專利名稱：一種去除腦電噪聲的方法
技術領域：
一種去除腦電噪聲的方法，屬于生物信息技術領域，涉及一種腦電噪聲的去除方法，主要應用于人腦功能及與人腦相關疾病的研究與診斷。
背景技術：
在對多道腦電記錄信號進行深入的處理、分析前，有必要去除混入腦電信號中的噪聲干擾。當前有很多種方法來消除腦電中的噪聲，比較常用的有小波分解(Quiroga RQ 2000Obtaining single stimulus evoked potentials with wavelet denoising Phy.D145278-92.；Schiff SJ，Aldrouby A，Unser M，Sato S 1994 Fast wavelet transformationof EEG，Electr.Clin.Neurophysiol.91442-455.)、自適應濾波器(Benny SC，Hu Y，Lu W，Keith DK，Chang CQ，Qiu W，Francis HY 2005Multi-adaptive filtering techniquefor surface somatosensory evoked potentials processing Medical engineering &physics 27257-66.)、獨立成分分析(Jung TP.，Makeig S.，McKeown MJ，Bell AJ，LeeTW，Sejnowski TJ 2001 Imaging brain dynamics using independent component analysisProc IEEE 89 1107-1122.)、主成分分析及帶通濾波等方法。
以上方法的信號模型一般為Y＝S+ε，其中Y為觀測原始信號，S為沒有噪聲污染的信號，ε為記錄中引入的噪聲。這些方法大都是從信號處理層面來考慮噪聲去除，沒有考慮到大腦的生理特性及其個體差異，是和人體生理特性無關(physiology free)的去噪方法。這類方法是建立在信號與噪聲的統計或成分等特性差異上，而這種差異有時是不明顯的，從而影響了信噪分離的效果，得到的分離結果可能與生理實際不符。本技術強調有用的信號都來自大腦內部，因此可利用大腦的解剖特性，且考慮到人的大腦解剖結構存在個體差異，因此建議使用真實頭模型。采用這種思路分離出來的信號具有明顯的生理相關性。本技術不排斥現有的濾波方法，即在應用本技術后，可根據情況，進一步應用現有的其它的濾波方法進行處理。
發明內容
本發明提供一種基于個體生理差異約束的空間腦電噪聲去除方法，通過把個體的差異考慮到噪聲去除的過程中，能獲得更加符合腦電生理條件的去噪結果。
基于頭模型去噪原理在本方法中，設頭表觀測到的多道記錄腦電信號為
Y＝AX+ε(1)其中Y是從頭部表層利用多道記錄電極檢測到的電位信號，為M×T的矩陣；A是維數為M×N的傳遞矩陣，X是人腦內部活動源信息矩陣，維數為N×T，ε是在記錄中引入的與傳遞矩陣不相關的噪聲信號。在當前的腦電研究中，A通常是通過磁功能成像技術(MRI)/計算機斷層成像技術(CT)對人腦進行掃描所獲取的實際影像信息，利用偶極子模型(或其它等效腦電源模型，如點電荷等)進行數值計算獲得。在記錄中存在的噪聲對腦電研究和分析有很大的影響，在對腦電進行深入分析前，有必要進行前期濾波預處理以減小或消除噪聲ε的影響。當前的濾波方法大多數僅僅是從信號處理層面上考慮，比如說如果選擇小波來濾波，則對所有的實驗對象數據，都采用同樣的小波基來分解，而小波基不一定能很好的刻畫所有個體腦電的生理特征。同時，人的腦電信號因個體不同具有很大的生理差異性，為了獲得合理的結果，在處理過程中有必要把生理特性考慮進去。傳遞矩陣A是對人腦神經電生理活動特性的一個線性近似刻畫，它的一列表示在對應位置上放置單位源時在頭表產生的電位空間分布，所以傳遞矩陣在一定程度上反映腦電的空間分布生理特性。從(1)式可以看出t時刻的觀測電位Yt可以表示為，Yt＝AXt+εt，1≤t≤T(2)其中Xt為在t時刻時腦內電活動源的分布，εt為在t時刻記錄中的噪聲。(2)式表示的方程可以通過多種腦電源反演定位方法(腦電逆問題方法)，求解獲得該時刻Xt的分布。由于反演是在有個體差異的A的約束下進行的，Xt的估計結果Xt是滿足這種約束的，因而符合人的生理特性，代表了腦內源的信息，而測量時引入的噪聲εt則因不滿足A的約束而受到抑制。所以，再經過腦電正演模型計算Yt＝AXt，就可以恢復源在頭表產生的去除了外界噪聲影響后的電位。
