專利名稱：搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置的制作方法
技術領域：
本發明是一項人腦功能掃描技術，特別是一種能對隱藏在人腦波中的超慢漲落信息、神經遞質信息和量子化網絡信息進行無創探測的裝置和方法。在腦功能探測方面，與現代先進掃描技術PET、SPECT、fNMR等相比具有獨自的特色和發展潛力。
背景技術：
神經遞質信息神經遞質(neurotransmitter)是在化學突觸傳遞中擔當信使的特定化學物質， 簡稱遞質。隨著神經生物學的發展，陸續在神經系統中發現了大量神經活性物質。在中樞神經系統(CNS)中，突觸傳遞最重要的方式是神經化學傳遞。神經遞質由突觸前膜釋放后立即與相應的突觸后膜受體結合，產生突觸去極化電位或超極化電位，導致突觸后神經興奮性升高或降低。神經遞質的特征是①、在神經元內合成。②、貯存在突觸前神經元并在去極化時釋放一定濃度(具有顯著生理效應)的量。③、當作為藥物應用時，外源分子類似內源性神經遞質。④、神經元或突觸間隙的機制之一是對神經遞質的清除或失活。重要的神經遞質和調質有①乙酰膽堿。最早被鑒定的遞質。脊椎動物骨骼肌神經肌肉接頭、某些低等動物如軟體、環節和扁形動物等的運動肌接頭等，都是以乙酰膽堿為興奮性遞質。②兒茶酚胺。包括去甲腎上腺素(NE)、腎上腺素(Ad)和多巴胺(DA)。交感神經節細胞與效應器之間的接頭是以去甲腎上腺素為遞質。DA與運動調控有關，它與帕金森氏癥的關系的發現，曾獲得過諾貝爾獎。③5-羥色胺(5-HT)。5-羥色胺神經元主要集中在腦橋的中縫核群中，一般是抑制性的，但也有興奮性的。關于神經遞質的這些早期知識，由于20世紀90年代G蛋白系統的發現而面目一新，并使本技術能按下述演變過程逐步實現。從腦外探測腦內神經遞質活動的信息，是神經科學家長期以來追求的目標。在傳統腦波研究中，就有人嘗試只以α同步/去同步為指標，就可以觀察遞質之間的不同反應。有人還據此發表了一對遞質之間的典型拮抗曲線。這在一定程度上表明 不同遞質可以在腦波上有不同的反應。在超慢電位研究中，有科學家專門考察了多巴胺、5-羥色胺、去甲腎上腺素對超慢電位曲線的不同效應。結果表明，它們之間在慢電位時程和形式上有明顯的區別，即不同遞質在大腦慢電位活動上是有反映的。但由于當時條件下，遞質活動的深入理論尚未出現，又缺乏精密的分析技術，所以也未能形成系統的理論和規則。但該學派的超慢電位研究，曾引起國際上的重視。在現代醫學掃描技術的發展中，也把獲取神經遞質信息作為開發目標之一。PET借助輔助指標——放射性配體，來檢測競爭中的遞質受體活動數量。已被檢測的受體主要是 多巴胺、乙酰膽堿、5-羥色胺、Y-氨基丁酸、谷氨酸以及去甲腎上腺素(α)，還涉及到神經肽中的鴉片肽。但它是從測得放射性強度來間接推算神經遞質活動水平，而非直接檢測神經和神經遞質本身的活動。這樣獲得的第二手資料，始終被認為不及第一手資料可靠，因為它會帶來一些難以避免的復雜因素。同時，向人體注入放射性配體，也始終被認為不是一種完全自然的無創技術，會增加應用上的困難。在fNMR技術的發展中，也有獲取神經遞質信息的嘗試。但迄今只能檢測到個別神經遞質(谷氨酸、Y -氨基丁酸)，由于質子NMR測定的濃度限制，大多數遞質都超出常規磁共振波譜的檢測能力。從上述漫長過程可以看到，在搜索神經遞質信息的道路上，尋找一種完全自然的無創技術，取得第一手資料是多么重要。看來，回歸到腦波信號是一種選擇。因為G蛋白偶聯的遞質，都以離子通道電信號(慢突觸后電位)的方式輸出，可以預期它們會在被調制的 EEG中反映出來，而EEG被公認為是一種不會對被試者帶來任何傷害的無創技術，它還有方便、靈活、可長時間監測而且成本低廉等優點。尤其是，腦波信號是來自神經組織活動本身， 取得的是完全自然的第一手資料，因此它有不可替代的優點。關鍵在于要把腦波活動中最精彩、最精密、最精華的深層次信息挖掘出來，再把它們與神經遞質的編碼機制聯系起來。正像DNA編碼信息要與堿基對組合聯系起來那樣， 當把神經編碼信息逐步與腦波中精細結構成分的高層次活動緊密聯系在一起的時候，就離成功不遠了。量子化網絡信息大腦功能具有整體性、非局域性。大腦功能是全球化的，在大腦工作中，不是一個個神經元各自為政，而是在相當大的范圍內相互關聯，大量的神經元構成一個整體，協調一致地工作。一些學者提出大腦糾纏態的概念，即大腦產生和利用量子力學疊加態。科學家 Frohlich認為，生物系統在室溫下可能產生大尺度糾纏態。生物系統一般處于室溫，這就要求生物糾纏態必須在室溫下保持一定時間的相干性。而且，必須是大尺度的糾纏態，才能解釋大范圍的非局域性、整體性。