基于專利信息的腦電圖技術成熟度及技術網絡分析

，

腦電圖(EEG)是研究腦功能的重要神經影像技術，它通過電極測量神經元興奮時所產生的容積電流，提供全腦活動的連續(xù)性記錄[1-2]，為“認識腦”提供了技術手段。由于具有無創(chuàng)性、簡單便攜、費用低廉等特點，EEG被廣泛應用于腦部疾病的檢查與診斷。

專利文獻是重要技術情報來源，適宜作為技術評估研究的數據源，為測度技術發(fā)展態(tài)勢、研究布局和熱點主題提供參考。本文綜合運用技術成熟度、多元統(tǒng)計分析和社會網絡分析理論方法，對全球EEG技術專利數據進行定性與定量分析，以期為我國神經影像學、腦認知科學領域的發(fā)展提供參考和借鑒。

1 研究方法

1.1 技術成熟度理論和方法

技術成熟度是指某一技術在發(fā)展、進化過程中所處的階段[3]。1986年美國學者Richard Foster提出通過S曲線模型對技術成熟度進行研判。S曲線模型包含了萌芽期、成長期、成熟期以及衰退期4個階段，是技術發(fā)展和進化所遵循的一般規(guī)律。從長期看，技術創(chuàng)新軌跡可以由一系列S曲線的遞進構成，并可能出現兩條或多條S曲線并存的情形[4]。

S曲線模型有Logistic模型、Gompertz模型等多種。本文采用Logistic模型，通過確定模型中的參數K(飽和值)、tm(反曲點)、Δt(成長時間)，預測技術的成熟度。根據Logistic模型，分別以10%K、50%K和90%K作為萌芽期、成長期、成熟期和衰退期之間的臨界值。

1.2 共類分析和共詞分析

在專利計量中，共類分析用于探索專利所屬的技術領域和主題類別，揭示特定技術領域研究內容的相互轉移融合和學科領域的交叉演變模式[5]。德溫特分類代碼(DC)是從應用角度編制的代碼體系，其專業(yè)性強、一致程度高，適用于技術共類分析。本文選取DC代碼作為數據，采用共類分析方法研究技術間的網絡結構。

共詞分析法將數據集中的主題詞作為分析對象，通過統(tǒng)計分析方法和社會網絡分析方法，以可視化形式表示共詞網絡，從而確定研究主題之間的關系[6]。德溫特手工代碼(MC)是德溫特標引人員根據專利文獻的摘要和全文為專利分配的代碼，用于顯示專利的技術創(chuàng)新性及其應用[7]。本文選取MC代碼作為數據，采用共詞分析方法研究不同主題構成的網絡結構。

1.3 聚類分析和戰(zhàn)略坐標分析

聚類分析是將研究對象分為相對同質的類團的統(tǒng)計分析技術。本文選取DC代碼進行聚類分析，在事先不指定聚類標準的情況下，通過代碼矩陣客觀地劃分技術領域。在DC代碼聚類基礎上，對所得到的不同技術領域生成戰(zhàn)略坐標圖，表示不同聚類的關系模型和演變趨勢。在戰(zhàn)略坐標圖中，橫坐標表示向心度，用于衡量技術領域之間相互聯(lián)系的程度；縱坐標表示密度，用于衡量技術領域內部聯(lián)系的強度[8-9]。

1.4 中心性分析

中心性分析用于研究網絡的結構特性以及網絡中社會行動者的位置、權力和威望等屬性。本文對MC代碼的共詞網絡進行中心性分析，根據共詞網絡圖譜和圖的度數中心勢、中間中心勢、接近中心勢等指標分析網絡結構，以揭示EEG技術的整體研究態(tài)勢、不同研究方向之間的關聯(lián)以及熱點研究主題對于整個網絡的影響。其中，度數中心度用于衡量關鍵詞的共現度數，反映其在技術融合過程中的滲透性和輻射性；中介中心度用于衡量節(jié)點在網絡圖譜中位置的重要性，體現了關鍵詞在整個網絡中作為媒介的連接作用和控制能力；接近中心度用于測量不同關鍵詞之間信息傳遞的獨立性或有效性，反映不同研究主題之間進行技術融合、知識重組的能力[10]。

