技术领域
本发明涉及神经外科领域。具体地说是一种大脑皮层功能区定位装置、方法和系统。
背景技术
临床上，在神经外科手术之前，为了保证手术的效果，需要进行充分而严谨的术前评估。已有研究表明，大脑皮层上不同的区域，对应于人体的不同功能，如运动区、语言区、视觉区等等。在神经外科手术中，一方面需要切除大脑皮层上导致神经疾病的病灶区域，一方面又要尽可能多的保留患者的这些正常功能区，以尽量降低患者正常人体功能的损失。为实现这一目标，就需要在术前评估时，对大脑皮层上的主要功能区域进行精确定位，从而更清晰的界定手术中要切除的病灶区和要保留的正常功能区之间的解剖界限，最终得以提高患者术后的生活质量。
对于大脑皮层上运动功能区的定位，最核心的逻辑就是，在大脑皮层的特定解剖区域和人体的特定功能之间，建立起对应关系。有两种基本模式：一是向大脑输入，即通过技术手段刺激特定的皮层区域，同时观察人体出现怎样的反应、执行怎样的功能，如手动脚动等，那么就认为这个皮层区域的输入导致了人体激活该项功能；这种模式的典型技术是皮层电刺激。第二种模式则是反过来，观察大脑输出，即通过语音或图像等方式的提示，让受试执行指定的任务，如动手、动脚等，同时观察大脑皮层的哪些区域产生了相应的活动，如大脑血液供给增加或脑电波的发放，那么就认人体执行该项功能时需要大脑这个皮层区域的参与；这种模式的技术很多，包括功能核磁共振成像、头皮脑电图、颅内脑电图等等。
现有技术中的大脑皮层功能定位方法，主要存在以下几种方法：
(1)皮层电刺激技术
这是一种直接向大脑进行输入的方法。
其基本原理为：大脑皮层由海量的神经细胞组成，而这些神经细胞之间的信息传递，是通过发放和传递电生理信号的方式来实现的。如果对大脑皮层施加一个外加的电刺激，也会激活相应的神经细胞群。那么，将电极植入受试的颅骨内部，与大脑皮层形成接触，即所谓颅内电极。然后，通过成对的颅内电极，对大脑皮层的相应触点发放特定频率和强度的电流，即对皮层进行电刺激，观察该皮层区域所对应的肢体功能是否有相应的反应，就可以确定运动区在大脑皮层上的位置。这种方法能够精确定位感觉运动区，是临床上确定大脑皮层功能区的“金标准”，所谓“金标准”，即临床医学界公认的诊断疾病的最可靠、最准确、最好的诊断方法，其它诊断方法的准确与否，都要以其为判断标准。
该方案存在的缺陷如下：首先，检查时间较长，一般需要2～4小时；受试出现阳性反应的阈值差别很大，较大的刺激强度容易在颅内扩散而引起远隔区域的激活，导致结果的误判；特别是对于神经外科中的癫痫病人，功能区附近的电刺激容易诱发癫痫发作或后放电的出现，使测试无法进行。
(2)功能磁共振成像技术
这是一种无创的观察大脑输出的方法。
其基本原理为：当大脑皮层的某个区域执行其对应的功能时，该区域中的神经细胞，会消耗大量的能量，就需要增加葡萄糖和氧等能量物质的供给。而这些能量，需要由分布于神经细胞周边的血管中的血液携带而来，即需要血管中血流的增加。而大脑中血流的变化，又会导致该脑区的磁场发生变化；而这种磁场的变化，又可以被一种被称为磁共振成像仪的设备所检测到。那么，如果受试在执行某项功能时，我们通过磁共振成像仪观察到其大脑皮层的特定区域的磁场发生了变化，就可以认为该脑区在执行这个功能时被激活，也就实现了大脑皮层的功能定位。该技术的优势在于完全无创的全脑检测，以及较高的空间分辨率。
该方案存在的缺陷为：设备本身和检查费用都很昂贵；设备无法移动，无法在患者床旁进行检查；实验操作复杂。
(3)颅内脑电图技术