彭羅斯認為，大腦糾纏態的產生有幾個階段或層次“只有存在某種形式的擴展到整個大腦的適當部分的量子同調時，才能出現一個大腦的統一性”。 Maraball提出意識的波色-因斯坦凝聚假說，認為主導腦功能的是波色子，發生波色-愛因斯坦凝聚，即所有這些波色子都處于同一個量子態，它們完全是一個整體，有非局域性，這是宏觀量子現象。物理學中的波色-愛因斯坦凝聚已獲得2001年諾貝爾獎。神經網絡研究由來已久，但一般都只是有限數量神經元之間構成的小網絡，稱作神經元網絡。它觀察經典神經過程的相互作用，很少涉及全球化(全腦)規模，更少有研究量子位、量子疊加態之間的相互作用。量子化疊加系統的出現，將使網絡研究有一個大視野。能涵蓋整個大腦，甚至大腦以外的世界，從而把經典層次推向全新的量子化層次。眾多量子位構成的互聯網絡中可能出現諸多新現象，例如，量子化相干、糾纏、凝聚、全息乃至意識等。超慢波錢學森曾提出，大腦是一個開放的復雜巨系統。它除了具有大量子系統外，最顯著的特征是具有層次性。與簡單系統相比，復雜系統不止有一個層次。因此，就腦波而言，它顯然不是一個簡單系統，它必定有可以搜索到的更多的功能層次。前蘇聯Aladzalova等科學家于20世紀60年代發表了一系列關于大腦慢電位的論文和著作，記錄到從秒級到分鐘級的超慢電位。但限于當時的技術條件，未能推廣研究和應用。在西方，也有慢電位活動的報導。實際上，1973年Bliss. Lomo發現的長時程增強電位(LTP)和后來的長時程抑制電位(LTD)，也屬于一種超慢效應。但未能與神經遞質檢測等目標聯系起來。現代神經科學越來越多地證明，突觸后電位存在多層次結構。除了熟知的快突觸后電位活動(fEPSP，fIPSP)外，還不斷發現有著多樣化的慢突觸后電位活動(sEPSP， sIPSP, LsPSP 等)。在這些發展中，G蛋白的發現具有突出意義(圖3)，它打開了將慢信號系統研究納入精密科學軌道的大門。吉爾曼于1994年因其在G蛋白研究上的貢獻，獲得諾貝爾獎。正是他，在授獎會演說詞中提出復雜信號系統的概念。快突觸后電位被認為與α波的產生有關；而慢突觸后電位則反映G蛋白復雜信號系統輸出，它應是一種超慢波。本技術研究的第一步，就是要把這個慢波系統從被調制的腦波中分離出來。本發明從普里高津學派的漲落理論著手，從腦波漲落中成功分離出一個超慢信號層次，構成早期的腦漲落圖。它以毫赫茲(mHz)為單位，是一個被證明能衍生豐富高級功能的全新層次，稱為S譜。量子化分析法本發明中的超慢波由于譜帶很寬，所以，頻率間的量子化結構較易出現。神經生理學中，量子化分析法已成功應用于宏觀量子化現象的觀察，從神經-肌肉接頭，擴展到中樞突觸研究。近年來《Nature》還發表了一系列關于量子化分析的新資料，可以精確到測算單個“量子”的幅度數值。本發明人在早期的工作中證明，量子化分析法可揭示光量子激發的色覺拮抗效應。以系統論層次性的觀點看來，神經活動除了人們熟知的經典層次外，必定有其非經典的、量子化(包括微觀和宏觀量子化)的層次。鑒于本發明中提取的超慢信號來源于量子化釋放的神經遞質，而遞質的量子化釋放已被公認，所以在超慢層次的解析中，普遍應用了量子化分析法，構成了獨特的量子化層次。并且能夠證明只有從這種量子化層次中，才可以分離出色覺拮抗機制、神經遞質編碼機制和大腦量子化網絡復雜活動機制。腦波研究的一系列高層次信息都由此衍生，量子化分析法成為構建人腦神經遞質信息和人腦復雜網絡信息測量系統的核心。過去50年，是大型醫學掃描系統蓬勃發展的時期。其中PET、SPECT、fNMR等都兼有一定的腦內神經遞質檢測能力。但其使用受到一定限制，其造價昂貴，難以普及，尤其是設備龐大，無法在空間等特殊環境下使用。本發明的目的是，提供一種能夠以無創方式對腦神經遞質信息和人腦復雜網絡信息進行測量的系統和方法。這個系統通過對在腦波信號中提取的超慢信息，以量子化的方法獲取神經遞質信息和復雜網絡化信息，其系統更加簡單而易于推廣。本發明主要用于以下6種神經遞質的搜索乙酰膽堿(Ach)，簡稱A ；去甲腎上腺素(NE-)，簡稱N ；多巴胺(DA)，簡稱D ；5-羥色胺(5-HT)，簡稱 H ；
抑制遞質(INH)，簡稱I ；興奮遞質(EXC)，簡稱E。6種遞質的排列順序為I、H、A、D、N、E。
發明內容