2 數據來源和處理

2.1 數據來源

本文的專利數據來源于德溫特專利索引數據庫(Derwent Innovation Index?，DII)，DII包括德溫特世界專利索引(Derwent World Patents Index?)和專利引文索引(Derwent Patents Citation Index?)，是世界上最全面的國際專利信息數據庫。DII數據庫包括化學、工程及電氣和電子3個類別，收錄數據年限可追溯至1963年，是專利計量分析的重要數據來源。

根據研究主題，通過《醫(yī)學主題詞表》(MeSH)選取檢索詞，設定檢索式為(Topic=(Electroencephalography OR Electroencephalograph OR Electroencephalogram OR EEG)AND Indexs=(CDerwent, EDerwent, MDerwent) AND Timespan=(All years))，得到全球1965-2015年3837條專利數據，作為本文的數據樣本。檢索時間為2015年10月27日。

2.2 數據處理

進行專利共類、共詞分析和繪制技術網絡圖之前，需要對DC代碼、MC代碼數據進行如下處理。

2.2.1 提取高頻代碼

為了簡化統(tǒng)計過程，本文選取高頻DC和MC代碼作為研究對象。根據Donohue于1973年提出的高頻詞與低頻詞界分公式分別確定DC和MC代碼界值：

式中的L1指出現一次的DC代碼和MC代碼的數量。利用文獻處理軟件BICOMB對DC和MC代碼的出現頻次進行統(tǒng)計，并根據代碼界值分別提取高頻代碼。

2.2.2 構建共類和共詞矩陣

利用BICOMB軟件對所提取的高頻代碼分別構建專利DC代碼共類矩陣和MC代碼共詞矩陣，并對所得矩陣進行如下處理。

2.2.2.1 構建關聯(lián)強度矩陣

為消除矩陣中代碼出現頻次對于共類或共詞強度的影響，使用Jaccard系數對共類和共詞矩陣進行標準化處理，計算每一共類和共詞專利對的鏈接強度(Linkage Strength)。X和Y兩代碼的Jaccard系數的計算公式如下：

2.2.2.2 構建Pearson相關系數矩陣

Pearson相關系數矩陣是對關聯(lián)強度矩陣的修正，以消除共類或共詞強度數據和關聯(lián)強度的隨機性或偶然性[11]。Pearson相關系數用于衡量兩個變量是否線性相關的參數，計算公式為：

3 結果和分析

3.1 EEG技術成熟度分析

采用美國洛克菲勒大學開發(fā)的Loglet Lab 2軟件對DII數據庫1965-2014年EEG技術領域的累計專利授權量進行S曲線擬合和參數值估計。

在實際模擬過程中發(fā)現，EEG技術的累計專利授權量擬合成2條S曲線的效果優(yōu)于擬合成1條S曲線的效果。

因此采用2條S曲線擬合結果(圖1)，將技術發(fā)展歷程分為兩個階段分析。根據表1所列擬合參數值，分別計算2條S曲線成長期、成熟期和衰退期的起始時間(表2)。

圖1 EEG技術S曲線模型

KtmΔtS260.5801981.23612.681S13033.7262020.57828.361

表2 EEG技術領域臨界值

第一條S曲線累計專利授權量飽和值為261件，反曲點為1981 年，成長時間為15.2年。EEG技術第一階段的萌芽期持續(xù)時間和成長時間分別為11年和13年；而第二階段EEG技術蓬勃發(fā)展，累計專利授權量飽和值和成長時間分別為13 034件和28.4年，均顯著提升。第二階段的萌芽期為1991-2007年，成長期為2007-2021年，成熟期為2012-2035年，衰退期從2035年開始。當前，EEG技術仍處于成長期，距離進入成熟期尚有6年時間，未來幾年的年度專利授權數量仍將持續(xù)上升，累計授權量則呈指數增長趨勢。

3.2 EEG技術網絡分析

3.2.1 基于專利共類的EEG技術網絡分析

將高頻DC代碼的Pearson相關系數矩陣導入社會網絡分析軟件UCINET中，生成EEG技術的共類網絡(圖2)。由圖2可知，EEG技術的36個高頻DC代碼主要涉及B部藥物，W部通信，U部半導體和電子電路，S部儀器儀表、測量和測試以及T部計算與控制。

