基于电阻抗成像和脑电图信号的脑部成像系统及其方法

摘要

本发明公开了基于电阻抗成像和脑电图信号的脑部成像系统及其方法，包括：脑电测量模块用于采集脑电图信号，根据所述脑电图信号生成脑电图时域波形，基于所述脑电图波形提取脑电图频域特征，并比较所述脑电图频域特征与频域预设阈值，若所述脑电图频域特征大于所述频域预设阈值，则向所述控制电路发送开启指令；控制电路用于接收所述开启指令，并根据所述开启指令向所述电阻抗成像模块施加安全激励电流；电阻抗成像模块用于采集电压变化量与阻抗变化量，并根据所述电压变化量与所述阻抗变化量计算阻抗分布函数，基于所述阻抗分布函数生成有限元剖分图像，并根据所述有限元剖分图像构建脑部三维图像。该系统融合电阻抗成像与脑电图信号进行脑部成像。

权利要求

1.基于电阻抗成像和脑电图信号的脑部成像系统，其特征在于，包括：脑电测量模块、控制电路和电阻抗成像模块；

所述脑电测量模块连接所述控制电路，用于采集脑电图信号，根据所述脑电图信号生成脑电图时域波形，基于所述脑电图时域波形提取脑电图频域特征，并比较所述脑电图频域特征与频域预设阈值，若所述脑电图频域特征大于所述频域预设阈值，则向所述控制电路发送开启指令；

所述控制电路连接所述脑电测量模块和所述电阻抗成像模块，用于接收所述开启指令，并根据所述开启指令向所述电阻抗成像模块施加安全激励电流；

所述电阻抗成像模块连接所述控制电路，用于采集电压变化量与阻抗变化量，并根据所述电压变化量与所述阻抗变化量计算阻抗分布函数，基于所述阻抗分布函数生成有限元剖分图像，并根据所述有限元剖分图像构建脑部三维图像；

所述脑电测量模块，包括脑电图时域波形生成单元、脑电图频域特征提取单元、判断单元；

所述脑电图时域波形生成单元用于采集脑电图信号，根据所述脑电图信号生成脑电图时域波形；

所述脑电图频域特征提取单元用于基于所述脑电图时域波形，利用小波变换提取所述脑电图频域特征；

所述判断单元用于基于所述脑电图频域特征，利用功率谱熵提取算法提取功率谱熵值，将所述功率谱熵值与所述频域预设阈值进行比较，若所述功率谱熵值大于所述频域预设阈值，则向所述控制电路发送开启指令；

所述电阻抗成像模块，包括：采集单元、计算单元、构建单元；

所述采集单元用于采集施加安全激励电流后的三维电流场中的所述电压变化量与所述阻抗变化量；

所述计算单元用于根据所述电压变化量与所述阻抗变化量计算所述阻抗分布函数；

所述构建单元用于根据卷积反投影算法，对所述阻抗分布函数进行拉东变换，生成所述有限元剖分图像，并根据所述有限元剖分图像构建脑部三维图像；其中，所述有限元剖分图像根据人体头部三层有限元模型构建脑部三维图像，将人体头部分为三层，将有限元剖分图像按照相应人体头部的层次与部位构建脑部三维图像。

2.如权利要求1所述的基于电阻抗成像和脑电图信号的脑部成像系统，其特征在于，所述脑电图频域特征提取单元中所述小波变换的计算公式如下：其中，α表示小波尺度，τ表示平移量，f(t)表示时间信号函数，t表示时间， 表示小波变换的尺度函数。

3.如权利要求2所述的基于电阻抗成像和脑电图信号的脑部成像系统，其特征在于，所述计算单元中根据所述电压变化量与所述阻抗变化量计算所述阻抗分布函数，计算公式如下：

△V＝S△C

其中，△V表示电压变换量，ΔC表示阻抗变化量，S表示敏感矩阵。

4.基于电阻抗成像和脑电图信号的脑部成像方法，其特征在于，包括：脑电测量模块采集脑电图信号，根据所述脑电图信号生成脑电图时域波形，基于所述脑电图时域波形提取脑电图频域特征，并比较所述脑电图频域特征与频域预设阈值，若所述脑电图频域特征大于所述频域预设阈值，则向控制电路发送开启指令；

