號，并將該信號通 過腦電放大器3,最終傳送到計算機4中進行數(shù)據(jù)處理、分析和存儲。在用戶的手腕等處放置 肌電電極5,把用戶的肌肉電信號也傳入腦電放大器。腦電放大器4把腦電信號和肌電信號， 一起傳遞給計算機4。在計算機4的程序中，根據(jù)肌電信號，識別出用戶進行肢體運動的起始 時刻，計算出事件同步信號。在計算機4的程序中，根據(jù)肌電信號提供的事件同步標識和煩 內腦電信號，使用一般線性模型的方法，對數(shù)據(jù)進行處理和分析，計算出大腦皮層上的運動 功能區(qū)所在的位置。
[0083] 該方案中的大腦皮層功能區(qū)定位裝置，除包括提示屏幕、煩內電極外，還包括一個 或多個肌電電極，設置在受試者的運動部位，采集肌電信號，用于受試者執(zhí)行動作的時刻與 觀測煩內腦電信號的起始時刻同步，運樣，克服了現(xiàn)有技術中通過屏幕提示的事件同步方 法中大腦皮層的響應信號滯后的缺陷，就解決了現(xiàn)有技術中的信號同步方法不能達到真正 的同步、在同步誤差、影響后續(xù)處理的準確性的問題，提高了大腦皮層功能區(qū)定位的準確 性。
[0084] 實施例2:
[0085] 本實施例中，提供一種大腦皮層功能區(qū)定位方法，可用于實施例1中的計算機中， 通過具有如下功能的操作指令來實現(xiàn)。包括如下步驟，流程圖如圖4所示，：
[0086] S1、首先，分別獲取原始煩內腦電信號和運動部位的原始肌電信號，此處可通過實 施例1中的腦電放大器3來獲取。使用實施例1中的裝置，通過設置在運動部位的肌電電極5 可W獲取原始肌電信號，通過煩內電極2可W獲取原始煩內腦電信號，然后通過腦電放大器 3把腦電信號和肌電信號一起發(fā)送給計算機。
[0087] S2、然后，對上述原始煩內腦電信號和原始肌電信號進行分別處理。
[0088] S2-1、對于原始肌電信號，根據(jù)該原始肌電信號獲取肌體動作的起始時刻。其對應 的方法為:判斷所述肌電信號在時間窗內的能量是否高于指定闊值，是則作為起始時刻。
[0089] 當受試者執(zhí)行主動的運動任務時，把受試的腦電信號和肢體的肌電信號，一起通 過腦電放大器傳送給計算機。在計算機的程序中，對肌電信號進行事件檢測，如果肌電信號 的在時間窗內的能量高于指定的闊值，就認為受試執(zhí)行了肢體動作，就可W檢測到受試每 個動作的精確起始時刻，并將運個時刻，作為受試執(zhí)行運動任務的事件同步標記。此處的能 量闊值，一般為靜息態(tài)(即受試沒有執(zhí)行肢體動作時)肌電信號能量值的3倍。
[0090] 如圖5所示，屏幕提示在tl時刻發(fā)出，受試可能在t2時刻才真正開始運動并產生肌 電信號，并在t3時刻產生腦電信號。t2和t3時刻是同步的，也是受試真正開始執(zhí)行肢體動作 和對應的大腦皮層區(qū)域被激活的時刻，避免了受試在看到屏幕提示后延遲執(zhí)行動作所產生 的時間差At。
[0091] S2-2、獲取起始時刻后的肌電信號的自變量矩陣。
[0092] 所述自變量矩陣為一個包含1和0的一維向量，如果受試者在執(zhí)行運動任務，對應 位置的元素值為1，如果受試者沒有執(zhí)行運動任務，對應位置的元素值為0。
[0093] 具體來說，為了運用一般線性模型來分析處理煩內腦電數(shù)據(jù)，需要先獲得自變量X 和響應變量Y的值，線性模型中的自變量X也就是本方案中的自變量矩陣，也記為X。
[0094] 如圖6所示，X代表自變量矩陣，即受試者在某一時刻，是否在執(zhí)行運動任務。X是一 個2值的任務矩陣，之前根據(jù)肌電信號所生成的事件同步標識，獲得了受試是否在執(zhí)行運動 任務的信息，如果受試在執(zhí)行運動任務，就將矩陣X中的對應位置的元素值設置為1;如果受 試沒有執(zhí)行運動任務，即處于靜息態(tài)，就將矩陣X中的對應位置的元素值設置為0。運樣就獲 得了包含若干個1和0的任務矩陣X。
[0095] 如果受試者在實驗中執(zhí)行了多種不同的運動任務，如動手指、動舌頭、動腳，那么， 每一種運動任務，就會生成一個一維的包含1和0的2值動作列向量，多個運樣的動作列向 量，組成完整的任務矩陣X，即自變量矩陣X。
[0096] S2-3、根據(jù)所述肌體動作的起始時刻截取對應時間段的煩內腦電信號。運樣就獲 得了與肌電信號同步的煩內腦電信號。本實施例中的S2-2與S2-3并無實際先后順序，可W 是并行執(zhí)行的步驟。