本發明的技術方案是一種搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，包含腦波輸入與放大-導聯裝置、模/數轉換器、中央處理單元、數據存儲裝置、數據輸出裝置和輸入控制裝置，并依次連接。其中，腦波輸入與放大-導聯裝置置放，可應用任意導聯系統或任意導聯的組合，采用國際標準10-20系統的12導聯組合時，電極置放優選位置為F3、F4、C3、C4、 P3、P4、01、02、F7、F8、T5、T6 ；模/數轉換器應具有與導聯數一致的輸入端口及轉換能力。 其特征在于，所說的中央處理單元通過任一導聯或任意導聯組合以下列操作步驟執行對人腦任一腦區或任意腦區組合神經遞質信息和復雜網絡信息的測量與處理(1)啟動已連接到人腦的腦波輸入與放大-導聯裝置，對人腦腦波信號進行測量；(2)通過模/數轉換器，將測量的模擬信號(腦波幅度，微伏)轉換成數字信號并在顯示裝置上顯示，開始腦波數據采集和測量計時，采集速率為每秒2n點(n = 6 9，如6、
7、8、9)，如每秒64點、128點、256點、512點等；(3)持續進行步驟O)開始的腦波數據采集和轉換，將在每2秒時間內采集到的 2Χ2η個腦波數據(時點、腦波幅度)形成一個腦波數據組，存儲在數據存儲裝置中；(4)對每一個腦波數據組，按采集時間順序，分別進行傅立葉變換，得到0 30Hz 的頻率/功率域數據組(功率譜)，稱為f譜(快譜)，按采集時間順序掃描排列，構成f譜陣列，在數據存儲裝置中進行存儲；(5)當測量計時達到IOM秒時，形成512個f譜構成的f譜陣列，可終止腦波數據采集，完成單一測量；或按步驟O) ( 繼續進行采集和處理，以實現長時程測量與分析；(6)對于在腦波測量達到IOM秒時所生成的f譜陣列，分別在512個f譜中各自的α段(8Hz、9Hz、10Hz、llHz、12Hz、13Hz)內比較各頻率點所對應的功率值，確定其最大值；(7)將各f譜α段(8-13ΗΖ)的功率最大值數據，按512個f譜的形成時序排列， 形成α _數據組在數據存儲裝置存儲；同時，α _數據組可以在顯示裝置上以數據和/或圖形方式顯示；(8)對步驟(7)形成的α max數據組進行傅立葉變換，得到以mHz為單位的256點位頻率/功率域數據組，即二次功率譜，亦稱為S譜或慢譜；該二次功率譜可以在顯示裝置上以數據和/或圖形方式顯示；(9)在步驟(8)形成的頻率/功率域數據組(S譜)中，將各功率數據(峰值)自大至小排序；再分別取功率值最大的前η個數據點(η為5至16之間的整數，包括5、6、7、
8、9、10、11、12、13、14、15、16)功率值和對應的頻率值形成不同η值的優選數據組存儲；(10)以整數1 16為基頻ω。，依次在不同η值的每一個優選數據組中，尋找與 ω ο成整數倍關系的所有頻率數據m ω Q (m為1 255的整數，m ω Q不大于25 ，再將出現倍數關系的數據處標為1，非倍數標為0 ；形成不同η值的ηΧ 16的“基頻/倍頻標記”數據陣列存儲；(11)對步驟(10)中形成的不同η值的“基頻/倍頻標記”數據陣列中與各基頻對應的標記數據(0或1)求和，即得到與該基頻呈倍數關系的頻率的數量，形成不同η值的 “基頻/倍頻數”數據組存儲；(12)在步驟(11)中形成的不同η值的16位“基頻/倍頻數”數據組中，按分形原理，將不同頻率轉化為統一的數值，簡化的計算方法是取基頻與倍頻數的乘積，稱為“分維數”，形成不同η值的16位“基頻/分維數”數據組存儲；(13)在步驟(1 中形成的不同η值的“基頻/分維數”數據組中，進行量子理論要求的歸一化運算Α、計算全部“分維數”的合計數；B、計算各個基頻所對應“分維數”在“分維數”合計數中的比例；形成不同η值的歸一化的“基頻/分維數比例”數據組(16位編碼序列)存儲；(14)將未知的神經遞質產生的不同η值的“基頻/分維數比例”數據組分別與已知的6種神經遞質模型數據組進行相關計算，分別得到與6種神經遞質的相關值，形成不同 η值的相關值數據組存儲；6種神經遞質的排列順序為I、H、A、D、N、E ；(15)根據相關值最大原則對不同η值的相關值數據組進行對比選優，即分別將各不同η值下的相關值數據組6項相關值數據求和，然后對各數據組的相關值合計數進行比較，取其最大合計數對應的η值作為最終的η值；以該η值確定的優選數據組、“基頻/倍頻標記”數據陣列、“基頻/倍頻數”數據組、“基頻/分維數”數據組、“基頻/分維數比例”數據組、相關值數據組將作為受試者某一腦區神經遞質信息數據存儲。該組相關值數據即反映了被測試者在某一測量時段內某一腦區的神經遞質信息。該相關值數據組可以在顯示裝置上以數據和/或圖形方式顯示；(16)將6種神經遞質各腦區的相關值(12*6 = 72個數據)分別計算12導的平均值，形成全腦相關值數據組存儲；6種神經遞質的排列順序與步驟(14)相同；該組相關值數據即反映了被測試者在某一測量時段內全腦平均神經遞質信息。