基于EEG-fMRI同步测量的脑电信号去噪算法研究
发布时间：2020-08-03 09:29
【摘要】：随着科技的进步,同步脑电(EEG)—功能磁共振(f MRI)融合技术在科学研究和临床领域发挥着重要作用。脑电时间分辨率高,空间分辨率低,而功能磁共振正好与之相反,两者结合可以优势互补。然而,复杂的核磁环境会在脑电信号中产生许多伪迹,影响最大的是梯度场伪迹和心电伪迹。梯度场伪迹由磁场切换产生,而心电伪迹则是由静态磁场下,被试心跳相关运动产生。两种伪迹严重影响后续的融合研究。本文利用心电信号的时变特征,在约束独立成分分析(c ICA)算法的基础上提出了聚类-约束独立成分分析(cc ICA)方法和实时约束独立成分分析(rt-c ICA)方法,两种方法都能有效地去除心电伪迹;在独立向量分析(IVA)的基础上提出了约束独立向量分析(c IVA)方法来去除梯度场伪迹。针对模拟数据和真实数据,运用以上三种算法进行了伪迹去除研究。结果表明:(1)对于模拟数据的梯度场伪迹去除,c IVA算法得到信号的幅值误差(Er)值明显低于平均模板减法(AAS)算法和IVA算法(P0.005);对于真实数据的梯度场伪迹去除,c IVA算法计算消耗明显低于AAS算法和IVA算法,去噪后信号的功率谱值也低于AAS算法和IVA算法。(2)对于模拟数据的心电伪迹去除,cc ICA算法和rt-c ICA算法得到的信号Er值明显低于AAS、最优基组法(OBS)和c ICA算法(P0.005);对于真实核磁脑电数据的心电伪迹去除,cc ICA算法和rt-c ICA算法得到的信号改进功率谱值(INPS)明显高于其他方法(P0.005);(3)此外,去除心电伪迹后的信号频谱图、残留伪迹比例、事件相关电位(ERP)和信噪比(SNR)等结果显示:cc ICA算法和rt-c ICA算法均优于其他算法。总之,本文提出三种伪迹去除改进算法,并用来处理模拟数据和真实数据,实验效果优于传统方法。本文的研究成果为同步脑电-功能核磁融合研究奠定了前期技术基础。
【学位授予单位】：常州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R741.044;TN911.7
【图文】：
磁环境下脑电信号伪迹去除方法研究 梯度场伪迹去除算法概述1 梯度场伪迹特征Allen 等人认为在核磁室内存在不断切换的高强度磁场，人体脑部血液流的磁场中，会做切割磁感线运动，从而产生较大的电势差。由于磁场强度足生的电势差达到几百甚至几千微伏，是脑电信号的成百上千倍，由磁场切迹被定义为梯度场伪迹。梯度场伪迹的形状和周期特性与核磁扫描序列相扫描序列也会产生不同的周期性梯度场伪迹。然而，梯度场伪迹的大小幅振设备有关，表现一定的周期特性，与个体差异性无关。梯度场伪迹的时图 2-1 所示。如图所示，梯度场伪迹在时域上已完全覆盖住了脑电信号，在 200-800μv 之间，呈现一定的周期特性。梯度场伪迹在频域上也表现出与一定的周期特性，故可利用这一特性去除梯度场伪迹。
图 2-5 含有心电伪迹的脑电时域图2.2.2 心电检测算法Allen 最早提出一个简单的阈值法来检测 R 波位置[7]，然而此方法耗时且核磁环境的复杂性导致算法精度不高。因此，Christov 等人提出了一种组合自适应阈值检测算法[38]，之后 Niazy 等人在此算法的基础上进行优化改进[10]。算法首先对每个通道的心电数据进行 7-40Hz 的带通滤波，然后利用 k-Teager 能量算子算法处理滤波后的心电信号并使其负值为 0，从而得到一个复合值，2ECG ( n) max( E ( n) - E ( n - k ) E ( n k),0)(2-4)其中 ECG 是复合值，n 是时间参数，E 是滤波后的心电数据，k 是频率选择参数。接着利用此自适应阈值检测算法来检测 R 波。斜率阈值(M)、高频集合阈值(F)和心跳预估阈值(R)三者之和作为 MFR 阈值(见公式 2-3):MFR M F R(2-5)当 ECG(n)大于或等于 MFR(n)时就将被检测为一个 QRS 波。