所述控制电路接收所述开启指令，并根据所述开启指令向电阻抗成像模块施加安全激励电流；

所述电阻抗成像模块采集电压变化量与阻抗变化量，并根据所述电压变化量与所述阻抗变化量计算阻抗分布函数，基于所述阻抗分布函数生成有限元剖分图像，并根据所述有限元剖分图像构建脑部三维图像；

脑电图时域波形生成单元采集脑电图信号，根据所述脑电图信号生成脑电图时域波形；

基于所述脑电图时域波形，脑电图频域特征提取单元利用小波变换提取所述脑电图频域特征；

基于所述脑电图频域特征，判断单元利用功率谱熵提取算法提取功率谱熵值，将所述功率谱熵值与所述频域预设阈值进行比较，若所述功率谱熵值大于所述频域预设阈值，则向所述控制电路发送开启指令；

采集单元采集施加安全激励电流后的三维电流场中的所述电压变化量与所述阻抗变化量；

根据所述电压变化量与所述阻抗变化量，计算单元计算所述阻抗分布函数；

根据卷积反投影算法，构建单元对所述阻抗分布函数进行拉东变换，生成所述有限元剖分图像，并根据所述有限元剖分图像构建脑部三维图像；其中，所述有限元剖分图像根据人体头部三层有限元模型构建脑部三维图像，将人体头部分为三层，将有限元剖分图像按照相应人体头部的层次与部位构建脑部三维图像。

5.如权利要求4所述的基于电阻抗成像和脑电图信号的脑部成像方法，其特征在于，所述小波变换的计算公式如下：

其中，α表示小波尺度，τ表示平移量，f(t)表示时间信号函数，t表示时间， 表示小波变换的尺度函数。

6.如权利要求4所述的基于电阻抗成像和脑电图信号的脑部成像方法，其特征在于，所述阻抗分布函数的计算公式如下：△V＝S△C

其中，△V表示电压变换量，ΔC表示阻抗变化量，S表示敏感矩阵。

说明书

基于电阻抗成像和脑电图信号的脑部成像系统及其方法

技术领域

[0001] 本发明涉及医疗技术领域，具体是基于电阻抗成像和脑电图信号的脑部成像系统及其方法。

背景技术

[0002] 脑结构错综复杂，包含上千亿个神经元，彼此之间又有着百万亿个连接，时至今日，脑的核心功能，如情绪和情感等，仍然是未解的难题，这是攻克严重危害人类身心健康
的神经系统重大疾病的关键，也将为发展类脑计算系统和器件、突破传统计算机架构的束
缚提供重要依据，决定着未来人工智能的深度发展方向。

[0003] 近年来，脑成像技术在成像的分辨率、速度、深度和视场4个方面均取得重大进步。针对脑环路多尺度特性的新型脑成像技术，将为国家“脑计划”在多个层面上解析脑环路结
构与功能提供关键引领和支撑，主要研究方向包括：发展高通量三维结构与功能成像和样
品处理新技术，以及图像数据处理分析新方法，实现以细胞级分辨率对不同生物全脑神经
元类型、连接与活动的快速定量解析；发展大范围、深穿透度的在体高分辨光学成像等新技
术，实现清醒和自由活动动物神经活动的高时空分辨解析；发展光电关联等超微成像新技
术，实现对神经突触等亚细胞结构的超微解析和定量表征，未来进一步提高活体脑成像的
成像深度，开展神经环路的高速高分辨三维重构，探索精准脑结构和功能成像，既是脑成像
技术的发展趋势，也是当前国际研究的难点和重点之一

[0004] 已提出的一些融合多信号生理信息的测量系统，融合了脑电与其他生理部位的特征信息，未对脑部的生理结构或功能信息进行深度挖掘，并且现有的脑部成像系统多采用
电阻抗成像手段，但是最后的脑部成像的图像质量较低，对脑部的生理结构与功能信息研
究困难。

[0005] 因此，如何融合电阻抗成像与脑电图信号进行脑部成像，进而对脑部的生理信息与功能信息进行深度挖掘是本领域技术人员亟待解决的问题。

发明内容

[0006] 鉴于上述问题，本发明的目的是解决目前现有的脑部成像系统多采用电阻抗成像手段，但是最后的脑部成像的图像质量较低，对脑部的生理结构与功能信息研究困难问题，
实现融合电阻抗成像与脑电图信号进行脑部成像，进而对脑部的生理信息与功能信息进行
深度挖掘。

