱和血压信息的动态脑功能检测方法，该方法包括以下步骤：[0007]1)利用近红外光谱检测设备采集测试者的脑血氧信号，并且同时利用血压设备采集测试者的动脉血压；[0008]2)将步骤1)所采集的脑血氧信号和血压信号输入小波相干分析模块中，利用小波相干方法对血压信号与每个通道的脑血氧信号进行时频分析，其中，一对近红外光发射器和吸收传感器构成一个通道，不同的生理性来源率分别对应于不同的特征频率区间；以及[0009]3)根据步骤2)的时频分析得到每个特征频率区间的小波相干系数，小波相干系数表示该特征频率区间内血压与血氧信号的一致性。[0010]根据本发明，同时采集脑氧信号与血压信号，能够使得相应的检测设备有很高的便携性，方便进行实时检测，并且该检测方法通过小波相干分析能够评估脑功能动态调整水平，且具有很好的时频适应性。[0011]根据本发明的一个实施方式，该方法还包括以下步骤：[0012]4)将步骤1)所采集的脑血氧信号和血压信号输送至小波相位相干处理模块中，利用小波相位相干方法对每个通道的脑血氧信号和血压信号进行相位分析，其中不同的生理
3
CN 106419850 A
说 明 书
2/11页
性来源率分别对应于不同的特征频率区间；以及[0013]5)根据步骤4)的相位分析得到每个特征频率区间的小波相位相干系数，小波相位相干系数表示该特征频率区间内血压与血氧信号的一致性。[0014]根据该实施方法，能够利用小波相位相干方法来评估测试者的动态脑功能。[0015]根据本发明的一个实施方式，该方法还可以包括以下步骤：[0016]6)将步骤1)所采集的脑血氧信号和血压信号输送至效应连接处理模块中，利用贝叶斯推论方法对脑血氧信号和血压信号进行效应连接分析；以及[0017]7)根据步骤6)的效应连接分析得到两两信号间的耦合强度系数和传递方向系数，其中，耦合强度系数表示脑氧信号与血压信号耦合作用的强度，传递方向系数表示脑氧信号与血压信号之间的传递方向和因果关系。[0018]通过该实施方式，能够利用效应连接分析来评估测试者的动态脑功能。[0019]根据本发明的一个实施方式，步骤1)和步骤4)中的特征频率区间分别位于0.005-2Hz的范围内，并且每个特征频率区间所代表的生理性来源分别是：I、0.6-2Hz，代表心率活动；II、0.145-0.6Hz，代表呼吸活动；III、0.052-0.15Hz，代表肌源性活动；IV、0.02-0.052Hz，代表神经性活动；V、0.0095-0.02Hz，代表与一氧化氮有关的内皮代谢活动；VI、0.005-0.0095Hz，代表与一氧化氮无关的内皮代谢活动。[0020]在一个具体实施方式中，所述利用贝叶斯推论方法对脑血氧信号和血压信号进行效应连接分析包括：[0021]给定两振荡信号：
[0022][0023]
式中，Φi是相位，i＝1，2，ω1，ω2是角频率，q2(φ1,φ2)为耦合函数，建立具有随时间变化参数的一个系统的n阶随机微分方程：
[0025][0026][0027]
[0024]
i＝1,....,N,每个振荡定义为角频率ωi的总和，ζi为高斯白噪声。
进一步地，将每一个振荡Φk按照傅里叶级数展开，得到不同阶数的网络耦合模
型：
[0028]
[0029]k≠0，l，m，n＝1，...，N，l≠m≠n。代表ωi的固有频率，代表来自不同振
荡子的耦合系数。
[0030]
进一步地，通过从原始时间序列信号提取出相位信息，来估计一组参数
为待确定耦合参数，Drs为待确定噪声参数，先基于矩阵参数M的观察得到一个先验
其中
概率密度pprior(M)，然后获取未知矩阵参数M到X的后验概率密度pX(M|X)：
4
CN 106419850 A
说 明 书
3/11页
[0031]
其中，p(X|M)是可能性函数，其被构造用于从先验概率密度得到后验概率密度，通
过对噪声部分在时间上的随机积分计算得到:
[0033]
[0032]
其中h为采样步长，H是对噪声信号D的乔里斯基分解，zi是一个正态分布随机变量
的向量，则可能性函数p(X|M)的负对数形式S＝-lnp(X|M)可表示为：