本發明詳細技術方案為一種去除腦電噪聲的方法，包括以下步驟步驟1.確定傳遞矩陣A，包括以下分步驟1)、對待測對象的頭部進行MRI或CT掃描，獲取頭部解剖結構的影像信息；2)、提取步驟1)所得的影像信息中的大腦部分，然后對大腦分割，再提取大腦部分的源功能區(主要包括灰質、海馬、小腦等部位)；3)、以一定精度的網格將步驟2)所得的腦源功能區進行剖分，確定解空間網格(包括解空間的維數和各個網格的空間位置序號)；4)、確定多道腦電信號記錄系統各個電極的空間位置信息；5)、確定腦電源的模型6)、利用步驟3)到步驟5)中確定的解空間網格、電極位置信息和腦電源模型，利用正演方法計算傳遞矩陣A，具體方法如下在每個解空間位置上放置單位的源，利用數值計算方法計算該單位源在電極位置處產生的電位分布，該電位分布構成傳遞矩陣中的一列，以此類推，當把所有解空間遍歷放置單位源后，就可以獲得傳遞矩陣A；步驟2. 通過多道腦電信號記錄系統獲取實際記錄的腦電信號Y，通常是在設計的一定試驗刺激下，獲取刺激響應電位；步驟3. 腦電逆問題求解，獲得等效源分布X的估計值X即對于Yt＝AXt+εt，1≤t≤T，以某一時刻的觀測值Yt來確定該時刻的腦內源的分布Xt的估計值 對不同時刻的觀測值Yt，進行上述的逆問題求解，獲得該觀測時間段內的估計等效源分布矩陣X。
步驟4. 正演計算，利用估計的等效源分布X獲得觀測時間段內去除噪聲后的電位空域估計結果YY＝AX。
上述方案中，步驟1.的步驟3)中所述的一定精度的網格，綜合考慮計算精度和效率，一般取10mm/格；步驟1.的步驟4)中所述的多道腦電信號記錄系統可以是標準的32道、64道、128道及256道電極的腦電信號記錄系統；步驟1.的步驟5)中所述的腦電源模型通常為點電荷模型或偶極子模型；步驟1.的步驟6)中所述的數值計算方法可以是邊界元算法或有限元算法；步驟3.中所述腦電逆問題的求解方法有很多，比如低分辨層析成像方法、FOCUSS方法、lp(p≤1)稀疏解、最小模解、子空間分解及加權最優分辨解等(堯德中.腦功能探測的電學理論與方法。北京科學出版社，2003，195-243)，這些方法在對X進行估計時，綜合利用了傳遞矩陣的生理約束和正則化等技術，能去除噪聲的影響，獲得源分布X的估計結果X。
本發明的有益效果相比較以前的方法而言，該方法主要有以下的優點1. 利用實際MRI/CT影像信息(真實頭模型)計算傳遞矩陣，通過傳遞矩陣將個體生理差異考慮到去噪過程；2. 利用腦電逆問題計算獲得受個體生理約束的等效腦內源分布；3. 腦電正演模型作用，獲得去除噪聲干擾后的頭表電位分布。
圖1本發明所述的一種去除腦電噪聲的方法的流程圖。
圖2一段真實腦電信號的去噪結果的腦電數據的俯視地形圖對比(300ms-340ms時段)圖。
圖3一段真實腦電信號的去噪結果的腦電數據的俯視地形圖對比(344ms-380ms時段)圖。
具體實施例方式
在以下兩個實施方式中，正演采用邊界元(Boundary Elements Method，BEM)，頭模型用MRI圖象生成。反演采用lp(p＝1)模線性稀疏反演方法。我們對一模擬信號和真實記錄的一段腦電信號進行了去噪，并和通常采用的小波去噪結果進行了對比，有如下的結果。
具體實施方式
一—模擬去噪結果方法真實頭模型下，通過掃描獲得的MRI頭模型，把偶極子源活動位置限定在大腦的灰質、海馬及其他可能源活動部分，通過10mm網格剖分離散成910個位置，采用標準128道電極系統，計算獲得傳遞矩陣A。在34個固定網格剖分位置(是一個片狀區域的分布源)放置矩固定的偶極子源來模擬某一時刻產生的頭表記錄電位，給其施加不同水平的高斯噪聲，在本工作中涉及到的噪聲水平是指噪聲和信號的能量比值。分別利用基于頭模型的去噪方法和小波(在本實驗中采用Symmlet小波進行5級分解)去噪方法對混合有噪聲的該模擬時刻信號做去噪處理，同時對兩種方法的去噪處理結果，分別計算了其和原始信號的相關系數(CC)及相對誤差(RE)，結果顯示在下表1中。
表1 不同噪聲水平下的相關系數(CC)和相對誤差(RE)
從對模擬數據不同噪聲水平上的去噪結果的定量分析比較中，可以看出基于真實頭模型的去噪方法明顯優于以小波為代表的不受生理約束的去噪方法。
具體實施方式