[0007] 本发明实施例提供基于电阻抗成像和脑电图信号的脑部成像系统，包括：脑电测量模块、控制电路和电阻抗成像模块；

[0008] 所述脑电测量模块连接所述控制电路，用于采集脑电图信号，根据所述脑电图信号生成脑电图时域波形，基于所述脑电图时域波形提取脑电图频域特征，并比较所述脑电
图频域特征与频域预设阈值，若所述脑电图频域特征大于所述频域预设阈值，则向所述控
制电路发送开启指令；

[0009] 所述控制电路连接所述脑电测量模块和所述电阻抗成像模块，用于接收所述开启指令，并根据所述开启指令向所述电阻抗成像模块施加安全激励电流；

[0010] 所述电阻抗成像模块连接所述控制电路，用于采集电压变化量与阻抗变化量，并根据所述电压变化量与所述阻抗变化量计算阻抗分布函数，基于所述阻抗分布函数生成有
限元剖分图像，并根据所述有限元剖分图像构建脑部三维图像。

[0011] 在一个实施例中，所述脑电测量模块，包括：脑电图时域波形生成单元、脑电图频域特征提取单元、判断单元；

[0012] 所述脑电图时域波形生成单元用于采集脑电图信号，根据所述脑电图信号生成脑电图时域波形；

[0013] 所述脑电图频域特征提取单元用于基于所述脑电图时域波形，利用小波变换提取所述脑电图频域特征；

[0014] 所述判断单元用于基于所述脑电图频域特征，利用功率谱熵提取算法提取功率谱熵值，将所述功率谱熵值与所述频域预设阈值进行比较，若所述功率谱熵值大于所述频域
预设阈值，则向所述控制电路发送开启指令。

[0015] 在一个实施例中，所述脑电图频域特征提取单元中所述小波变换的计算公式如下：

[0016]

[0017] 其中，α表示小波尺度，τ表示平移量，f(t)表示时间信号函数，t表示时间，表示小波变换的尺度函数。

[0018] 在一个实施例中，所述电阻抗成像模块，包括：采集单元、计算单元、构建单元；

[0019] 所述采集单元用于采集施加安全激励电流后的三维电流场中的所述电压变化量与所述阻抗变化量；

[0020] 所述计算单元用于根据所述电压变化量与所述阻抗变化量计算所述阻抗分布函数；

[0021] 所述构建单元用于根据卷积反投影算法，对所述阻抗分布函数进行拉东变换，生成所述有限元剖分图像，并根据所述有限元剖分图像构建脑部三维图像。

[0022] 在一个实施例中，所述计算单元中根据所述电压变化量与所述阻抗变化量计算所述阻抗分布函数，计算公式如下：

[0023] ΔV＝SΔC

[0024] 其中，ΔV表示电压变换量，ΔC表示阻抗变化量，S表示敏感矩阵。

[0025] 基于上述目的，在本申请的第二个方面，还提出了基于电阻抗成像和脑电图信号的脑部成像方法，包括：

[0026] 脑电测量模块采集脑电图信号，根据所述脑电图信号生成脑电图时域波形，基于所述脑电图时域波形提取脑电图频域特征，并比较所述脑电图频域特征与频域预设阈值，
若所述脑电图频域特征大于所述频域预设阈值，则向控制电路发送开启指令；

[0027] 所述控制电路接收所述开启指令，并根据所述开启指令向所述电阻抗成像模块施加安全激励电流；

[0028] 所述电阻抗成像模块采集电压变化量与阻抗变化量，并根据所述电压变化量与所述阻抗变化量计算阻抗分布函数，基于所述阻抗分布函数生成有限元剖分图像，并根据所
述有限元剖分图像构建脑部三维图像。

[0029] 在一个实施例中，脑电图时域波形生成单元采集脑电图信号，根据所述脑电图信号生成脑电图时域波形；

[0030] 基于所述脑电图时域波形，脑电图频域特征提取单元利用小波变换提取所述脑电图频域特征；

[0031] 基于所述脑电图频域特征，判断单元利用功率谱熵提取算法提取功率谱熵值，将所述功率谱熵值与所述频域预设阈值进行比较，若所述功率谱熵值大于所述频域预设阈
值，则向所述控制电路发送开启指令。

[0032] 在一个实施例中，所述小波变换的计算公式如下：

[0033]