圖2 EEG技術德溫特分類代碼共類網絡

3.2.1.1 高頻DC代碼的聚類分析

利用SPSS 22.0對高頻DC代碼的Pearson相關系數矩陣進行系統(tǒng)聚類分析，選用組間鏈接聚類方法和平方Euclidean 距離區(qū)間度量標準，繪制出聚類樹圖。EEG技術可以分為7個技術領域類別：聚類1醫(yī)用成像設備，包括S05電氣醫(yī)療設備(3 095件)、P31診斷設備(2 710件)和T01圖像處理計算機(1 689件)；聚類2醫(yī)用輔助器具，包括P34消毒或電療裝置與器械(493件)、A96醫(yī)療應用(184件)、P33醫(yī)療輔助裝置(73件)等5類；聚類3機電和控制系統(tǒng)，有T06一般控制或調節(jié)系統(tǒng)(28件)、A85電氣應用(27件)以及X12配電或控制組件(22件)等9類；聚類4電路及通信系統(tǒng)，有U24放大器和低功率電源(56件)、U21基本邏輯電路(52件)和W03電通信系統(tǒng)(26件)等5類；聚類5數據傳輸和控制系統(tǒng)，包括W01數據和電話傳輸系統(tǒng)(211件)、T04數據識別和表示技術(141件)等4類；聚類6測量儀器和裝置，包括S03科學儀器(148件)、S01電變量測量儀器(136件)以及W06采用波的測量或檢測裝置(41件)等8類；聚類7藥物測試，有B05其他有機物-芳香劑、脂肪、金屬、有機化合物和混合物(42件)和B02稠雜環(huán)(20件)。

3.2.1.2 聚類的戰(zhàn)略坐標分析

對上述7個技術領域生成戰(zhàn)略坐標圖(圖3)。

從技術領域的布局來看，位于第二象限的是聚類1醫(yī)用成像設備，屬于發(fā)展成熟的孤立主題類別。聚類1的密度最高而向心度較低，表明聚類內部研究深入、互動活躍，但同其他聚類的交叉性薄弱。

位于第三象限的是聚類2醫(yī)用輔助器具，屬于即將消失的主題。聚類2的密度和向心度均較低，反映出聚類內部研究結構松散，同其他聚類關聯(lián)較少，研究活躍度低、地位邊緣化。

聚類3、4、5、6和7位于第四象限，屬于基本主題或過渡主題，均具有較高的向心度和較低的密度，表明其可能由其他研究主題衍生，研究的成熟度不高、結構較為松散。其中，聚類4電路及通信系統(tǒng)和聚類7藥物測試具有最大向心度，處于聚類中的核心地位，同其他聚類聯(lián)系緊密，有望成為未來的研究焦點。

圖3 聚類戰(zhàn)略坐標圖

3.2.2 基于關鍵詞共詞的EEG技術網絡分析

3.2.2.1 網絡結構分析

運用Ucinet軟件生成EEG技術的共詞網絡(圖4)。圖4中一共有53個節(jié)點，每一個節(jié)點對應相應的MC代碼，代表EEG技術的不同的研究主題；連線則揭示了不同MC代碼之間的關聯(lián)。圖4還顯示，EEG技術主要涉及的技術領域為S05電氣醫(yī)療設備和T01圖像處理計算機；此外還包括W01數據和電話傳輸系統(tǒng)，B11診斷和配方類藥物和W05報警、信號、遙測和遙控裝置。共詞網絡的度數中心勢為3.327%，中間中心勢為4.42%，接近中心勢為23.49%。較低的度數中心勢反映出共詞網絡的集中程度較弱，點度中心度高的MC代碼滲透性、輻射性較低，說明EEG技術的研究方向較為分散；較低的中間中心勢反映出網絡的凝聚力較差；中介中心度高的MC代碼尚未展現對網絡的控制能力，顯示出EEG技術研究主題的深度相對不足；較高的接近中心勢反映出網絡整合度較低，顯示出EEG技術不同研究方向的關聯(lián)較少，核心研究內容尚未形成。

3.2.2.2 研究熱點分析

根據共詞網絡圖譜，通過高頻、高中心性MC代碼確定EEG技術的熱點研究主題。詞頻高低反映了關鍵詞在技術研究中的地位和作用，中心性則用于揭示不同關鍵詞之間的關系及其各自在網絡中所具有的效應和發(fā)揮的作用。高頻MC代碼及標準化后的中心度數值如表3所示。

