本發明涉及腦磁信號去噪處理領域,具體涉及基于聯合對角化的腦磁壞段自動識別和修復方法及系統。
背景技術:
1、腦磁圖是一種能夠實時、完全無創地測量大腦神經活動的磁源成像技術,通過測量大腦神經電流活動所產生的磁場信號來反應大腦特定的生理活動,與其他功能成像技術如腦電、功能核磁等相比,腦磁不受組織電導率和顱骨厚度等因素影響,具有高時間分辨率和空間分辨率。
2、近年來隨著光泵磁強計的發展,不僅靈敏度、便攜性取得巨大突破,其造價與維護成本也較低,彌補了傳統的基于超導量子干涉儀的腦磁設備運行成本高、探頭固定離被測對象頭部距離遠的缺點,在腦科學研究和臨床醫學應用方面具有廣闊前景。
3、然而,由于可穿戴特性,在進行腦磁數據采集時,不可避免會受被測對象頭部運動的影響,從而導致采集的數據中存在壞段,此外,測量過程中光泵磁強計的不穩定以及外部環境的干擾,也容易導致在某些時間段產生高振幅偽影。這些高振幅偽影容易對后續的預處理步驟產生影響,尤其是腦磁中常用的子空間投影方法,容易受高振幅壞段的影響,并壞段傳播到其他通道,因此在進行其他預處理步驟前,必要的一個過程是視覺檢查數據并剔除存在壞段的部分數據,但是這是一項費時費力的工作,且受主觀性影響較大。
4、目前針對壞段的處理策略主要有以下幾種:①直接去除跨多通道的高振幅偽影以及通過插值來修復少量通道中存在的偽影;②通過將某個通道投影到其他通道跨越的子空間。但無論是直接去除壞段還是通過其他通道來插值均會降低數據的容量,尤其是當通道數量較少時,插值方法可能存在較大的誤差;而投影到其他通道確定的子空間的方法只能修復通道特異性噪聲,即在同一時刻其他通道也存在偽影時該方法沒有作用。且上述方法目前大部分均需要手動標記或輸入參數,目前較少全自動壞段識別及修復的方法,因此需要一種能夠快速且自動的壞段識別和修復方法,提高腦磁信號的數據質量和處理效率。
技術實現思路
1、為解決上述背景中的技術問題,本發明旨在提出一種基于聯合對角化的腦磁壞段自動識別額修復方法及系統,使用時間窗將數據進行分段,并通過數據段的協方差矩陣與平均協方差矩陣之間的歐式距離來識別壞段,根據統計閾值和循環迭代實現壞段的準確識別,利用聯合對角化方法提取識別的壞段的主成分偽影,并通過回歸去除偽影,實現壞段的自動修復。
2、為實現上述目的,本發明提供了基于聯合對角化的腦磁壞段自動識別和修復方法,步驟包括:
3、獲取被測對象原始的多通道腦磁信號;
4、對所述多通道腦磁信號進行分段,得到若干分段數據;
5、計算每個所述分段數據的協方差矩陣和平均協方差矩陣;
6、基于協方差矩陣和平均協方差矩陣,識別所述分段數據中的壞段數據;
7、利用聯合對角化方法,對所述壞段數據進行修復。
8、優選的,使用光泵磁強計獲取所述多通道腦磁信號;其中,
9、所述光泵磁強計包括:用于接觸被測對象指定區域的具有無自旋交換弛豫效應的極弱磁測量傳感器陣列式及每個磁強計對應的控制裝置;
10、所述多通道腦磁信號包括:利用實驗范式刺激被測對象從而獲得的多通道腦磁誘發信號。
11、優選的,得到所述分段數據的方法包括:
12、首先對所述多通道腦磁信號進行帶通濾波;
13、之后采用窗口法,按照固定窗長和重疊長度對濾波后的所述多通道腦磁信號進行分段,得到若干分段數據。
14、優選的,計算協方差矩陣和平均協方差矩陣的方法包括:
15、第i段數據的協方差矩陣的計算公式為:
16、covi=xixit
17、平均協方差矩陣的計算公式為:
18、
19、其中,covi表示第i段數據的協方差矩陣;cov表示平均協方差矩陣;xi表示第i段分段數據;e表示數據總段數;t表示轉置矩陣。
20、優選的,識別所述壞段數據的方法包括:
21、首先,計算每個所述分段數據的協方差矩陣與平均協方差矩陣之間的歐式距離:
22、di=||covi-cov||f
23、其中,||?||f表示f范數;
24、計算歐式距離的平均差與標準差:
25、
26、
27、其中,μ表示平均差;σ表示標準差;e表示數據總段數;dj表示第j段數據的協方差矩陣與平均協方差矩陣之間的距離;
28、距離閾值設定為:
29、th=μ+4σ
30、其中,th表示選定的閾值;
31、根據距離閾值識別壞段后,重新計算該壞段之外其他分段數據的平均協方差矩陣和統計閾值,迭代循環識別壞段,直到無壞段被識別;判斷分段數據為壞段的依據包括:
32、di>th
33、其中,di表示第i段數據的協方差矩陣與平均協方差矩陣的距離。
34、優選的,修復所述壞段數據的方法包括:根據識別的壞段數據,使用聯合對角化獲取壞段數據的偽影成分,將偽影成分視為參考信號,并使用參考回歸去除偽影,獲得無偽影數據,之后循環識別壞段數據與修復壞段數據過程,直至識別不到壞段數據。
35、本發明還提供了基于聯合對角化的腦磁壞段自動識別和修復系統,所述系統用于實現上述方法,包括:采集模塊、分段模塊、計算模塊、識別模塊和修復模塊;
36、所述采集模塊用于獲取被測對象原始的多通道腦磁信號;
37、所述分段模塊用于對所述多通道腦磁信號進行分段,得到若干分段數據;
38、所述計算模塊用于計算每個所述分段數據的協方差矩陣和平均協方差矩陣;
39、所述識別模塊用于基于協方差矩陣和平均協方差矩陣,識別所述分段數據中的壞段數據;
40、所述修復模塊用于利用聯合對角化方法,對所述壞段數據進行修復。
41、優選的,所述采集模塊的工作流程包括:使用光泵磁強計獲取所述多通道腦磁信號;其中,所述光泵磁強計包括:用于接觸被測對象指定區域的具有無自旋交換弛豫效應的極弱磁測量傳感器陣列式及每個磁強計對應的控制裝置;
42、所述多通道腦磁信號包括:利用實驗范式刺激被測對象從而獲得的多通道腦磁誘發信號。
43、與現有技術相比,本發明的有益效果如下:
44、(1)本發明的方法中將采集的多通道腦磁信號進行分段,利用協方差矩陣和歐式距離來識別壞段,實現了壞段的自動識別,可有效推廣到其他時間序列信號。
45、(2)另外,本發明將聯合對角化分析方法應用于壞段修復,克服了傳統插值方法降低數據容量的缺點。此外,本發明中應用循環迭代的方式,避免相關參數的輸入,通過這樣的方法使壞道識別和修復完全自動化,無需手動標記或輸入其他參數,代替科研工作者以及臨床醫護人員費時費力的識別和標記過程。
46、(3)本發明在循環迭代過程中,排除之前已經識別了的壞段數據,并重新更新相關參數,提高了整體壞段自動識別的穩定性和準確性。