这是一种有创的观察大脑输出的方法。
其基本原理为：颅内脑电图和皮层电刺激技术，使用同样的颅内电极。所不同的是，颅内脑电图不是像皮层电刺激那样的向大脑皮层发射电流，而是通过颅内电极，记录受试在执行某项功能时，大脑皮层自身所产生的神经生物电活动。颅内电极按照其形状和安装位置的不同，可分为两种，即表面电极和深部电极。表面电极呈片状或网状，需要通过开颅手术掀开受试的颅骨，把表面电极放置在大脑皮层表面。深部电极呈长条状，是通过在颅骨上钻孔把电极插入大脑的深部组织当中。
该方案的实验流程如图1所示。计算机4中的实验软件，通过显示器向受试显示屏幕提示1。受试位于显示器之前，根据显示器上的屏幕提示1如：“动手指”、“动舌头”)，执行各种运动任务。与此同时，位于受试颅骨内部的若干颅内电极2，采集到受试大脑皮层的神经生物电信号，并将该信号通过脑电放大器3，最终传送到计算机4中进行数据处理、分析和存储。同时，为了在受试的脑电信号和他所执行的动作之间建立起对应关系，计算机在呈现屏幕提示1的同时，会发送一个同步信号给脑电放大器，脑电放大器把这个同步信号5和颅内的脑电信号，一起传递给计算机。最后在计算机中，使用功率谱建模的方法，对数据进行处理和分析。
大脑运动皮层功能定位实验的基本范式是，首先向受试呈现屏幕指示，让受试执行一个运动任务，然后记录受试的大脑皮层中的响应事件信号；进一步，通过分析受试所执行任务和响应事件信号之间的相关性，来确定大脑皮层区域所对应的功能。实验中有一个重要的问题，即：受试到底是何时真正的执行所要求的任务以及产生相应的响应的事件信号的？也就是说，实验需要一个精确的时间同步标记，来记录受试的执行任务和响应时刻信息，这样才能在刺激和对应的响应之间，建立起对应关系，后面的相关分析才能成为可能。目前，一般采用的方法为：向受试显示屏幕提示的同时，向神经信号的采集仪器(如脑电放大器)发送一个同步信号，用以和受试执行任务时刻的脑电信号进行同步。
该方案存在缺陷如下：使用屏幕提示作为事件同步标记的方式，其假设受试在看到屏幕提示后，会立刻执行任务，同时大脑皮层产生响应信号。但这个假设在某些实验范式中并不成立。如图2所示，屏幕提示和同步信号都在t1时刻发出，受试可能在t2时刻才真正开始运动，并在t3时刻产生脑电信号。t2和t3时刻同步的，但是t1和t2时刻并不同步，因为受试可能在看到屏幕提示后一段时间才真正开始运动，那么在t1和t2时刻之间，就会产生一个时间差Δt，这个时间差会因受试的身体情况、行动能力或者理解能力的不同而不同。也就是说，这种在屏幕提示同时所产生的同步标记，无法准确的反映受试实际的执行任务和响应信号产生时间，进一步也会影响之后的相关分析和皮层功能定位的准确性。
此外，该方案中所采集的原始脑电数据，并不能直接用来进行皮层功能定位，而是要进一步进行数据处理和分析。既然颅内脑电是一种电信号，必然包含频率高低不同的各个成分，而其中的高频成分(大于60Hz)的能量变化，和大脑的运动区具有很好的对应性。和皮层电刺激相比，这个频段采集的是大脑在任务状态下的自发性的生理活动，没有任何额外的刺激输入，避免了外来刺激的干扰。现有技术中基于高频颅内脑电的研究，主要依靠功率谱建模的方法，即比较任务状态和休息状态下，颅内脑电的高频能量是否有明显的变化。
高频颅内脑电的功率谱建模方法存在的缺陷为：算法复杂，实验时间长。需要在被试执行任务之前，采集10分钟甚至更长的无任务状态信息，来建立统计模型。需要受试长时间执行肢体任务，需要受试有很好的精神状态和配合横渡。