[0097] S2-4、根據(jù)所述煩內腦電信號的獲取響應變量矩陣。對所述煩內腦電信號進行去 噪、濾波、提取高頻頻段的能量包括，得到響應變量矩陣，如圖6所示，Y代表受試大腦皮層的 響應變量，即受試在實驗中大腦皮層的煩內腦電信號，是一個一維的向量。通過對原始的煩 內腦電信號進行去噪、濾波、提取高頻頻段的能量包絡等操作之后，就獲得了一般線性模型 中的響應變量Y。
[0098] 作為其他可W替換的實時方案，還可W先對原始的煩內腦電信號進行去噪、帶通 濾波(60~90化），獲得化曲gama頻段(高頻頻段)煩內腦電信號，然后取高頻頻段的能量包 絡，然后再通過肌體動作的起始時刻截取對應時間段的煩內腦電信號，如圖4所示。也可W 先對原始的煩內腦電信號通過肌體動作的起始時刻截取對應時間段的煩內腦電信號，然后 再進行去噪、濾波、提取高頻頻段的能量包絡，獲得響應變量Y。
[0099] 通常，受試大腦中會植入多個煩內電極，W獲得大腦不同區(qū)域的腦電信號。那么， 每一個煩內電極的腦電信號，都可W生成一個響應變量矩陣Y。
[0100] 通過本步驟便得到了自變量矩陣X和響應變量矩陣Y。
[0101] S3、計算自變量矩陣和響應變量矩陣的相關性。
[0102] S3-1、選擇一般線性模型。
[0103] 在統(tǒng)計學中，一般線性模型是一種常見的線性模型。一般線性模型是基于運樣的 假設:有一個響應變量Y和一系列自變量X，運些自變量通過一個線性函數(shù)影響Y。它的形式 如下所示：
[0104] Y=X0+e
[0105] Y是一個nXl的向量(n表示數(shù)據(jù)長度），是觀測數(shù)據(jù)矩陣，在此即為煩內腦電信號 的高頻能量包絡，也就是上步驟中計算出的響應變量矩陣Y;X是一個nXm的矩陣(m是估計 參數(shù)數(shù)量，在此即為執(zhí)行動作任務的種類），是一個自變量矩陣，也就是上述計算出的自變 量矩陣X; 0是一個m X 1的向量，是模型的估計參數(shù)，e是殘差項。
[0106] S3-2、根據(jù)變量矩陣X和響應變量矩陣Y求解出估計參數(shù)0和殘差項e。
[0107] 對于煩內腦電分析問題，自變量X和響應變量Y，都是已知量，可W通過求解矩陣算 出0和e。
[010 引 P=(XTx)'*(xTy)
[0109] G = Y-XP
[0110] 0的大小體現(xiàn)出響應變量和自變量之間的相關性，但并不是0越大，響應變量Y和自 變量X就越相關。還要對0做t檢驗，檢驗其是否顯著大于0。
[0111] S3-3、對估計參數(shù)0進行樣本顯著性檢驗，得出自變量矩陣X和響應變量矩陣Y的相 關性。
[0112] 本實施例中采用T檢驗進行樣本顯著性檢驗。T檢驗，是統(tǒng)計學中對樣本顯著性進 行檢驗的一種方法。t值越大，表明顯著性越高，即響應變量Y與自變量X中對應的列向量越 相關。
[0113] 對估計參數(shù)IHtT檢驗，公式如下：
[0116] 其中，C是一個一維向量，表示不同條件下的系數(shù)，Iength(Y)表
[0117] 示響應變量Y的長度，Iength(P)表示估計參數(shù)0的長度。
[0118] 根據(jù)t值的大小，確定響應變量Y與自變量X的相關性，t值越大表明自變量矩陣X和 響應變量矩陣Y越相關。
[0119] S4、根據(jù)所述相關性定位所述肌體動作對應的大腦皮層區(qū)域。
[0120] 因為受試的大腦皮層上會植入多個煩內電極，每個電極都可W計算出一個對應的 t值。t值越大，表明響應變量Y與自變量X中對應的列向量越相關，也就是特定電極上的響應 信號與受試所執(zhí)行的任務越相關，也就是說該電極所對應的大腦皮層區(qū)域在受試執(zhí)行該類 型的運動任務時被激活。從而實現(xiàn)了運動功能的大腦皮層功能定位。
[0121 ]本實施例中的大腦皮層功能區(qū)定位方法，在實驗中通過識別肌電的起始時刻，來 作為運動任務和語言任務的事件同步標記，與W往的實驗中，在產生刺激的同時固定的發(fā) 送事件同步標記的方式相比，避免了因受試執(zhí)行任務延遲所產生的同步標記不準確的問 題，而是在受試真正執(zhí)行任務時，動態(tài)的檢測事件的起始時刻，保證了事件同