CLAD反卷积方法中噪声抑制效应的探究

发布时间：2017-03-23 17:09

  本文关键词：CLAD反卷积方法中噪声抑制效应的探究，由笔耕文化传播整理发布。

【摘要】：听觉诱发电位(Auditory evoked potential, AEP)是指听觉系统受到特定的声音刺激后,会产生一系列源于耳蜗毛细胞和听觉神经中枢,具有一定强度和固定潜伏期的神经电位活动,它反映了人类大脑和听觉神经通路的生理特性和健康状况。根据诱发刺激声频率的不同,可以分为常规听觉诱发电位和高刺激率听觉诱发电位。其中,常规听觉诱发电位在临床上已得到广泛的应用,高刺激率听觉诱发电位还处于科学探究阶段,鲜见于临床的应用。根据各自潜伏期出现的不同,听觉诱发电位可以分为以下几个部分：听觉脑干反应(Auditory brainstem response, ABR),中潜伏期反应(Middle latency response, MLR)和晚潜伏期反应(Long latency response, LLR),其各部分分别能反映听觉系统不同部位的生理特性。目前AEP在评价婴幼儿听力、鉴别诊断听神经病变等方面已得到广泛的应用。临床上AEP的记录主要采用低刺激率、等刺激间隔(Stimulus onset asynchrony,SOA)的刺激方案得到常规下的AEP,并通过平均叠加的方法提高信号的信噪比。然而,随着刺激率的提高,使得前后两个刺激声的刺激间隔(SOA)小于单个刺激诱发的暂态AEP (High-order AEP, HO-AEP)的持续时间时,就会出现相邻两个或几个刺激诱发的暂态AEP首尾相互重叠的现象,这种重叠的AEP即为高刺激率听觉诱发电位(High stimulus rate AEP,HSR-AEP)。高频率声音刺激加重了听神经负荷,有利于增强潜在听神经通路和脑部病变的检测敏感性,并且有助于麻醉深度监测和睡眠状态的评估。同时,考虑到在刺激个数相同的前提下,高刺激率的方式缩短了记录的时间,这在临床上对于一些儿童和不合作的受试者的检测具有重要意义。因此,对高刺激率听觉诱发电位AEP的研究具有非常重要的理论意义和临床应用价值。然而,对于高刺激率听觉诱发电位AEP的研究,必须解决从稳态反应中重建暂态AEP的问题,传统的叠加平均方法虽然可以提高记录到的稳态AEP的信噪比,但无法解决高刺激率下的重叠现象。高刺激率听觉诱发电位的重叠现象可以用暂态AEP与对应刺激序列的卷积模型来描述,因此从重叠的稳态AEP中恢复暂态AEP,本质上是一个卷积求逆的过程。基于这一模型,如果用在一定范围内抖动的随机数代替恒定的刺激间隔(SOA),便可利用反卷积技术提取暂态听觉诱发电位。目前,已有比较成熟的反卷积技术主要包括以下几种：最大长序列(Maximum length sequence, MLS)技术、连续循环平均反卷积(Continuous loop averaging deconvolution, CLAD)技术、Q序列反卷积(Quasi-periodic sequence deconvolution, QSD)技术以及多刺激率稳态平均反卷积(Multi-rate steady-state averaging deconvolution, MSAD)技术。MLS是一种遵循严格数学要求的二值伪随机序列,由Davies于1996年推算设计出,它利用序列本身的自相关特性反卷积恢复暂态AEP信号。在一般情况下MLS恢复出的AEP信号信噪比较低,需要增加刺激个数才能获得与常规方法相当的信噪比,同时MLS中各刺激间隔呈较大的倍数变化,导致每次刺激诱发的AEP差异过大,从而破坏线性卷积模型。CLAD反卷积技术最初由Delgado和Ozdamar于2004年提出,主要通过刺激序列生成可逆矩阵,在频域中重建HO-AEP.其所有刺激序列为非等间隔的,在较小范围内随机抖动,保证了刺激序列生成的矩阵可逆,防止奇异值的出现。刺激序列的频域特性是决定暂态AEP重建效果的关键。QSD反卷积技术是类似于CLAD反卷积技术,是Jewett等人在CLAD反卷积技术的基础上,对CLAD序列按照一定的约束要求提出的,其刺激序列对噪声有较强的抑制作用,提高了AEP信号重建质量。MSAD方法的核心思想就是将传统高阶AEP和刺激序列的卷积模型通过线性变换的方式重新进行表达,并利用变换矩阵求逆的技术实现反卷积,即恢复原暂态诱发电位。该技术在实现过程中需要合理选择正则化参数从而避免恢复的暂态AEP波形失真。本文主要致力于研究在CLAD反卷积技术过程中刺激序列对噪声的抑制效应以及刺激序列噪声增益系数Cdec与暂态诱发电位的重建质量之间的关系。CLAD反卷积技术基于高阶AEP的循环卷积模型和傅里叶变换性质的数学理论基础,将时域中刺激序列和暂态AEP信号的卷积模型转换到频域中刺激序列和暂态AEP的乘积,这样就实现了把复杂的卷积问题转化简单的乘积运算。即我们只要用记录到的AEP信号的频域形式除以刺激序列的频谱信息,然后再经过傅里叶反变换即可提取出我们所需要的暂态AEP,但在实际的问题中,我们记录到的稳态的AEP信号包含有自发脑电信号等各种噪声的介入。而通过传统叠加平均的方法只能除去无规则随机均匀分布的白噪声,无法消除具有一定规则分布的自发脑电背景噪声。在CLAD反卷积的过程中这些残余的噪声很有可能通过逆滤波器的过度或者无限放大,而导致暂态AEP信号的恢复失真。因此,在CLAD反卷积技术中,确保刺激序列特性对噪声的抑制能力显得至关重要。要合理解决这个关键性的问题,我们可以从两个方面考虑：第一,根据刺激序列的特性选择优良的刺激序列,这就要求对刺激序列的选择要有一个合理的约束条件；第二,提出一个合理的评价刺激序列对噪声抑制性能的标准参数。第二个条件是确保第一个条件的基础。目前,Jewett等提出在我们感兴趣的通带内逆滤波器的频谱幅值应该小于阈值1,以便保证在感兴趣频率范围内的噪声成分不被放大。Ozdamar等则基于噪声均匀分布的假设,结合Paresval定理,提出评估刺激序列噪声抑制能力的指标(称为Cdec)。前者可作为刺激序列的约束条件,但是这种方法对每个频率点均做约束,使得满足条件的序列的抖动率指标降低；后者可作评估参数,但其假设不符合实际脑电噪声的分布规律。在我们的研究中,这些结果都会用实际实验数据得以验证。如上所述,由于CLAD技术不能消除加性噪声对信号重建质量的影响。因此对反卷积过程中的信噪比的分析是一项十分有意义的工作。影响AEP信号重建质量的因素有两个：第一,记录的自发脑电(Electroencephalogram, EEG)噪声频谱的分布特性；第二,序列对应的逆滤波器的频域响应函数。Ozdamar基于噪声均匀分布的假设,对逆滤波器的幅值在感兴趣频带范围内做累加平均,以反卷积增益系数Cdec作为表征刺激序列的噪声抑制能力的参数,为刺激序列的生成选择提供依据。然而,Freeman等的研究表明,以自发脑电为主的AEP背景噪声并非白噪声,其在频域呈现反比例的分布特点,能量主要集中在低频区间。噪声非均匀分布的特点,导致了Cdec并不能稳定的反映刺激序列的去噪性能。目前,噪声分布特性和逆滤波器频响函数如何影响重建过程的信噪比等问题,还鲜见针对性研究。本文讨论了基于CLAD反卷积技术重建暂态AEP信号过程中的噪声放大机制,并通过真实实验,分析了AEP记录中的背景噪声,以及刺激序列与暂态AEP信号的重建质量之间的关系,为进一步完善评估CLAD方法中刺激序列对噪声抑制能力提供了理论依据。
【关键词】：高刺激率诱发电位 噪声增益系数 信噪比 连续循环平均反卷积 听觉诱发电位
【学位授予单位】：南方医科大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R339.16
【目录】：