发明内容
为此，本发明所要解决的第一个技术问题在于现有技术中的信号同步方法不能达到真正的同步，存在同步误差，影响后续处理的准确性，从而提出一种可以很好的实现信号同步的大脑皮层功能区定位装置、方法和系统。
本发明所要解决的另外一个技术问题在于现有技术中的高频颅内脑电的功率谱建模方法存在算法复杂，实验时间长的缺点，从而提出一种计算量小、实验时间短的大脑皮层功能区定位方法和装置。
为解决上述技术问题，本发明采用的技术方案如下：
本发明提供一种大脑皮层功能区定位装置，包括：
提示屏幕，用于提示要执行的各种动作任务；
一个或多个肌电电极，设置在受试者的运动部位，采集设置部位的肌电信号；
一个或多个颅内电极，设置在受试者的颅内，采集设置位置的大脑皮层的颅内脑电信号；
脑电放大器，接收所述肌电信号和颅内脑电信号，并将其发送至计算机；
计算机，根据所述肌电信号和颅内脑电信号计算出大脑皮层功能区。
优选地，所述运动部位包括手、脚、舌头中的部分或全部。
本发明提供一种大脑皮层功能区定位方法，包括如下步骤
分别获取原始颅内脑电信号和运动部位的原始肌电信号；
根据所述原始肌电信号获取肌体动作的起始时刻；
获取起始时刻后的肌电信号的自变量矩阵；
根据所述肌体动作的起始时刻截取对应时间段的颅内脑电信号；
根据所述颅内脑电信号的获取响应变量矩阵；
计算自变量矩阵和响应变量矩阵的相关性；
根据所述相关性定位所述肌体动作对应的大脑皮层区域。
优选地，根据所述原始肌电信号获取肌体动作的起始时刻的步骤，包括
判断所述肌电信号在时间窗内的能量是否高于指定阈值，是则作为起始时刻。
优选地，所述获取起始时刻后的肌电信号的自变量矩阵的步骤中，所述自变量矩阵为一个包含1和0的一维向量，如果受试者在执行运动任务，对应位置的元素值为1，如果受试者没有执行运动任务，对应位置的元素值为0。
优选地，所述根据所述颅内脑电信号的获取响应变量矩阵的过程，包括：
对所述颅内脑电信号进行去噪、滤波、提取高频频段的能量包括，得到响应变量矩阵。
优选地，所述计算自变量矩阵和响应变量矩阵的相关性的步骤，包括：
选择一般线性模型，所述一般线性模型为：Y＝Xβ+e；其中，Y为响应变量矩阵，Y为n×1的向量，n为数据的长度；X为自变量矩阵，X是一个n×m的矩阵，m是执行动作的种类；β为模型的估计参数，是m×1的向量；e为残差项；
根据变量矩阵X和响应变量矩阵Y求解出估计参数β和残差项e；
对估计参数β进行样本显著性检验，得出自变量矩阵X和响应变量矩阵Y的相关性。
优选地，所述对估计参数β进行样本显著性检验，得出自变量矩阵X和响应变量矩阵Y的相关性的步骤，包括
对估计参数β做T检验，公式如下：
其中，C是一个一维向量，表示不同条件下的系数，length(Y)表示响应变量Y的长度，length(β)表示估计参数β的长度；
根据t值的大小，确定响应变量Y与自变量X的相关性，t值越大表明自变量矩阵X和响应变量矩阵Y越相关。
本发明提供一种大脑皮层功能区定位系统，包括：
信号获取单元：分别获取原始颅内脑电信号和运动部位的原始肌电信号；
起始时刻获取单元：根据所述原始肌电信号获取肌体动作的起始时刻；
自变量矩阵获取单元：获取起始时刻后的肌电信号的自变量矩阵；
颅内脑电信号获取单元：根据所述肌体动作的起始时刻截取对应时间段的颅内脑电信号；
响应变量矩阵获取单元：根据所述颅内脑电信号的获取响应变量矩阵；
相关性计算单元：计算自变量矩阵和响应变量矩阵的相关性；