[0034]
[0035]
[0036]
其中，k是重复指数，l为整数变量，L为整数，l＝1,...,L。T是采样周期。利用均值
的特定分布，S的平稳点可以通过以下公式递
为的参数c和协方差矩阵归得到：
[0037]
[0038]
[0039][0040][0041][0042]
ck＝(XI-1)kwrw,
其中，k、w为重复指数，D为噪声信号，rw为递推变量。通过以上公式可以得到推理参数即耦合系数ck，从而可以计算耦合强度以及其它
特性。
进一步地，
[0044]耦合强度系数定义为与信号源φi和信号源σ耦合的傅里叶成分相对应的欧几里得范数：
[0045][0046][0043]
具体到脑氧信号和血压信号，耦合强度系数表征了血压与脑氧脉动的耦合作用强
度；
传递方向系数M用于判断两信号间的因果关系，其定义为：
[0048]M＝(cpl2-cpl1)/(cpl1+cpl2)[0049]其中cpl1是通过对耦合系数c(br)循环复制，再对得到的矩阵取平均得到，br为循环变量，初始值为2，每次循环会加2，共八次循环，cpl2是相同的算法，不同之处是对推断参
5
[0047]
CN 106419850 A
说 明 书
4/11页
数矩阵c(K+br)循环复制。其中K是c矩阵行数列数最大值的一半，得出的传递方向系数M值有正值和负值，正值表示传递方向是由第一个信号传递到第二个信号，负值则相反。[0050]根据本发明的另一方面，提供了一种基于近红外光谱和血压信息的动态脑功能检测系统，包括：[0051]近红外光谱检测设备，包括布置在需探测的脑区的近红外光发射器及吸收传感器，用于采集各个脑区的脑氧信号；[0052]血压检测设备，连接在测试者的动脉处，用于采集动脉血压信号；[0053]小波相干处理模块，用于对脑氧信号与血压信号进行小波相干处理，得到不同特征频率段的小波相干系数。[0054]根据一个具体实施方式，该检测系统还可以包括小波相位相干模块，用于对脑氧信号与血压信号进行小波相位相干处理，以得到不同特征频率段的小波相位相干系数。[0055]根据另一个具体实施方式，该检测系统还可以包括效应连接处理模块，该效应连接处理模块利用贝叶斯推论方法对脑血氧信号和血压信号进行效应连接分析，以得到相应的耦合强度系数和传递方向系数。[0056]进一步地，利用贝叶斯推论方法对脑血氧信号和血压信号进行效应连接分析通过以下方式来进行：[0057]给定两振荡信号：
[0058][0059]
式中，Φi是相位，i＝1，2，ω1，ω2是角频率，q2(φ1,φ2)为耦合函数，建立具有随时间变化参数的一个系统的n阶随机微分方程：
[0061][0062][0063]
[0060]
i＝1,....,N,每个振荡定义为角频率ωi的总和，ζi为高斯白噪声。
进一步地，将每个振荡按照傅里叶级数展开，得到不同阶数的网络耦合模型：
[0064]
[0065]其中，Φk＝exp[l(k1φ1+k2φ2+...+kNφN)]，k≠0，l，m，n＝1，...，N，l≠m≠n。
代表来自不同振荡子的耦合系数。
代表ωi的固有频率，
[0066]
另外，通过从原始时间序列信号提取出相位信息，来估计一组参数
为待确定耦合参数，Dr,s为待确定噪声参数，先基于矩阵参数M的观察得到一个先验
其中
概率密度pprior(M)，然后获取未知矩阵参数M到X的后验概率密度pX(M|X)：
[0067]
6
CN 106419850 A[0068]
说 明 书
5/11页
其中，p(X|M)是可能性函数，其被构造用于从先验概率密度得到后验概率密度，通
过对噪声部分在时间上的随机积分计算得到:
[0069]
其中h为采样步长，H是对噪声信号D的乔里斯基分解，zi是一个正态分布随机变量
的向量，则可能性函数p(X|M)的负对数形式S＝-lnp(X|M)可表示为：
[0070]
[0071]
[0072]
其中，k是重复指数，l为整数变量，L为整数，l＝1,...,L，T是采样周期，利用均值
的特定分布，S的平稳点可以通过以下公式递