全腦相關值數據組可以在顯示裝置上以數據和/或圖形方式顯示；(17)以按相關值數據組中順序排列的6種神經遞質(I、H、A、D、N、Ε)為X軸、以相關值為Y軸，將步驟(14)的相關值數據作連線圖，得到反映某一腦區6種神經遞質信息的圖形稱為飛鳥圖。以上述順序排列的神經遞質為X軸、以平均相關值為Y軸，將步驟(15) 得到的平均相關值數據作連線圖，得到反映全腦6種神經遞質信息平均值的圖形稱為全腦飛鳥圖。(18)在步驟(8)形成的頻率/功率域數據組(S譜)中，將各功率數據(峰值)自大至小排序，取功率值最大的前12個數據點功率值和對應的頻率值形成12 X 2優選數據組存儲；(19)分別以步驟(18)形成的優選數據組中的12個數據點的頻率為基頻Qtl，在S 譜的全部256個頻率中尋找與Oci成整數倍關系的所有頻率數據H1Coci (m為大于或等于1的整數)，再將出現倍數關系的數據處標為1，非倍數標為0 ；形成12X256的“倍頻標記”數據陣列存儲；
(20)對步驟(19)中形成的“倍頻標記”數據陣列實施與步驟(11) (13)相同的處理，形成12X2 “分維數比例”數據組存儲；(21)分別將在步驟00)中形成的“分維數比例”數據組的各分維數比例進行選優處理，即減去一個選優系數，該選優系數為5 9之間的整數(5、6、7、8、9)，默認值為7，必要時可上下浮動A、若結果大于選優系數，保留原數值；B、若結果小于或等于選優系數，則該處置0 ；C、進一步將上述模擬值系統轉為由〔1，0〕組成的數字式系統，即將大于0的位點置1，將原為0的位點置0，形成“分維比例優選”數據組存儲；(22)將以上述步驟獲得的各腦區“分維比例優選”數據組，構成“分維比例優選” 數據陣列存儲。(23)將某一腦區的“分維比例優選”數據組置于“分維比例優選”數據陣列之前， 形成該腦區的“作圖源數據陣列”；然后用Windows系統的圖表功能，作光滑連線散點圖，即生成反映該腦區與其他腦區之間網絡信息的“腦糾纏式全息圖”簡稱“H0L0圖”。再對所有其它11個腦區進行相同的處理，共獲得12個疊加式HOLO圖；在這個搜索人腦神經遞質信息和人腦復雜網絡信息(功能狀態)的測量裝置中， 設有若干操作程序。這些操作程序及其功能如下一個腦波數據采集操作程序提供一個通過模數轉換器，將輸入系統的腦電波模擬信號轉換成數字信號，并以一定的速率(如每秒64點、1 點、256點、512點)采集腦波數字信號，形成某一時段的腦波數據組(時點、腦波幅度)，存儲在數據存儲裝置中的操作序列；一個S譜生成操作程序，提供如下操作序列(1)對每一個腦波數據組，按采集時間順序，分別進行傅立葉變換，得到0 30Hz 的頻率/功率域數據組(功率譜，亦稱為f譜)，按采集時間順序掃描排列，構成f譜陣列， 在數據存儲裝置中進行存儲；(2)對于f譜陣列，分別在512個f譜中各自的α段(8Hz、9Hz、10Hz、11Hz、12Hz、 13Ηζ)內比較各頻率點所對應的功率值，確定其最大值；然后將各f譜α段(8-1 )的功率最大值數據，按512個f譜的形成時序排列，形成α _數據組在數據存儲裝置存儲；(3)對α max數據組進行傅立葉變換，得到以mHz為單位的256點位頻率/功率域數據組，即二次功率譜，稱為S譜；—個S譜峰值選優操作程序，提供在生成的S譜中，將各功率數據(峰值)自大至小排序，分別取功率值最大的前η個數據點(η為5至16之間的整數，包括5、6、7、8、9、 10、11、12、13、14、15、16)功率值和對應的頻率值形成不同η值的優選數據組存儲的操作序列；一個編碼區倍頻與分維處理操作程序，提供分別對由S譜峰值選優操作程序形成的不同η值的優選數據組進行處理的如下操作序列(1)對每一個優選數據組，依次以優選數據組中每一個數據點的頻率為基頻ω。， 在S譜的前16個頻率中尋找與Qci成整數倍關系的所有頻率數據H1Coci (m為大于或等于1 的整數)，將出現倍數關系的數據處標為1，非倍數標為0 ；形成nX 16的“基頻/倍頻標記”數據陣列存儲；(2)再對“基頻/倍頻標記”數據陣列中與各基頻對應的標記數據(0或1)求和， 即得到與該基頻呈倍數關系的頻率的數量，形成“基頻/倍頻數”數據組存儲；(3)在“基頻/倍頻數”數據組中，計算基頻與倍頻數的乘積，稱為“分維數”，形成 “基頻/分維數”數據組存儲；(4)在“基頻/分維數”數據組中，進行歸一化運算A、全部“分維數”的合計數；B、各個基頻所對應“分維數”在“分維數”合計數中的比例；形成“基頻/分維數比例”數據組存儲；一個相關計算操作程序提供如下操作序列將經過倍頻與分維處理操作程序處理、由未知神經遞質生成的不同η值的“基頻/分維數比例”數據組，分別與已知的6種神經遞質模型數據組進行相關計算，分別得到與6種神經遞質的相關值，形成不同η值的相關值數據組存儲。