一种事件相关电位源定位方法

摘要

本发明公开了一种事件相关电位源定位方法，包括以下步骤：事件相关电位提取，按刺激或反应对单试次的脑电进行叠加平均，得到待源定位的事件相关电位数据；假设θ为待求解的源的电位强度，每一项对应皮层上的一个位置，根据每项对应位置的国际自动解剖标记号将θ分为k类，分别对应k个磁共振静息态标准网络，按照静息态标准网络，构建θ的先验分布；计算每个网络的强度参数γi，头表记录噪声的协方差强度α；根据以上得到的α，得出皮层的源分布：θ＝α(αLTL+C-1)-1LTY。本发明利用了功能磁共振的静息态脑网络的空间分布作为先验信息，成像结果有效整合了脑电的高时间分辨率和功能磁共振的高空间分辨率。

主权项

1.一种事件相关电位源定位方法，其特征在于：所述方法包括以下步骤：(a)、事件相关电位提取，按刺激或反应对单试次的脑电进行叠加平均，得到待源定位的事件相关电位数据，用Y表示，含m行1列，m为电极个数；(b)、假设θ为待求解的源的电位强度，每一项对应皮层上的一个位置，有n行1列，根据每项对应位置的国际自动解剖标记号(Automated anatomical labeling)将θ分为k类，分别对应k个磁共振静息态标准网络，同一类的源的激活强度相近，不同类源的激活强度不同，其中k为自然数，且k不等于零；(c)、按照静息态标准网络，构建θ的先验分布，即θ满足均值为0(n行1列的全零向量)，协方差为C(n行n列)的正态分布；C是协方差矩阵V_i的加权和：其中γ_i为协方差矩阵的强度参数，V_i，1≤i≤k，根据第i个静息态标准网络确定，大脑皮层中不被前面k个静息态标准网络覆盖的区域内的点划分到第k+1类中，V_k+1为第k+1个协方差矩阵，由第k+1类确定；(d)、利用约束最大化似然算法(restricted maximum likelihood,ReML)计算每个网络的强度参数γ_t，t=1,2,......,k+1,头表记录噪声的协方差强度α；${\gamma }_t=\underset{{\gamma }_t}{\max }P\left(Y\right|{\gamma }_t)=\underset{{\gamma }_t}{\max }⟨1\mathrm{nP}\left(Y\right|\theta ,\alpha )+P\left(\theta \right|{\gamma }_t)⟩,$$\alpha =\underset{\alpha }{\max }⟨1\mathrm{nP}\left(Y\right|\theta ,\alpha )⟩$(e)、将γ_t代入得到源空间偶极子激活强度的协方差C，根据以上得到的α，得出皮层的源分布：θ=α(αL^TL+C^-1)^-1L^TYL为从电流从皮层传递到头表的传递矩阵。