h(W[k])=(h1(w[k]1)…hl(w[k]l))T，hi(w[k]i)=E{si2}-1。其中，i=1,…,l。类似于 cICA 算法的计算过程，cIVA 算法在每个 SCV 中，要求源成分之间的相关参考距离 ( , )i i i s r保持在一个特定的距离i 之内，并且标准化。详细求解求解过程见上一章约束独立成分分析算法的介绍。参考 IVA 算法手动提取 SCV 的过程，cIVA 算法每次自动提取 2-3 个 SCV作为梯度场伪迹相关的 SCV。算法验证过程如下：取一例 64 导联未去除梯度场伪迹的原始数据，对 64 导原始数据叠加平均得到一个伪迹模板，此模板即作为cIVA 的约束条件，然后输入约束条件和原始数据，算法运行。由于 IVA 算法计算消耗较大，cIVA 算法运行结束共耗时 876.53 秒，但远比手动提取消耗时间少。算法运行结束，提取的 3 个 SCV 顺序依次为 1,7,20（按照上一章 IVA 算法的介绍，SCV 的数目与每导联伪迹段的数目相同，本次实验每导联提取了 20 个伪迹段作为原始数据）。然后算法将此三个 SCV 置空，乘以 W 的逆矩阵即可重构得到去除梯度场伪迹之后的脑电信号。为了验证算法的有效性，本实验手动计算了每个 SCV 与约束模板之间的互信息，得到的结果如图 3-1 所示：
本文编号：2779436
【学位授予单位】：常州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R741.044;TN911.7
【图文】：
磁环境下脑电信号伪迹去除方法研究 梯度场伪迹去除算法概述1 梯度场伪迹特征Allen 等人认为在核磁室内存在不断切换的高强度磁场，人体脑部血液流的磁场中，会做切割磁感线运动，从而产生较大的电势差。由于磁场强度足生的电势差达到几百甚至几千微伏，是脑电信号的成百上千倍，由磁场切迹被定义为梯度场伪迹。梯度场伪迹的形状和周期特性与核磁扫描序列相扫描序列也会产生不同的周期性梯度场伪迹。然而，梯度场伪迹的大小幅振设备有关，表现一定的周期特性，与个体差异性无关。梯度场伪迹的时图 2-1 所示。如图所示，梯度场伪迹在时域上已完全覆盖住了脑电信号，在 200-800μv 之间，呈现一定的周期特性。梯度场伪迹在频域上也表现出与一定的周期特性，故可利用这一特性去除梯度场伪迹。
图 2-5 含有心电伪迹的脑电时域图2.2.2 心电检测算法Allen 最早提出一个简单的阈值法来检测 R 波位置[7]，然而此方法耗时且核磁环境的复杂性导致算法精度不高。因此，Christov 等人提出了一种组合自适应阈值检测算法[38]，之后 Niazy 等人在此算法的基础上进行优化改进[10]。算法首先对每个通道的心电数据进行 7-40Hz 的带通滤波，然后利用 k-Teager 能量算子算法处理滤波后的心电信号并使其负值为 0，从而得到一个复合值，2ECG ( n) max( E ( n) - E ( n - k ) E ( n k),0)(2-4)其中 ECG 是复合值，n 是时间参数，E 是滤波后的心电数据，k 是频率选择参数。接着利用此自适应阈值检测算法来检测 R 波。斜率阈值(M)、高频集合阈值(F)和心跳预估阈值(R)三者之和作为 MFR 阈值(见公式 2-3):MFR M F R(2-5)当 ECG(n)大于或等于 MFR(n)时就将被检测为一个 QRS 波。
h(W[k])=(h1(w[k]1)…hl(w[k]l))T，hi(w[k]i)=E{si2}-1。其中，i=1,…,l。类似于 cICA 算法的计算过程，cIVA 算法在每个 SCV 中，要求源成分之间的相关参考距离 ( , )i i i s r保持在一个特定的距离i 之内，并且标准化。详细求解求解过程见上一章约束独立成分分析算法的介绍。参考 IVA 算法手动提取 SCV 的过程，cIVA 算法每次自动提取 2-3 个 SCV作为梯度场伪迹相关的 SCV。算法验证过程如下：取一例 64 导联未去除梯度场伪迹的原始数据，对 64 导原始数据叠加平均得到一个伪迹模板，此模板即作为cIVA 的约束条件，然后输入约束条件和原始数据，算法运行。由于 IVA 算法计算消耗较大，cIVA 算法运行结束共耗时 876.53 秒，但远比手动提取消耗时间少。算法运行结束，提取的 3 个 SCV 顺序依次为 1,7,20（按照上一章 IVA 算法的介绍，SCV 的数目与每导联伪迹段的数目相同，本次实验每导联提取了 20 个伪迹段作为原始数据）。然后算法将此三个 SCV 置空，乘以 W 的逆矩阵即可重构得到去除梯度场伪迹之后的脑电信号。为了验证算法的有效性，本实验手动计算了每个 SCV 与约束模板之间的互信息，得到的结果如图 3-1 所示：
【参考文献】
相关期刊论文 前1条
1 徐鹏;陈华富;刘祖祥;尧德中;;一种基于稀疏分解去除EEG信号中MRI伪迹的新方法[J];生物医学工程学杂志;2007年02期
本文编号：2779436
本文链接：https://www.wllwen.com/linchuangyixuelunwen/2779436.html
最近更新
教材专著