一個相關值判別操作程序提供如下操作序列根據相關值最大原則對不同η值的相關值數據組進行對比選優，取6項相關值合計數最大者對應的η值作為最終的η值；以該 η值確定的優選數據組、“基頻/倍頻標記”數據陣列、“基頻/倍頻數”數據組、“基頻/分維數”數據組、“基頻/分維數比例”數據組、相關值數據組將作為受試者某一腦區神經遞質信息數據存儲。一個全腦遞質信息操作程序提供如下操作序列對6種神經遞質相關值分別計算各腦區算數平均值，形成全腦相關值數據組存儲；6種神經遞質的排列順序與步驟(14)相同；該組相關值數據即反映了被測試者在某一測量時段內全腦平均神經遞質信息。一個飛鳥圖輸出操作程序提供如下操作序列以相關值數據組中順序排列的6種神經遞質(I、H、A、D、N、E)為X軸、以相關值為Y軸，以某腦區相關值數據作連線圖，得到反映某一腦區6種神經遞質信息的圖形，稱為某腦區飛鳥圖。以上述順序排列的神經遞質為X 軸、以平均相關值為Y軸，以反映全腦神經遞質信息的平均相關值數據作連線圖，得到反映全腦6種神經遞質信息的圖形，稱為全腦飛鳥圖。一個神經遞質模型數據模塊存儲下列神經遞質模型數據
權利要求
1. 一種搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，包含腦波輸入與放大-導聯裝置、模/數轉換器、中央處理單元、數據存儲裝置、數據輸出裝置和輸入控制裝置，并依次連接；其中，腦波輸入與放大-導聯裝置置放，可應用任意導聯系統或任意導聯的組合，在采用國際標準10-20系統的12導聯組合時，電極置放位置為F3、F4、C3、C4、P3、 P4、01、02、F7、F8、T5、T6 ；模/數轉換器應具有與導聯數一致的輸入端口及轉換能力；其特征在于，所說的中央處理單元通過任一導聯或任意導聯組合以下列操作步驟執行對人腦任一腦區或任意腦區組合神經遞質信息和復雜網絡信息的測量與處理(1)啟動已連接到人腦的腦波輸入與放大-導聯裝置，對人腦腦波信號進行測量；(2)通過模/數轉換器，將測量的模擬信號(腦波幅度，微伏)轉換成數字信號并在顯示裝置上顯示，開始腦波數據采集和測量計時，采集速率為每秒2n點(n = 6 9，如6、7、 8、9)，如每秒64點、128點、256點、512點等；(3)持續進行步驟( 開始的腦波數據采集和轉換，將在每2秒時間內采集到的2X2n 個腦波數據(時點、腦波幅度)形成一個腦波數據組，存儲在數據存儲裝置中；(4)對每一個腦波數據組，按采集時間順序，分別進行傅立葉變換，得到0 30Hz的頻率/功率域數據組(功率譜)，稱為f譜(快譜)，按采集時間順序掃描排列，構成f譜陣列， 在數據存儲裝置中進行存儲；(5)當測量計時達到IOM秒時，形成512個f譜構成的f譜陣列，可終止腦波數據采集，完成單一測量；或按步驟( ( 繼續進行采集和處理，以實現長時程測量與分析；(6)對于在腦波測量達到IOM秒時所生成的f譜陣列，分別在512個f譜中各自的α 段(8ΗΖ、9ΗΖ、10ΗΖ、11ΗΖ、12Hz、13Hz)內比較各頻率點所對應的功率值，確定其最大值；(7)將各f譜α段(8-13ΗΖ)的功率最大值數據，按512個f譜的形成時序排列，形成 α_數據組在數據存儲裝置存儲；同時，α_數據組可以在顯示裝置上以數據和/或圖形方式顯示；(8)對步驟(7)形成的α_數據組進行傅立葉變換，得到以mHz為單位的256點位頻率/功率域數據組，即二次功率譜，亦稱為S譜或慢譜；該二次功率譜可以在顯示裝置上以數據和/或圖形方式顯示；(9)在步驟(8)形成的頻率/功率域數據組(S譜)中，將各功率數據(峰值)自大至小排序；再分別取功率值最大的前η個數據點(η為5至16之間的整數，包括5、6、7、8、9、 10、11、12、13、14、15、16)功率值和對應的頻率值形成不同η值的優選數據組存儲；(10)以整數1 16為基頻Coci，依次在不同η值的每一個優選數據組中，尋找與ω。成整數倍關系的所有頻率數據πιω。