功能区确定单元：根据所述相关性定位大脑皮层的功能区。
优选地，所述颅内脑电信号获取单元还包括阈值比较子单元：判断所述肌电信号在时间窗内的能量是否高于指定阈值，是则作为起始时刻。
本发明的上述技术方案相比现有技术具有以下优点，
(1)本发明提供一种大脑皮层功能区定位装置，除包括提示屏幕、颅内电极外，还包括一个或多个肌电电极，设置在受试者的运动部位，采集肌电信号，用于受试者执行动作的时刻与观测颅内脑电信号的起始时刻同步，这样，就解决了现有技术中的信号同步方法不能达到真正的同步，存在同步误差，影响后续处理的准确性的问题，提高了大脑皮层功能区定位的准确性。
(2)本发明提供一种大脑皮层功能区定位方法，根据原始肌电信号获取肌体动作的起始时刻，然后获取对应时间段的颅内脑电信号，这样就实现了颅内脑电信号和肌体信号的同步，然后根据颅内脑电信号生成响应变量矩阵，根据肌电信号生成自变量矩阵，通过计算自变量矩阵和响应变量矩阵的相关性，确定该肌体动作对应的大脑皮层区域。如果相关性大，则说明该检测的大脑皮层区域对应该肌体动作，如果相关性小，则说明该检测的大脑皮层区域与该肌体动作不相关，从而确定大脑皮层的功能区。克服了现有技术中通过屏幕提示的事件同步方法中大脑皮层的响应信号滞后的缺陷，是一种基于运动肌电的精准事件同步方法，该方式可以很好的实现肌体动作与颅内脑电信号的同步，提高后续处理的准确性。
(3)本发明所述的大脑皮层功能区定位方法，在计算自变量矩阵和响应变量矩阵的相关性时，借助一般线性模型，通过计算模型的估计参数，对其显著性进行检验来衡量自变量矩阵和响应变量矩阵的相关程度，避免了现有技术中功率谱建模的数据处理方法算法复杂、实验时间长的缺陷，可以快速的分析颅内脑电数据。此外，还能够有效地观察数据特征随时间的变化，直接根据受试在执行任务时候的颅内脑电时间过程计算得到电极信号与任务的相关程度。并能够有效抑制信号噪声对结果的干扰。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中
图1是使用颅内脑电进行大脑皮层功能定位实验的系统结构图；
图2是大脑皮层功能定位试验中信号同步示意图；
图3是本实施例1中的大脑皮层功能区定位装置的结构框图；
图4是本实施例2中的大脑皮层功能区定位方法的流程图；
图5是本实施例2中的大脑皮层功能区定位方法的信号同步示意图；
图6是本实施例2中的自变量矩阵和响应变量矩阵的信号示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
实施例1：
本实施例中提供一种大脑皮层功能区定位装置，如图3所示，包括提示屏幕1、颅内电极2、脑电放大器3、计算机4、肌电电极5。其中，
肌电电极5为一个，设置在受试者的手腕处，获取手指、手掌手腕等部位的肌电信号，从而获取肌体动作的起始时刻。
在其他可以替换的实施方案中，肌电电极还可以设置为多个，分别放置在受试者的多个运动部位，采集设置部位的肌电信号，如脚步、腿部、面部等位置。
颅内电极2为一个或多个，分别设置在受试者的颅内大脑皮层下的不同位置，采集设置位置的大脑皮层的颅内脑电信号，用于后续判断该位置是否为相应动作的功能区。
脑电放大器3，与上述肌电电极5和颅内电极2电连接，接收所述肌电信号和颅内脑电信号，并将其发送至计算机4。计算机4根据所述肌电信号和颅内脑电信号计算出大脑皮层功能区。