[0034] 其中，α表示小波尺度，τ表示平移量，f(t)表示时间信号函数，t表示时间，表示小波变换的尺度函数。

[0035] 在一个实施例中，采集单元采集施加安全激励电流后的三维电流场中的所述电压变化量与所述阻抗变化量；

[0036] 根据所述电压变化量与所述阻抗变化量，计算单元计算所述阻抗分布函数；

[0037] 根据卷积反投影算法，构建单元对所述阻抗分布函数进行拉东变换，生成所述有限元剖分图像，并根据所述有限元剖分图像构建脑部三维图像。

[0038] 在一个实施例中，所述阻抗分布函数的计算公式如下：

[0039] ΔV＝SΔC

[0040] 其中，ΔV表示电压变换量，ΔC表示阻抗变化量，S表示敏感矩阵。

[0041] 本发明实施例提供的上述技术方案的有益效果至少包括：

[0042] 本发明实施例提供的基于电阻抗成像和脑电图信号的脑部成像系统及其方法，本系统可以实时采集脑电波形信号，并根据脑电波形信号提取脑电信号时域波形，并基于脑
电时域特征，通过控制电路实现脑电测量模块和电阻抗成像模块之间的切换，实现对脑电
信号变化的高时空分辨率监测，从而进行脑部三维成像，根据三维成像精确地反映了脑部
的生理信息与功能信息。

[0043] 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明
书、权利要求书、以及附图中所特别指出的结构来实现和获得。

[0044] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

[0045] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

[0046] 图1为本发明实施例提供的基于电阻抗成像和脑电图信号的脑部成像系统的框图；

[0047] 图2为本发明实施例提供的控制电路示意图；

[0048] 图3为本发明实施例提供的10‑10EEG阵列示意图；

[0049] 图4为本发明实施例提供的EIT测量电极阵列示意图；

[0050] 图5为本发明实施例提供的基于电阻抗成像和脑电图信号的脑部成像方法流程图；

[0051] 图6为本发明实施例提供的步骤S501的流程图；

[0052] 图7为本发明实施例提供的步骤S503的流程图。

具体实施方式

[0053] 下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例
所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围
完整的传达给本领域的技术人员。

[0054] 参照图1所示，本发明实施例提供的基于电阻抗成像和脑电图信号的脑部成像系统，包括：脑电测量模块1、控制电路2和电阻抗成像模块3；

[0055] 所述脑电测量模块1连接所述控制电路2，用于采集脑电图信号，根据所述脑电图信号生成脑电图时域波形，基于所述脑电图时域波形提取脑电图频域特征，并比较所述脑
电图频域特征与频域预设阈值，若所述脑电图频域特征大于所述频域预设阈值，则向所述
控制电路2发送开启指令。

[0056] 具体的，所述脑电图频域特征包括：功率谱变换特征值和相位谱变换特征值。

[0057] 进一步地，若所述脑电图频域特征大于所述频域预设阈值，则说明脑电图时域波形出现振荡异常。

[0058] 所述控制电路2连接所述脑电测量模块1和所述电阻抗成像模块3，用于接收所述开启指令，并根据所述开启指令向所述电阻抗成像模块3施加安全激励电流。

[0059] 具体的，参照图2所示，若脑电图时域波形出现振荡异常，控制电路2对电极脑电信号测量电极位置与其相邻电极进行定位，开启该电极对电路开关，向电阻抗成像模块3施加
安全激励电流。

[0060] 所述电阻抗成像模块3连接所述控制电路2，用于采集电压变化量与阻抗变化量，并根据所述电压变化量与所述阻抗变化量计算阻抗分布函数，基于所述阻抗分布函数生成
有限元剖分图像，并根据所述有限元剖分图像构建脑部三维图像。

[0061] 本实施例中，可以实时采集脑电波形信号，并根据脑电波形信号提取脑电信号时域波形，并基于脑电时域特征，通过控制电路实现脑电测量模块和电阻抗成像模块之间的
切换，实现对脑电信号变化的高时空分辨率监测，从而进行脑部三维成像，根据三维成像精
确地反映了脑部的生理信息与功能信息。

[0062] 需要说明的是，测量模块包括了脑电采集装置和电阻抗测量装置，脑电测量模块1采用基于32/64通道的Quick‑Cap脑电帽以及拉普拉斯电极采集脑电图信号，如图3‑4所示，
电阻抗成像模块3采用环状电极阵列，将EIT(电阻抗成像)测量电极阵列上的电极位置对应
于10‑10EEG阵列的位置，例如Fpz‑Fp2‑F8‑T8‑P8‑O2‑Oz‑O1‑P7‑T7‑F7‑Fp1这一环状电极
线，此环状电极阵列构成了EIT成像电极阵列，使用控制电路2对两种模态的采集进行控制，
在需要进行EIT测量时，开启对应相邻电极的安全电流激励，并测量电场特定部位的导电率
分布变化。