为的参数c和协方差矩阵归得到：
[0073]
[0074]
[0075][0076][0077][0078]
ck＝(XI-1)kwrw,
其中，k、w为重复指数，D为噪声信号，rw为递推变量。通过以上公式可以得到推理参数即耦合系数ck，从而可以计算耦合强度以及其它
特性。
进一步地，耦合强度系数定义为与信号源φi和信号源σ耦合的傅里叶成分相对应
的欧几里得范数：
[0080][0081][0079]
具体到脑氧信号和血压信号，耦合强度系数表征了血压与脑氧脉动的耦合作用强
度；
传递方向系数M用于判断两信号间的因果关系，其定义为：
[0083]M＝(cpl2-cpl1)/(cpl1+cpl2)[0084]其中cpl1是通过对耦合系数c(br)循环复制，再对得到的矩阵取平均得到，br为循环变量，初始值为2，每次循环会加2，共八次循环，cpl2是相同的算法，不同之处是对推断参数矩阵c(K+br)循环复制，其中K是c矩阵行数列数最大值的一半。得出的传递方向系数M值有正值和负值，正值表示传递方向是由第一个信号传递到第二个信号，负值则相反。[0085]根据本发明，可以实现如下有益效果：
[0082]
7
CN 106419850 A[0086]
说 明 书
6/11页
1)同时采集脑氧信号与血压信号，相应的检测设备有很高的便携性，方便进行实
时检测。[0087]2)监测指标灵敏度及可靠性高，基于近红外光谱原理检测的氧合代谢信号不容易受运动噪声的干扰，能对动态脑功能起到准确有效的评估效果。[0088]本发明还可以采用如下技术方案：[0089]一种基于近红外光谱和血压信息融合的动态脑功能检测方法，包括：[0090]1)将近红外光谱检测设备与测试者进行无创连接，在需探测的脑区合理布置近红外光发射器及吸收传感器，将血压传感器连接到人体腕部桡动脉处，同时采集20分钟脑氧信号和动脉血压(ABP)信号；[0091]2)将步骤1)采集的脑氧信号和血压信号输送至小波相干处理模块中，利用小波相干方法(WCO)对每个通道的脑氧信号与血压信号进行时频分析；人体自发性的脉动信号在0.005-2Hz范围分为六个不同的特征频率区间，对应不同的生理性来源。I,0.6-2Hz(心率活动)，II,0.145-0.6Hz(呼吸活动)；III,0.052-0.15Hz(肌源性活动)；IV,0.02-0.052Hz(神经性活动)；V,0.0095-0.02Hz(与一氧化氮有关的内皮代谢活动)；VI,0.005-0.0095Hz(与一氧化氮无关的内皮代谢活动)。通过小波相干方法得到每个特征频率区间的小波相干系数，表明该特征频率区间内血压与脑氧信号的脉动一致性；[0092]3)将步骤1)采集的脑氧信号和血压信号输送至小波相位相干处理模块中，利用小波相位相干方法(WPCO)对每个通道的脑氧信号和血压信号进行相位分析；人体自发性的血流信号在0.005-2Hz范围分为六个不同的特征频率区间，对应不同的生理性来源和相应的脑功能调节机制；通过小波相位相干方法得到每个特征频率区间的小波相位相干系数，表明该特征频率区间内血压与脑氧信号的相位一致性；[0093]4)将步骤1)采集的脑氧信号和血压信号送至效应连接处理模块中，利用贝叶斯推论方法对脑氧信号和血压信号进行效应连接分析，得到两信号间的耦合强度系数，传递方向系数以及耦合函数。耦合强度系数表明脑氧信号与血压信号耦合作用的强度；传递方向系数表明脑氧信号与血压信号之间的因果关系，耦合函数表明脑氧信号与血压信号的耦合类型。[0094]本发明还可提供一种基于近红外光谱的脑功能连接检测系统，包括：[0095]近红外光谱检测系统，与测试者进行无创连接，在需探测的脑区合理布置近红外光发射器及吸收传感器，用于采集脑区的脑氧信号；[0096]血压检测系统，连接在人体腕部桡动脉处，用于采集动脉血压信号；[0097]脑氧信号与血压信号小波相干、小波相位相干和效应连接处理模块，用于对脑氧信号与血压信号进行小波相干、小波相位相干和效应连接处理，得到不同特征频率段的小波相干系数和小波相位相干系数，以及相应耦合强度系数和传递方向系数。[0098]本发明通过小波相干分析、小波相位相干分析和效应连接分析模块分析，提供一种简单无创的评估动态脑功能调整的方法。[0099]除非明显抵触，本发明不同实施例所涉及的特征可以相互组合。附图说明[0100]图1为动态脑功能监测的流程图；