圖4 EEG技術的MC代碼共詞網絡

MC S05-D01A2Electrical diagnosis - neurological currents and signals11641.27111.42942.169T01-J06AMedical106724.45031.42952.239S05-D01Measuring and recording systems3556.55114.28644.872S05-D01A2AElectrical diagnosis - neurological currents and signals 3289.46714.28638.462electrodesT01-S03Claimed software products28820.58934.28656.452S05-D01A1Electrical diagnosis - electrocardiographs2870.1878.57136.082S05-D01AElectrical diagnosis - measuring and recording systems 2773.3868.57137.234for-bioelectric currentsS05-DElectrical diagnosis1741.45914.28642.169A12-V03C2Testing, diagnosis, pathology1482.33811.42933.019T01-N01EOn-line medicine1468.61637.14353.030

根據表3，頻次最高的MC代碼為S05-D01A2(電子診斷——神經電流和信號)。通過測量神經活動的電化學過程，EEG能夠對全腦活動進行連續(xù)性記錄，反映大腦的總體電活動。S05-D01A2的各項中心度數值均較低，顯示具有較高的獨立性，同其他節(jié)點關聯(lián)較少，對網絡的影響較弱，屬于孤立的熱點研究主題。同屬這一主題的高頻關鍵詞為S05-D01A(電子診斷——測量和記錄生物電流)。排名第2位的MC代碼為T01-J06A(醫(yī)學影像處理)，位于共詞網絡的中央偏右位置。T01-J06A擁有最高的中介中心度，度數中心度與接近中心度均排名第3，表明其作為網絡中的關鍵節(jié)點，同其他研究主題產生聯(lián)系較多，發(fā)揮著橋梁和紐帶作用，對網絡的控制能力較強。EEG影像數據可用于分析EEG信號與不同行為狀態(tài)之間的關聯(lián)，在腦科學研究中意義顯著。排名第4位的MC代碼是S05-D01A2A(電子診斷——神經電流和信號的電極)。電極作為EEG技術的主要硬件設備，用于測量神經元活動時所釋放的電位，是EEG技術的研究熱點。排名S05-D01A1(電子診斷——心電圖儀頻次為287)排名第6位。臨床上，腦電圖和心電圖聯(lián)合常用于癲癇、手足口病等的診斷。頻次排名第8、9位的分別是S05-D(電子診斷)，A12-V03C2(測試、診斷和病理學)。EEG影像具有重要的臨床應用價值，通過分析腦功能異常時的腦電圖譜，有助于判斷腦功能狀況、診斷腦部疾病。排名第10位的MC代碼是T01-N01E(在線醫(yī)學)，位于共詞網絡的中央偏左下位置。T01-N01E的度數中心度和接近中心度均為最高，中介中心度為5.313排名第2，表明在線醫(yī)學已成為EEG領域的關鍵研究主題，同其他研究方向產生聯(lián)系較多，對技術網絡的控制能力較強。此外，S05-D01(測量和記錄系統(tǒng))、T01-S03(主張權利的軟件產品)等也是EEG領域的熱點研究主題。

4 結論

本文綜合利用技術成熟度理論方法、社會網絡分析和多元統(tǒng)計分析方法及工具，對DII數據庫中收錄的EEG技術相關專利文獻進行實證分析的結果顯示：EEG技術發(fā)展可分為1965-1990年和1991年至今2個階段，當前EEG技術處于第二階段的成長期，預計6年后進入成熟期，20年后進入衰退期，累計專利授權量最終將達到13 034件。EEG技術主要涉及7個主題類別，其中醫(yī)用成像設備發(fā)展較為成熟，醫(yī)用輔助器具將逐漸淡出研究視野，電路及通信系統(tǒng)和藥物測試有望成為未來研究焦點。EEG技術的研究領域較為分散，研究主題的深度相對不足，不同研究方向的關聯(lián)較少，核心研究內容尚未形成。現階段的研究熱點包括S05-D01A2電子診斷——神經電流和信號，T01-J06A醫(yī)學影像處理，S05-D01A2A電子診斷——神經電流和信號的電極，T01-N01E在線醫(yī)學等。