提示屏幕1用于提示要执行的各种动作任务。计算机4中的实验软件，通过显示器向受试者显示屏幕提示。
本实施例中的大脑皮层功能区定位装置的工作过程为：受试者位于显示器之前，根据显示器上的屏幕提示，如“动手指”、“动舌头”等提示内容，执行各种运动任务。位于受试者颅骨内部的若干颅内电极2，采集到受试者大脑皮层的神经生物电信号，并将该信号通过脑电放大器3，最终传送到计算机4中进行数据处理、分析和存储。在用户的手腕等处放置肌电电极5，把用户的肌肉电信号也传入脑电放大器。脑电放大器4把脑电信号和肌电信号，一起传递给计算机4。在计算机4的程序中，根据肌电信号，识别出用户进行肢体运动的起始时刻，计算出事件同步信号。在计算机4的程序中，根据肌电信号提供的事件同步标识和颅内脑电信号，使用一般线性模型的方法，对数据进行处理和分析，计算出大脑皮层上的运动功能区所在的位置。
该方案中的大脑皮层功能区定位装置，除包括提示屏幕、颅内电极外，还包括一个或多个肌电电极，设置在受试者的运动部位，采集肌电信号，用于受试者执行动作的时刻与观测颅内脑电信号的起始时刻同步，这样，克服了现有技术中通过屏幕提示的事件同步方法中大脑皮层的响应信号滞后的缺陷，就解决了现有技术中的信号同步方法不能达到真正的同步、在同步误差、影响后续处理的准确性的问题，提高了大脑皮层功能区定位的准确性。
实施例2：
本实施例中，提供一种大脑皮层功能区定位方法，可用于实施例1中的计算机中，通过具有如下功能的操作指令来实现。包括如下步骤，流程图如图4所示，：
S1、首先，分别获取原始颅内脑电信号和运动部位的原始肌电信号，此处可通过实施例1中的脑电放大器3来获取。使用实施例1中的装置，通过设置在运动部位的肌电电极5可以获取原始肌电信号，通过颅内电极2可以获取原始颅内脑电信号，然后通过脑电放大器3把脑电信号和肌电信号一起发送给计算机。
S2、然后，对上述原始颅内脑电信号和原始肌电信号进行分别处理。
S2-1、对于原始肌电信号，根据该原始肌电信号获取肌体动作的起始时刻。其对应的方法为：判断所述肌电信号在时间窗内的能量是否高于指定阈值，是则作为起始时刻。
当受试者执行主动的运动任务时，把受试的脑电信号和肢体的肌电信号，一起通过脑电放大器传送给计算机。在计算机的程序中，对肌电信号进行事件检测，如果肌电信号的在时间窗内的能量高于指定的阈值，就认为受试执行了肢体动作，就可以检测到受试每个动作的精确起始时刻，并将这个时刻，作为受试执行运动任务的事件同步标记。此处的能量阈值，一般为静息态(即受试没有执行肢体动作时)肌电信号能量值的3倍。
如图5所示，屏幕提示在t1时刻发出，受试可能在t2时刻才真正开始运动并产生肌电信号，并在t3时刻产生脑电信号。t2和t3时刻是同步的，也是受试真正开始执行肢体动作和对应的大脑皮层区域被激活的时刻，避免了受试在看到屏幕提示后延迟执行动作所产生的时间差Δt。
S2-2、获取起始时刻后的肌电信号的自变量矩阵。
所述自变量矩阵为一个包含1和0的一维向量，如果受试者在执行运动任务，对应位置的元素值为1，如果受试者没有执行运动任务，对应位置的元素值为0。
具体来说，为了运用一般线性模型来分析处理颅内脑电数据，需要先获得自变量X和响应变量Y的值，线性模型中的自变量X也就是本方案中的自变量矩阵，也记为X。
如图6所示，X代表自变量矩阵，即受试者在某一时刻，是否在执行运动任务。X是一个2值的任务矩阵，之前根据肌电信号所生成的事件同步标识，获得了受试是否在执行运动任务的信息，如果受试在执行运动任务，就将矩阵X中的对应位置的元素值设置为1；如果受试没有执行运动任务，即处于静息态，就将矩阵X中的对应位置的元素值设置为0。这样就获得了包含若干个1和0的任务矩阵X。