(m為1 255的整數，πιωQ不大于25 ，再將出現倍數關系的數據處標為1，非倍數標為0 ；形成不同η值的ηΧ 16的“基頻/倍頻標記”數據陣列存儲；(11)對步驟(10)中形成的不同η值的“基頻/倍頻標記”數據陣列中與各基頻對應的標記數據(0或1)求和，即得到與該基頻呈倍數關系的頻率的數量，形成不同η值的“基頻 /倍頻數”數據組存儲；(12)在步驟(11)中形成的不同η值的16位“基頻/倍頻數”數據組中，按分形原理，將不同頻率轉化為統一的數值，簡化的計算方法是取基頻與倍頻數的乘積，稱為“分維數”， 形成不同η值的16位“基頻/分維數”數據組存儲；(13)在步驟(1 中形成的不同η值的“基頻/分維數”數據組中，進行量子理論要求的歸一化運算Α、計算全部“分維數”的合計數；B、計算各個基頻所對應“分維數”在“分維數”合計數中的比例；形成不同η值的歸一化的“基頻/分維數比例”數據組(16位編碼序列)存儲；(14)將未知的神經遞質產生的不同η值的“基頻/分維數比例”數據組分別與已知的 6種神經遞質模型數據組進行相關計算，分別得到與6種神經遞質的相關值，形成不同η值的相關值數據組存儲；6種神經遞質的排列順序為I、H、A、D、N、E ；(15)根據相關值最大原則對不同η值的相關值數據組進行對比選優，即分別將各不同 η值下的相關值數據組6項相關值數據求和，然后對各數據組的相關值合計數進行比較，取其最大合計數對應的η值作為最終的η值；以該η值確定的優選數據組、“基頻/倍頻標記” 數據陣列、“基頻/倍頻數”數據組、“基頻/分維數”數據組、“基頻/分維數比例”數據組、 相關值數據組將作為受試者某一腦區神經遞質信息數據存儲。該組相關值數據即反映了被測試者在某一測量時段內某一腦區的神經遞質信息。該相關值數據組可以在顯示裝置上以數據和/或圖形方式顯示；(16)將6種神經遞質各腦區的相關值(12*6= 72個數據)分別計算12導的平均值， 形成全腦相關值數據組存儲；6種神經遞質的排列順序與步驟(14)相同；該組相關值數據即反映了被測試者在某一測量時段內全腦平均神經遞質信息。全腦相關值數據組可以在顯示裝置上以數據和/或圖形方式顯示；(17)以按相關值數據組中順序排列的6種神經遞質(I、H、A、D、N、E)為X軸、以相關值為Y軸，將步驟(14)的相關值數據作連線圖，得到反映某一腦區6種神經遞質信息的圖形稱為飛鳥圖。以上述順序排列的神經遞質為X軸、以平均相關值為Y軸，將步驟(15)得到的平均相關值數據作連線圖，得到反映全腦6種神經遞質信息平均值的圖形稱為全腦飛鳥圖；(18)在步驟(8)形成的頻率/功率域數據組(S譜)中，將各功率數據(峰值)自大至小排序，取功率值最大的前12個數據點功率值和對應的頻率值形成12 X 2優選數據組存儲；(19)分別以步驟(18)形成的優選數據組中的12個數據點的頻率為基頻Oci，在S譜的全部256個頻率中尋找與ω 0成整數倍關系的所有頻率數據m ω ^ (m為大于或等于1的整數)，再將出現倍數關系的數據處標為1，非倍數標為O ；形成12X256的“倍頻標記”數據陣列存儲；(20)對步驟(19)中形成的“倍頻標記”數據陣列實施與步驟(11) (13)相同的處理，形成2X256的“分維數比例”數據組存儲；(21)分別將在步驟OO)中形成的“分維數比例”數據組的各分維數比例進行選優處理，即減去一個選優系數，該選優系數為5 9之間的整數(5、6、7、8、9)，默認值為7，必要時可上下浮動A、若結果大于選優系數，保留原數值；B、若結果小于或等于選優系數，則該處置O；C、進一步將上述模擬值系統轉為由〔1，0〕組成的數字式系統，即將大于O的位點置1，將原為0的位點置0，形成“分維比例優選”數據組存儲；(22)將以上述步驟獲得的各腦區“分維比例優選”數據組，構成“分維比例優選”數據陣列存儲。(23)將某一腦區的“分維比例優選”數據組置于“分維比例優選”數據陣列之前，形成該腦區的“作圖源數據陣列”；然后作相圖，簡便方法是調用Windows系統的圖表功能，作光滑連線散點圖，即生成反映該腦區與其他腦區之間網絡信息的“腦糾纏式全息圖”簡稱“HOLO 圖”；再對所有其它11個腦區進行相同的處理，共獲得12個疊加式HOLO2.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，一個腦波數據采集操作程序提供一個通過模數轉換器，將輸入系統的腦電波模擬信號轉換成數字信號，并以一定的速率(如每秒64點、1 點、256點、512點)采集腦波數字信號，形成某一時段的腦波數據組(時點、腦波幅度)，存儲在數據存儲裝置中的操作序列。
3.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，一個S譜生成操作程序，提供如下操作序列(1)對每一個腦波數據組，按采集時間順序，分別進行傅立葉變換，得到0 30Hz的頻率/功率域數據組(功率譜，亦稱為f譜)，按采集時間順序掃描排列，構成f譜陣列，在數據存儲裝置中進行存儲；(2)對于f譜陣列，分別在512個f譜中各自的α段(8Ηζ、9Ηζ、10Ηζ、11Ηζ、12Ηζ、13Ηζ) 內比較各頻率點所對應的功率值，確定其最大值；然后將各f譜α段(8-1 )的功率最大值數據，按512個f譜的形成時序排列，形成α max數據組在數據存儲裝置存儲；(3)對αmax數據組進行傅立葉變換，得到以mHz為單位的256點位頻率/功率域數據組，即二次功率譜，稱為S譜。