8
CN 106419850 A[0101][0102][0103][0104][0105]
说 明 书
7/11页
图2为动态脑功能监测的系统中的探头布置位置图；图3为血压传感器的放置位置示意图；
图4为脑氧信号与血压信号的小波相干分析结果的示意图；图5为脑氧信号与血压信号的小波相位相干分析结果的示意图；以及图6为脑氧信号与血压信号的效应连接分析结果的示意图。
具体实施方式[0106]下面结合附图详细描述本发明的基于近红外光谱和血压信息的动态脑功能检测方法及系统。本领域技术人员应当理解，下面描述的实施例仅是对本发明的示例性说明，而非用于对其做出任何限制。[0107]下面结合附图和实施例对本发明进一步说明。[0108]本发明通过利用近红外光谱检测模块和动脉血压检测模块采集测试者的脑氧含量和动脉血压信号，对所采集的信号分别输入到小波相干分析模块、小波相位相干模块和效应连接分析模块中，以对这些信号分进行小波相干方法、小波相位相干方法、效应连接方法分析处理而得出小波相干系数、小波相位相干系数和耦合强度系数与传递方向系数，从而评估测试者的动态脑功能，如图1所示。[0109]使用脑氧仪检测脑组织脑氧信号，在需探测的脑区合理布置近红外光发射器及吸收传感器。如图2所示为按照国际10-20系统电极布置位置图，在进行脑氧监测时，传感器位置应按照图2所示在需探测的脑区合理布置。[0110]将血压检测传感器布置在人体腕部桡动脉处，如图3所示。[0111]同时采集20分钟脑氧信号参数和动脉血压信号参数。脑氧信号参数包括氧合血红蛋白(HbO2)浓度、还原血红蛋白(Hb)浓度及局部脑氧饱和度(rSO2)(以毫摩尔/升为单位)。动脉血压信号参数为收缩压、舒张压以及平均动脉血压(以毫米汞柱为单位)。[0112]不同的生理性来源率分别对应于不同的特征频率区间，特征频率区间分别位于0.005-2Hz的范围内，并且每个特征频率区间所代表的生理性来源分别是：I、0.6-2Hz，代表心率活动；II、0.145-0.6Hz，代表呼吸活动；III、0.052-0.15Hz，代表肌源性活动；IV、0.02-0.052Hz，代表神经性活动；V、0.0095-0.02Hz，代表与一氧化氮有关的内皮代谢活动；VI、0.005-0.0095Hz，代表与一氧化氮无关的内皮代谢活动。[0113]将近红外光谱仪监测到的脑氧参数和血压检测仪检测到的动脉血压参数传输到小波相干(WCO)、小波相位相干(WPCO)以及效应连接特征频率模块。[0114]在小波相干模块和小波相位相干模块中，先对血压信号进行重采样，重采样频率与脑氧信号采样频率一致，再将每一通道的脑氧参数与重采样后的血压参数进行WCO和WPCO分析处理，其中一对近红外光发射器及吸收传感器构成一个通道。得到相应频率区间的脑氧参数和血压参数的小波相干系数和小波相位相干系数。[0115]小波变换的实质是利用基函数(即小波)进行积分变换，由一个单一的小波ψ(t)通过伸缩和平移构造的：
[0116][0117]
其中x(t)是脑氧或血压原始时间序列，t是测试时间，W(s,t)是小波系数，Ψ是
9
CN 106419850 A
说 明 书
8/11页
Morlet母小波，s是尺度因子。变换过程中引入放缩尺度参数(s)和当前时间位置参数(t0)。选用Morlet小波进行连续小波变换，该小波是由基频为w0的正弦波调制而成的高斯函数：
[0118]
e是自然指数。Morlet小波的波形具有有限时间且时间均值为零，其窗口大小是可变的，因此它具有很好的时频适应性。使用Morlet小波提取脑氧和血压信号的动态特征时，为了使它在频率分辨率和时间分辨率之间有一个良好的平衡，取Morlet小波的中心频率为1(此时w0＝2π)。[0120]小波相干分析(WCO)是通过计算两个信号在某频率下小波功率重叠程度来评估关联性的方法。给定任意的两个时间序列x1,2(tn)，通过小波的积分变换可得到一个相应的包含信号幅值与相位信息的系数矩阵wk(f,tn)：