如果受试者在实验中执行了多种不同的运动任务，如动手指、动舌头、动脚，那么，每一种运动任务，就会生成一个一维的包含1和0的2值动作列向量，多个这样的动作列向量，组成完整的任务矩阵X，即自变量矩阵X。
S2-3、根据所述肌体动作的起始时刻截取对应时间段的颅内脑电信号。这样就获得了与肌电信号同步的颅内脑电信号。本实施例中的S2-2与S2-3并无实际先后顺序，可以是并行执行的步骤。
S2-4、根据所述颅内脑电信号的获取响应变量矩阵。对所述颅内脑电信号进行去噪、滤波、提取高频频段的能量包括，得到响应变量矩阵，如图6所示，Y代表受试大脑皮层的响应变量，即受试在实验中大脑皮层的颅内脑电信号，是一个一维的向量。通过对原始的颅内脑电信号进行去噪、滤波、提取高频频段的能量包络等操作之后，就获得了一般线性模型中的响应变量Y。
作为其他可以替换的实时方案，还可以先对原始的颅内脑电信号进行去噪、带通滤波(60～90Hz)，获得High gama频段(高频频段)颅内脑电信号，然后取高频频段的能量包络，然后再通过肌体动作的起始时刻截取对应时间段的颅内脑电信号，如图4所示。也可以先对原始的颅内脑电信号通过肌体动作的起始时刻截取对应时间段的颅内脑电信号，然后再进行去噪、滤波、提取高频频段的能量包络，获得响应变量Y。
通常，受试大脑中会植入多个颅内电极，以获得大脑不同区域的脑电信号。那么，每一个颅内电极的脑电信号，都可以生成一个响应变量矩阵Y。
通过本步骤便得到了自变量矩阵X和响应变量矩阵Y。
S3、计算自变量矩阵和响应变量矩阵的相关性。
S3-1、选择一般线性模型。
在统计学中，一般线性模型是一种常见的线性模型。一般线性模型是基于这样的假设：有一个响应变量Y和一系列自变量X，这些自变量通过一个线性函数影响Y。它的形式如下所示：
Y＝Xβ+e
Y是一个n×1的向量(n表示数据长度)，是观测数据矩阵，在此即为颅内脑电信号的高频能量包络，也就是上步骤中计算出的响应变量矩阵Y；X是一个n×m的矩阵(m是估计参数数量，在此即为执行动作任务的种类)，是一个自变量矩阵，也就是上述计算出的自变量矩阵X；β是一个m×1的向量，是模型的估计参数，e是残差项。
S3-2、根据变量矩阵X和响应变量矩阵Y求解出估计参数β和残差项e。
对于颅内脑电分析问题，自变量X和响应变量Y，都是已知量，可以通过求解矩阵算出β和e。
β＝(XTX)′*(XTY)
e＝Y-Xβ
β的大小体现出响应变量和自变量之间的相关性，但并不是β越大，响应变量Y和自变量X就越相关。还要对β做t检验，检验其是否显著大于0。
S3-3、对估计参数β进行样本显著性检验，得出自变量矩阵X和响应变量矩阵Y的相关性。
本实施例中采用T检验进行样本显著性检验。T检验，是统计学中对样本显著性进行检验的一种方法。t值越大，表明显著性越高，即响应变量Y与自变量X中对应的列向量越相关。
对估计参数β做T检验，公式如下：
其中，C是一个一维向量，表示不同条件下的系数，length(Y)表
示响应变量Y的长度，length(β)表示估计参数β的长度。
根据t值的大小，确定响应变量Y与自变量X的相关性，t值越大表明自变量矩阵X和响应变量矩阵Y越相关。
S4、根据所述相关性定位所述肌体动作对应的大脑皮层区域。