二—對一段真實腦電信號的去噪結果方法在視覺和聽覺雙通路同步檢測實驗中，以oddball為刺激模式，在250HZ的采樣率下獲取128道腦電數據，每道數據對應著211次刺激，每次刺激對應著1.2s的腦電數據，選取第35次刺激相應段內300ms~400ms間的一段數據進行基于頭模型的分解去噪實驗。在進行處理前根據實際測得的電極坐標，把128個電極在真實頭模型上進行配準后，用和模擬實驗中相似的方式計算傳遞矩陣A。對處理前后數據的腦電數據的地形圖進行比較，結果顯示在圖2、3中。
對該oddball刺激數據，在地形圖中，腦電能量應該主要集中在枕葉(Occipital)部分，從濾波后的結果可以看出在數據經過基于真實頭模型的方法濾波后，散落于其他區域的噪聲被有效的消除，信號能量主要集中在枕葉(Occipital)部分。和小波的去噪結果相比較，基于真實頭模型方法的濾波結果的地形圖比較平滑和清晰，更加符合腦電的生理特性依據頭表電位分布是源產生的電位經過顱骨等低通濾波后的結果，應該是平滑的。
權利要求
1.一種去除腦電噪聲的方法，其特征是包括以下步驟步驟1.確定傳遞矩陣A，包括以下分步驟1)、對待測對象的頭部進行MRI或CT掃描，獲取頭部解剖結構的影像信息；2)、提取步驟1)所得的影像信息中的大腦部分，然后對大腦分割，再提取大腦部分的源功能區(主要包括灰質、海馬、小腦等部位)；3)、以一定精度的網格將步驟2)所得的腦源功能區進行剖分，確定解空間網格(包括解空間的維數和各個網格的空間位置序號)；4)、確定多道腦電信號記錄系統各個電極的空間位置信息；5)、確定腦電源的模型；6)、利用步驟3)到步驟5)中確定的解空間網格、電極位置信息和腦電源模型，利用正演方法計算傳遞矩陣A，具體方法如下在每個解空間位置上放置單位的源，利用數值計算方法計算該單位源在電極位置處產生的電位分布，該電位分布構成傳遞矩陣中的一列，以此類推，當把所有解空間遍歷放置單位源后，就可以獲得傳遞矩陣A；步驟2.通過多道腦電信號探測系統獲取實際記錄的腦電信號Y，通常是在設計的一定試驗刺激下，獲取刺激響應電位；步驟3. 腦電逆問題求解，獲得等效源分布X的估計值X即對于Yt＝AXt+εt， 1≤t≤T，以某一時刻的觀測值Yt來確定該時刻的腦內源的分布Xt的估計值 。對不同時刻的觀測值Yt，進行上述的逆問題求解，獲得該觀測時間段內的估計等效源分布矩陣X。步驟4.正演計算，利用估計的等效源分布X獲得觀測時間段內去除噪聲后的電位空域估計結果Y∶Y＝AX。
2.根據權利要求1所述的一種去除腦電噪聲的方法，其特征是，步驟1.的步驟3)中所述的一定精度的網格，綜合考慮計算精度和效率，一般取10mm/格。
3.根據權利要求2所述的一種去除腦電噪聲的方法，其特征是，步驟1.的步驟4)中所述的多道腦電信號記錄系統可以是標準32道電極的腦電信號記錄系統、標準64道電極的腦電信號記錄系統或標準128道電極的腦電信號記錄系統等。
4.根據權利要求1所述的一種去除腦電噪聲的方法，其特征是，步驟1.的步驟5)中所述的腦電源模型通常為點電荷模型或偶極子模型。
5.根據權利要求4所述的一種去除腦電噪聲的方法，其特征是，步驟1.的步驟6)中所述的數值計算方法可以是邊界元算法或有限元算法。
6.根據權利要求1所述的一種去除腦電噪聲的方法，其特征是，步驟3.中所述腦電逆問題的求解方法有很多，比如低分辨層析成像方法、FOCUSS方法、lP(P≤1)稀疏解、最小模解、子空間分解及加權最優分辨解等，這些方法在對X進行估計時，綜合利用了傳遞矩陣的生理的束和正則化等技術，能去除噪聲的影響，獲得源分布X的估計結果X。
全文摘要
一種去除腦電噪聲的方法，屬于生物信息技術領域，涉及一種腦電噪聲的去除方法，主要應用于人腦功能及與人腦相關疾病的研究與診斷。包括確定傳遞矩陣A；通過多道腦電信號探測系統獲取實際記錄的腦電信號Y；腦電逆問題求解，獲得等效源分布X估計值X；正演計算，利用估計的等效源分布X獲得該時刻去除噪聲后的電位估計結果Y＝AX。相比較以前的方法而言，該方法主要有以下的優點1.利用實際MRI/CT影像信息(真實頭模型)計算傳遞矩陣，通過傳遞矩陣將個體生理差異考慮到去噪過程；2.利用腦電逆問題計算獲得受個體生理約束的等效腦內源分布；3.腦電正演模型作用，獲得去除噪聲干擾后的頭表電位分布。
文檔編號A61B5/0476GK1792324SQ20051002194
公開日2006年6月28日 申請日期2005年10月26日 優先權日2005年10月26日
發明者堯德中, 徐鵬 申請人:電子科技大學