[0063] 在一个实施例中，所述脑电测量模块1，包括：脑电图时域波形生成单元4、脑电图频域特征提取单元5、判断单元6；

[0064] 所述脑电图时域波形生成单元4用于采集脑电图信号，根据所述脑电图信号生成脑电图时域波形。

[0065] 具体的，基于所述脑电图信号，通过aEEG提取算法生成脑电图时域波形，其中，aEEG算法的具体步骤如下：

[0066] 1)采用异步滤波器进行信号滤波，其中，采用2‑15Hz带通滤波，设置12dB的线性增益；

[0067] 2)波幅绝对值修正，将脑电信号负值转化为正值；

[0068] 3)使用5阶butterworth滤波器，提取EEG波幅包络；

[0069] 4)将EEG包络分为持续时间10s的时间段，提取波幅上下波峰值作为边缘端点，生成脑电图时域波形。

[0070] 所述脑电图频域特征提取单元5用于基于所述脑电图时域波形，利用小波变换提取所述脑电图频域特征。

[0071] 具体的，所述小波变换的计算公式如下：

[0072]

[0073] 其中，WT(α,τ)表示频域特征，α表示小波尺度，τ表示平移量，f(t)表示时间信号函数，t表示时间，表示小波变换的尺度函数。

[0074] 进一步地，根据频域特征提取脑电频域的相位谱与功率谱，即(δ，0.5‑3Hz)、(θ，4‑7Hz),(α，8‑13Hz)，(β，14‑30Hz)4个频段的功率值和相位值。

[0075] 所述判断单元6用于基于所述脑电图频域特征，利用功率谱熵提取算法提取功率谱熵值，将所述功率谱熵值与所述频域预设阈值进行比较，若所述功率谱熵值大于所述频
域预设阈值，则向所述控制电路2发送开启指令。

[0076] 具体的，功率谱熵提取算法的具体步骤如下：

[0077] 1)计算功率谱密度P(ωi)，计算公式如下：

[0078]

[0079] 其中，|X(ωi)|表示快速傅里叶变换的得到的频谱信号函数，N表示频率点的个数；

[0080] 2)归一化PSE((porto‑systemic encephalopathy)值，提取功率谱密度分布Pi，计算公式如下：

[0081]

[0082] 3)计算功率谱熵值H，计算公式如下：

[0083]

[0084] 进一步地，在脑电信号的功率谱中，当频谱峰值较窄时，其功率谱熵值H较小，说明脑电信号具有明显的震荡节奏，反之，频谱峰值更平滑，其功率谱熵值H更大，若功率谱熵值
H大于预设阈值时，则触发控制电路2。

[0085] 在一个实施例中，所述电阻抗成像模块3，包括：采集单元7、计算单元8、构建单元9；

[0086] 所述采集单元7用于采集施加安全激励电流后的三维电流场中的所述电压变化量与所述阻抗变化量；

[0087] 所述计算单元8用于根据所述电压变化量与所述阻抗变化量计算所述阻抗分布函数；

[0088] 具体的，根据所述电压变化量与所述阻抗变化量计算所述阻抗分布函数，计算公式如下：

[0089] ΔV＝SΔC

[0090] 其中，ΔV表示电压变换量，ΔC表示阻抗变化量，S表示敏感矩阵。

[0091] 所述构建单元9用于根据卷积反投影算法，对所述阻抗分布函数进行拉东变换(radon变换)，生成所述有限元剖分图像，并根据所述有限元剖分图像构建脑部三维图像。

[0092] 具体的，所述卷积反投影算法的计算公式如下：

[0093]

[0094] 其中，F(r,w)表示有限元剖分图像，f(x,y)表示阻抗分布函数，δ(x)表示狄拉克函数，当x等于0时，δ(x)＝1，x不等于0时，δ(x)＝0。

[0095] 进一步地，所述有限元剖分图像根据人体头部三层有限元模型构建脑部三维图像，即将人体头部分为三层，将有限元剖分图像按照相应人体头部的层次与部位构建脑部
三维图像。