[0121]
[0119]
f是频率，n是采样点数，tn是时间序列，Wk(f,tn)是小波变换，wk(f,tn)是系数矩阵，
该系数矩阵是信号在时频平面上展开之后的点的集合。对该系数矩阵求平方，并在时间点上平均，即可得到信号某一频率成分的能量Pk(f)：
[0123][0124]
[0122]
则小波相干性的定义为：
[0125]
小波相干性指标将信号的相关关系量化到0和1之间。小波相干值为1，说明两个时间序列在该频率(尺度)和时刻具有线性关系，也即直接关联，反映在血压信号与不同脑区的脑氧信号上，就表明极强的脑氧与血压脉动一致性；反之，小波相干值为0，说明信号间没有关联。采用0.5作为判断阈值，高于0.5时，表明在这个频率内有显著的线性关系。[0127]相位相干分析(WPCO)是利用信号的相位信息来评估两个信号关联性的一种方法。给定两时间序列x1,2(tn)，他们相应的瞬时相位分别为φ1(f,tn)和φ2(f,tn)，瞬时相位差为：[0128]Δφ(f,tn)＝φ1(f,tn)-φ2(f,tn) (6)[0129]将cosΔφ(f,tn)和sinΔφ(f,tn)在时域内进行平均化，可得：
[0130]
[0126]
[0131][0132]
则小波相位相干性定义为：
10
CN 106419850 A[0133]
说 明 书
9/11页
小波相位相干值也在0到1之间。小波相位相干值为1，说明两个时间序列的该频率
成分的相位差在测量过程中一致保持恒定，反映在脑氧信号与血压信号上，表明两者之间存在极强的相位同步性；反之，小波相位相干值为0，说明两个信号之间没有相位同步性。[0135]在使用相位相干性指标时需要注意，在一个时间序列中，高频成分的循环数比低频成分多，相对于高频成分，低频成分的相位差更趋向于保持不变，相应会增大低频成分的相位相干值。在一次测量中至少包含5个以上的低频循环才能保证小波相位相干值的有效性，在此小波相干分析和小波相位相干分析中，最低频率为0.005Hz，周期为200s，最低测量时长为1000s也即17min。为了识别显著的相干性，使用幅值自适应的傅里叶变换替代信号方法(AAFT)，产生的替代信号与原信号有相同的均值、方差和自相关函数，但与原信号没有任何相位联系。通过幅值自适应的傅里叶变换产生足够多的替代信号，并计算替代信号之间的相位相干性，就能提供一个对照空分布，来检验脑氧信号与血压信号的真实相位相干水平。小波相位相干值高于替代信号相位相干值均值与两倍标准差之和，则说明脑氧信号与血压信号之间存在显著的相位相干性。[0136]效应连接的目的是描述两个生物信号之间的相互作用。给定两振荡信号：
[0137][0138]
[0134]
式中，Φi是相位，i＝1，2，ω1，ω2是角频率，q2(φ1,φ2)为耦合函数，可以看出耦合函数q2(φ1,φ2)是在频率ω2的基础上增加的一部分。耦合函数q2(φ1,φ2)大小的改变将会直接导致第二个信号在所有频率段的变化，所以，根据耦合函数q2(φ1,φ2)的大小，可直接判断第二个信号受第一个信号的影响，是加速还是减速。进一步，耦合函数还确定振荡信号的定性转换，即相位同步性的方向。[0140]具有随时间变化参数的一个系统的n阶随机微分方程可以建立为：
[0141][0142]
[0139]
i＝1,....,N,每个振荡定义为角频率ωi的总和，ζ将公式i为高斯白噪声。
(11)中每一个振荡Φk按照傅里叶级数展开，可以得到不同阶数的网络耦合模型：
[0143]
[0144]k≠0，l，m，n＝1，...，N，l≠m≠n。代表ωi的固有频率，代表来自不同振
荡子的耦合系数。[0145]在本发明中，以上耦合系数是通过动态贝叶斯推论来评估的，通道信号模型的傅里叶成分作为推论的基函数。贝叶斯推论的主要目的通过从原始时间序列信号提取出相位信息，得到一组参数