因为受试的大脑皮层上会植入多个颅内电极，每个电极都可以计算出一个对应的t值。t值越大，表明响应变量Y与自变量X中对应的列向量越相关，也就是特定电极上的响应信号与受试所执行的任务越相关，也就是说该电极所对应的大脑皮层区域在受试执行该类型的运动任务时被激活。从而实现了运动功能的大脑皮层功能定位。
本实施例中的大脑皮层功能区定位方法，在实验中通过识别肌电的起始时刻，来作为运动任务和语言任务的事件同步标记，与以往的实验中，在产生刺激的同时固定的发送事件同步标记的方式相比，避免了因受试执行任务延迟所产生的同步标记不准确的问题，而是在受试真正执行任务时，动态的检测事件的起始时刻，保证了事件同步标记的时间精确性，也从而提高了皮层功能定位的准确性。另外，除了提供更好的定时，还可以减少平均试次的次数。
此外，本方案中在对颅内脑电数据处理中使用一般线性模型，避免了现有技术中功率谱建模的数据处理方法算法复杂、实验时间长的缺陷，能够有效地观察数据特征随时间的变化，直接根据受试在执行任务时候的颅内脑电时间过程计算得到电极信号与任务的相关程度。并能够有效抑制信号噪声对结果的干扰。
实施例3：
本实施例中还提供一种大脑皮层功能区定位系统，用于实施例1中的计算机中，包括：
信号获取单元：分别获取原始颅内脑电信号和运动部位的原始肌电信号；
起始时刻获取单元：根据所述原始肌电信号获取肌体动作的起始时刻；
自变量矩阵获取单元：获取起始时刻后的肌电信号的自变量矩阵；
颅内脑电信号获取单元：根据所述肌体动作的起始时刻截取对应时间段的颅内脑电信号；
响应变量矩阵获取单元：根据所述颅内脑电信号的获取响应变量矩阵；
相关性计算单元：计算自变量矩阵和响应变量矩阵的相关性；
功能区确定单元：根据所述相关性定位大脑皮层的功能区。
颅内脑电信号获取单元还包括阈值比较子单元：判断所述肌电信号在时间窗内的能量是否高于指定阈值，是则作为起始时刻。
其中，所述自变量矩阵为一个包含1和0的一维向量，如果受试者在执行运动任务，对应位置的元素值为1，如果受试者没有执行运动任务，对应位置的元素值为0。
响应变量矩阵获取单元包括对所述颅内脑电信号进行去噪、滤波、提取高频频段的能量包括，得到响应变量矩阵。
其中，相关性计算单元包括：
模型选择子单元：选择一般线性模型，所述一般线性模型为：Y＝Xβ+e；其中，Y为响应变量矩阵，Y为n×1的向量，n为数据的长度；X为自变量矩阵，X是一个n×m的矩阵，m是执行动作的种类；β为模型的估计参数，是m×1的向量；e为残差项；
参数计算子单元：根据变量矩阵X和响应变量矩阵Y求解出估计参数β和残差项e；
相关性确定子单元：对估计参数β进行样本显著性检验，得出自变量矩阵X和响应变量矩阵Y的相关性。
其中相关性确定子单元包括
对估计参数β做T检验，公式如下：
根据t值的大小，确定响应变量Y与自变量X的相关性，t值越大表明自变量矩阵X和响应变量矩阵Y越相关。
本实施例中的大脑皮层功能区定位系统，克服了现有技术中通过屏幕提示的事件同步方法中大脑皮层的响应信号滞后的缺陷，可以很好的实现肌体动作与颅内脑电信号的同步，提高后续处理的准确性。
本发明可以以许多不同的形式实施，而不应该被理解为限于在此阐述的实施例。相反，提供这些实施例，使得本公开将是彻底和完整的，并且将把本发明的构思充分传达给本领域技术人员，本发明将仅由权利要求来限定。在附图中，为了清晰起见，会夸大层和区域的尺寸和相对尺寸。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。