4.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，一個S譜峰值選優操作程序，提供在形成的S譜中，將各功率數據(峰值)自大至小排序，分別取功率值最大的前η個數據點(η為5至16之間的整數，包括5、6、7、8、9、10、 11、12、13、14、15、16)功率值和對應的頻率值形成不同η值的優選數據組存儲的操作序列。
5.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，一個編碼區倍頻與分維處理操作程序，提供分別對由S譜峰值選優操作程序形成的不同η值的優選數據組進行處理的如下操作序列(1)對每一個優選數據組，依次以優選數據組中每一個數據點的頻率為基頻Qci，在S 譜的前16個頻率中尋找與Qci成整數倍關系的所有頻率數據H1Coci(m為大于或等于1的整數)，將出現倍數關系的數據處標為1，非倍數標為O ；形成nX 16的“基頻/倍頻標記”數據陣列存儲；(2)再對“基頻/倍頻標記”數據陣列中與各基頻對應的標記數據(O或1)求和，即得到與該基頻呈倍數關系的頻率的數量，形成“基頻/倍頻數”數據組存儲；(3)在“基頻/倍頻數”數據組中，計算基頻與倍頻數的乘積，稱為“分維數”，形成“基頻/分維數”數據組存儲；(4)在“基頻/分維數”數據組中，進行歸一化運算A、全部“分維數”的合計數；B、各個基頻所對應“分維數”在“分維數”合計數中的比例；形成“基頻/分維數比例”數據組存儲。
6.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，一個相關計算操作程序提供如下操作序列將經過倍頻與分維處理操作程序處理、由未知神經遞質生成的不同η值的“基頻/分維數比例”數據組，分別與已知的6種神經遞質模型數據組進行相關計算，分別得到與6種神經遞質的相關值，形成不同η值的相關值數據組存儲。
7.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，一個相關值判別操作程序提供如下操作序列根據相關值最大原則對不同η值的相關值數據組進行對比選優，取6項相關值合計數最大者對應的η值作為最終的η值；以該η 值確定的優選數據組、“基頻/倍頻標記”數據陣列、“基頻/倍頻數”數據組、“基頻/分維數”數據組、“基頻/分維數比例”數據組、相關值數據組將作為受試者某一腦區神經遞質信息數據存儲。
8.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，一個全腦遞質信息操作程序提供如下操作序列對6種神經遞質相關值分別計算各腦區算數平均值，形成全腦相關值數據組存儲；6種神經遞質的排列順序與步驟(14)相同； 該組相關值數據即反映了被測試者在某一測量時段內全腦平均神經遞質信息。
9.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，一個飛鳥圖輸出操作程序提供如下操作序列以相關值數據組中順序排列的6種神經遞質(I、H、A、D、N、Ε)為X軸、以相關值為Y軸，以某腦區相關值數據作連線圖，得到反映某一腦區6種神經遞質信息的圖形，稱為某腦區飛鳥圖。以上述順序排列的神經遞質為 X軸、以平均相關值為Y軸，以反映全腦神經遞質信息的平均相關值數據作連線圖，得到反映全腦6種神經遞質信息的圖形，稱為全腦飛鳥圖。
10.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，一個神經遞質模型數據模塊存儲下列神經遞質模型數據INH0. 100. 060. 230. 07-0. 120. 120. 000. 090. 23-0. 12-0. 030. 110. 150. 09-0. 050. 095-HT4. 00-5. 250. 50-0. 254. 00-1. 255. 502. 250. 504. 50-4002. 00-2752. 751. 50-4. 00Ach0. 00-0. 10-0. 170. 170. 28-0. 28-0. 110. 000590. 350. 230. 030. 010. 00-0. 110. 02DA0. 050. 140. 040. 060. 060. 07-0. 030. 030. 030. 120. 190020. 10-0. 030. 020. 13NE0. 050. 050. 100. 020. 020. 100. 090. 040. 030. 040010. 700. 120. 100. 100. 06EXC0. 11005-0. 040. 110. 110. 020. 050. 09-0. 010100. 120. 03-0. 010. 060. 100. 10位點12345678910111213141516