[0096] 参照图5所示，基于电阻抗成像和脑电图信号的脑部成像方法，包括：

[0097] S501、脑电测量模块采集脑电图信号，根据所述脑电图信号生成脑电图时域波形，基于所述脑电图时域波形提取脑电图频域特征，并比较所述脑电图频域特征与频域预设阈
值，若所述脑电图频域特征大于所述频域预设阈值，则向控制电路发送开启指令。

[0098] 具体的，所述脑电图频域特征包括：功率谱变换特征值和相位谱变换特征值。

[0099] 进一步地，若所述脑电图频域特征大于所述频域预设阈值，则说明脑电图时域波形出现振荡异常。

[0100] S502、所述控制电路接收所述开启指令，并根据所述开启指令向所述电阻抗成像模块施加安全激励电流。

[0101] 具体的，若脑电图时域波形出现振荡异常，控制电路对电极脑电信号测量电极位置与其相邻电极进行定位，开启该电极对电路开关，向电阻抗成像模块施加安全激励电流。

[0102] S203、所述电阻抗成像模块采集电压变化量与阻抗变化量，并根据所述电压变化量与所述阻抗变化量计算阻抗分布函数，基于所述阻抗分布函数生成有限元剖分图像，并
根据所述有限元剖分图像构建脑部三维图像。

[0103] 在一个实施例中，如图6所示，步骤501，包括：

[0104] S5011、脑电图时域波形生成单元采集脑电图信号，根据所述脑电图信号生成脑电图时域波形。

[0105] 具体的，基于所述脑电图信号，通过aEEG提取算法生成脑电图时域波形，其中，aEEG算法的具体步骤如下：

[0106] 1)采用异步滤波器进行信号滤波，其中，采用2‑15Hz带通滤波，设置12dB的线性增益；

[0107] 2)波幅绝对值修正，将脑电信号负值转化为正值；

[0108] 3)使用5阶butterworth滤波器，提取EEG波幅包络；

[0109] 4)将EEG包络分为持续时间10s的时间段，提取波幅上下波峰值作为边缘端点，生成脑电图时域波形。

[0110] S5012、基于所述脑电图时域波形，脑电图频域特征提取单元利用小波变换提取所述脑电图频域特征。

[0111] 具体的，所述小波变换的计算公式如下：

[0112]

[0113] 其中，α表示小波尺度，τ表示平移量，f(t)表示时间信号函数，t表示时间，表示小波变换的尺度函数。

[0114] S5013、基于所述脑电图频域特征，判断单元利用功率谱熵提取算法提取功率谱熵值，将所述功率谱熵值与所述频域预设阈值进行比较，若所述功率谱熵值大于所述频域预
设阈值，则向所述控制电路发送开启指令。

[0115] 具体的，功率谱熵提取算法的具体步骤如下：

[0116] 1)计算功率谱密度P(ωi)，计算公式如下：

[0117]

[0118] 其中，|X(ωi)|表示快速傅里叶变换的得到的频谱信号函数，N表示频率点的个数；

[0119] 2)归一化PSE(porto‑systemic encephalopathy)值，提取功率谱密度分布Pi，计算公式如下：

[0120]

[0121] 3)计算功率谱熵值H，计算公式如下：

[0122]

[0123] 进一步地，在脑电信号的功率谱中，当频谱峰值较窄时，其功率谱熵值H较小，说明脑电信号具有明显的震荡节奏，反之，频谱峰值更平滑，其功率谱熵值H更大，若功率谱熵值
H大于预设阈值时，则触发控制电路。

[0124] 在一个实施例中，如图7所示，步骤S503，包括：

[0125] S5031、采集单元采集施加安全激励电流后的三维电流场中的所述电压变化量与所述阻抗变化量。

[0126] S5032、根据所述电压变化量与所述阻抗变化量，计算单元计算所述阻抗分布函数。

[0127] 具体的，所述阻抗分布函数的计算公式如下：

[0128] ΔV＝SΔC

[0129] 其中，ΔV表示电压变换量，ΔC表示阻抗变化量，S表示敏感矩阵。

[0130] S5033、根据卷积反投影算法，构建单元对所述阻抗分布函数进行拉东变换，生成所述有限元剖分图像，并根据所述有限元剖分图像构建脑部三维图像。

[0131] 具体的，所述卷积反投影算法的计算公式如下：

[0132]

[0133] 其中，f(x,y)表示阻抗分布函数，δ(x)表示狄拉克函数，当x等于0时，δ(x)＝1，x不等于0时，δ(x)＝0。

[0134] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围
之内，则本发明也意图包含这些改动和变型在内。