• 摘要3-7
• ABSTRACT7-15
• 第一章 绪论15-26
• 1.1 背景和意义15-16
• 1.2 听觉诱发电位基础16-24
• 1.2.1 波形成分16-20
• 1.2.2 AEP信号记录及后续处理20-24
• 1.3 本文研究内容24
• 1.4 本文结构布局24-26
• 第二章 连续循环平均反卷积(CLAD)技术及其序列特性评估26-30
• 2.1 连续循环平均反卷积(CLAD)技术26-28
• 2.2 刺激序列的频域特性28-29
• 2.3 评估刺激序列性能参数29-30
• 第三章 CLAD反卷积中背景噪声特性分析30-37
• 3.1 自发脑电30
• 3.2 实验设计方案30-31
• 3.3 结果及讨论分析31-37
• 第四章 CLAD刺激序列的噪声增益系数的性能评估37-53
• 4.1 CLAD反卷积对自发脑电噪声的影响37-43
• 4.2 增益系数C_(dec)和AEP信号重建质量之间的关系43-53
• 4.2.1 实验设计方案43-44
• 4.2.2 方法原理和恢复结果44-47
• 4.2.3 结果分析47-51
• 4.2.4 讨论与总结51-53
• 第五章 总结与展望53-56
• 参考文献56-60
• 攻读硕士期间完成的论文60-61
• 致谢61-63

【共引文献】

中国期刊全文数据库 前6条

1 张爱桃;李彬;王涛;;基于希尔伯特-黄变换的AEP去噪方法[J];计算机工程;2011年19期

2 张爱桃;李连捷;王涛;林霖;;高刺激率条件下利用非局部平均算法提高听觉诱发电位信噪比[J];航天医学与医学工程;2014年01期

3 马威锋;王涛;林霖;;CLAD刺激序列的噪声增益系数的性能评估[J];航天医学与医学工程;2015年03期

4 王涛;张爱桃;李彬;董洁;;希尔伯特-黄变换增强高刺激率AEP的信噪比[J];数据采集与处理;2011年03期

5 黄江华;李彬;林霖;朱程;王涛;;改进DE算法优化高刺激率AEP的刺激序列[J];数据采集与处理;2013年05期

6 邹岸;林霖;王涛;;诱发电位反卷积技术的不适定问题及正则化解决方法[J];数据采集与处理;2015年05期

中国硕士学位论文全文数据库 前3条

1 张爱桃;基于希尔伯特—黄变换的高阶听觉诱发电位提取研究[D];南方医科大学;2011年

2 朱程;MSAD方法正则化参数的选择及其有效性探究[D];南方医科大学;2014年

3 黄江华;基于解空间收缩的差分进化算法的CLAD序列优化[D];南方医科大学;2014年

  本文关键词：CLAD反卷积方法中噪声抑制效应的探究，由笔耕文化传播整理发布。

，

本文编号：264185