该参数可以完整描述耦合
和噪声(Dr,s)。
11
CN 106419850 A[0146]
说 明 书
10/11页
通过贝叶斯理论建立可能性函数，我们可以从一个先验概率密度pprior(M)(根据
对先前未知参数的了解和观察)中获取未知矩阵参数M到X的后验概率密度p(X|M)：
[0147]
其中，p(X|M)是可能性函数，其被构造用于从先验概率密度得到后验概率密度，通
过对噪声部分在时间上的随机积分计算得到:
[0149]
[0148]
其中h为采样步长，H是对噪声信号D的乔里斯基分解，zi是一个正态分布随机变量
的向量，则可能性函数p(X|M)的负对数形式S＝-lnp(X|M)可表示为：：
[0150]
[0151]
[0152]
假设先验概率参数M是一个标准化多元变量，那么依据上式可以得出后验概率仍
s的静态点
然是一个标准化多元变量。根据参数c，均值和协方差矩阵可以通过以下公式递归得到：
[0153]
[0154]
[0155][0156][0157][0158]
ck＝(XI-1)kwrw, (16)
其中，k、w为重复指数，D为噪声信号，rw为递推变量。通过以上公式可以得到推理参数即耦合系数ck，从而可以计算耦合强度以及其它
特性。
耦合强度系数，用于量化两信号间的因果关系作用，其定义为与信号源φi和信号
源σ耦合的傅里叶成分相对应的欧几里得范数：
[0160][0161][0159]
具体到脑氧信号和血压信号，耦合强度系数表征了血压与脑氧脉动的耦合作用强传递方向系数M，用于判断两信号间的因果关系，其定义为：
12
度。
[0162]
CN 106419850 A[0163]
说 明 书
11/11页
M＝(cpl2-cpl1)/(cpl1+cpl2)
[0164]其中cpl1是通过对耦合系数c(br)循环复制，再对得到的矩阵取平均得到，br为循环变量，初始值为2，每次循环会加2，共八次循环。cpl2是相同的算法，不同之处是对推断参数矩阵c(K+br)循环复制。其中K是c矩阵行数列数最大值的一半。得出的传递方向系数M值有正值和负值，正值表示传递方向是由第一个信号传递到第二个信号，负值则相反。[0165]图4为脑氧信号与血压信号的小波相干分析结果的示意图，图5为脑氧信号与血压信号的小波相位相干分析结果的示意图，图6为脑氧信号与血压信号的效应连接分析结果的示意图。人体自发性的脉动信号在0.005-2Hz范围分为六个不同的特征频率区间，对应不同的生理性来源。I,0.6-2Hz(心率活动)，II,0.145-0.6Hz(呼吸活动)；III,0.052-0.15Hz(肌源性活动)；IV,0.02-0.052Hz(神经性活动)；V,0.0095-0.02Hz(与一氧化氮有关的内皮代谢活动)；VI,0.005-0.0095Hz(与一氧化氮无关的内皮代谢活动)。[0166]如图4所示，示出了利用小波相干方法分析脑氧信号与血压信号在各特征频率区间的小波相干性。其中，在心脏活动I频率区间内，小波相干值高于0.5，有较强的小波相干性。[0167]如图5所示，示出了利用小波相位相干方法分析脑氧信号与血压信号在各特征频率区间的小波相位相干性。其中在心脏活动I频率区间、呼吸作用II频率区间和神经性活动IV频率区间内，原始信号高于替代信号均值与两倍标准差之和，有较强的小波相位相干性。[0168]如图6所示，示出了动态贝叶斯方法分析效应连接。纵轴表示耦合函数q2(φ1,φ2)的大小，水平轴是一个2π×2π大小的网格面。耦合函数大小的变化趋势表示动脉血压信号对脑氧信号的影响是增强还是减弱。[0169]上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
13
CN 106419850 A
说 明 书 附 图
1/3页
图1
图2
14
CN 106419850 A
说 明 书 附 图
2/3页
图3
图4
图5
15
CN 106419850 A
说 明 书 附 图
3/3页
图6
16
因篇幅问题不能全部显示，请点此查看更多更全内容