11.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，一個網絡區倍頻與分維處理操作程序提供如下操作序列，對由S譜峰值選優操作程序形成的η = 12的優選數據組進行處理(1)依次以該優選數據組中每一個數據點的頻率為基頻Qci，在S譜的全部256個頻率中尋找與Qci成整數倍關系的所有頻率數據πιω Jm為1 255的整數，Hicotl不大于255)， 將出現倍數關系的數據處標為1，非倍數標為O ；形成12X256的“基頻/倍頻標記”數據陣列存儲；(2)再對“基頻/倍頻標記”數據陣列中與各基頻對應的標記數據(O或1)求和，即得到與該基頻呈倍數關系的頻率的數量，形成“基頻/倍頻數”數據組存儲；(3)在“基頻/倍頻數”數據組中，計算基頻與倍頻數的乘積，稱為“分維數”，形成“基頻/分維數”數據組存儲；(4)在“基頻/分維數”數據組中，進行歸一化運算A、全部“分維數”的合計數；B、各個基頻所對應“分維數”在“分維數”合計數中的比例；形成“基頻/分維數比例”數據組存儲。
12.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，一個分維數選優操作程序提供如下操作序列將形成的“分維數比例”數據組的各分維數比例值與選優系數進行比較(相減)，該選優系數為5 9之間的整數(5、6、7、8、9)， 經驗數據可取7，必要時可上下浮動。若結果大于選優系數，保留原數值；否則該處置0。 進一步將上述模擬值系統轉為由〔1，0〕組成的數字式系統，即將大于0的位點置1，將原為 0的位點置0，形成“分維比例優選”數據組存儲。將以上述步驟獲得的各腦區“分維比例優選”數據組，構成“分維比例優選”數據陣列存儲。
13.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，一個HOLO圖輸出操作程序提供如下操作序列將某一腦區的“分維比例優選”數據組置于“分維比例優選”數據陣列之前，形成該腦區的“作圖源數據陣列”;然后用Windows 系統的圖表功能，作光滑連線散點圖，即生成反映該腦區與其他腦區之間網絡信息的“腦糾纏式全息圖”簡稱“H0L0圖”。再對所有其它11個腦區進行相同的處理，共獲得12個疊加式HOLO圖。
14.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，以“飛鳥圖”的形式顯示所獲得的單一腦區或全腦平均神經遞質信息，“飛鳥圖”的橫坐標(X軸)為所顯示的神經遞質信息名稱，縱坐標(Y軸)為所測得的神經遞質數據與神經遞質模型數據的相關值。各神經遞質信息的相關值數據點之間以直線相連，形成飛鳥狀圖形。
15.根據權利要求1的搜索人腦神經遞質信息和人腦復雜網絡信息的測量裝置，其特征在于，以“糾纏式全息圖(Entangle holography) ”(簡稱“H0L0圖”)的形式顯示所獲得的人腦任一腦區復雜網絡信息，生成“H0L0圖”的簡便方法是使用Windows系統中的光滑連線散點圖繪圖功能，生成“HOLO圖”的源數據是由所顯示信息腦區的“分維比例優選”數據組和全部12腦區“分維比例優選”數據陣列組成，所顯示信息腦區的“分維比例優選”數據組位于第一行，即形成13X256的源數據陣列。
全文摘要
本發明是一種測量人腦神經遞質信息和人腦復雜網絡信息的測量裝置。包含腦波輸入與放大-導聯裝置、模/數轉換裝置、中央處理單元、數據存儲裝置、輸出裝置和輸入控制裝置。還包括腦波數據采集、S譜生成、尋優、編碼區倍頻與分維處理、相關計算、相關判別、全腦遞質信息、飛鳥圖生成輸出、網絡區倍頻與分維處理、網絡區分維數選優、HOLO圖生成與輸出等操作程序，和神經遞質模型數據程序。該測量裝置按特定的操作步驟，采集腦電信號，提取隱藏在其中的超慢系統信息，并對其進行分析處理后，得到人腦神經遞質信息和人腦復雜網絡信息數據，分別以“飛鳥圖”和“HOLO圖”的形式顯示輸出。
文檔編號A61B5/0476GK102397068SQ201010282109
公開日2012年4月4日 申請日期2010年9月15日 優先權日2010年9月15日
發明者梅磊, 梅蘋 申請人:梅磊, 梅蘋