一种个性化动态脑功能网络的构建与特征提取方法

• 作者: 孙炎珺 张娜 李明爱
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 运动想象脑电信号 动态脑功能网络 特征提取 个性化皮尔逊相关系数 共空间模式
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 论著
• 页码范围: 551-560
• 页数: 10页
• 分类号: R318.04
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2020.06.001.

摘要

目的 为了研究运动想象过程中脑功能网络(brain functional network,BFN)的时频变化特征及对运动想象任务识别的影响,本文提出一种个性化皮尔逊相关系数(personalized Pearson correlation coefficient,PPCC)并用于动态BFN的构建与特征提取方法.方法 首先,对各受试者运动想象脑电(motor imagery EEG,MI-EEG)频带范围进行两级筛选,获得其最优频带;然后,将运动想象时间段进行分割,计算各子时段最优频带MI-EEG的PPCC,并用于构建个性化的动态BFN;进而,计算各个BFN的度作为网络特征,并将多时段的网络特征串行融合获得特征向量;最后,针对BCI CompetitionⅢData SetⅢa和BCI CompetitionⅣData Set 2a数据集,采用支持向量机检验特征的有效性.结果 在两个公共数据集上,本文方法的10×10折交叉验证最高识别率分别为100.00％和68.84％.与基于共空间模式和基于PCC的BFN特征提取方法相比,具有明显的优势,双样本t检验的结果也充分表明了PPCC的优越性.结论 与PCC相比,基于PPCC能构建出可客观地展现运动想象个性化特点的动态BFN,反映了不同受试者运动想象时大脑激活的差异性,及其在时域和频域同时呈现的动态变化特点,有效增强了特征提取的自适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明爱		35	413	10.0	19.0
2	张娜		19	99	5.0	9.0
3	孙炎珺		10	37	4.0	6.0