刺激序列对重建AEP的影响：两种去卷积方法的性能分析

发布时间：2020-11-16 11:20

　　 听觉诱发电位(auditory evoked potential,AEP)是内耳到大脑皮层的听觉神经通路在接收声刺激后所产生的微弱电位变化,其潜伏期可以反映在声刺激下听觉系统不同部位的生理状况与反应。在临床上,AEP主要应用于新生儿听力筛查、评估客观听力等。AEP的刺激模式一般分为常规刺激与高刺激率刺激。在常规刺激方式中,刺激间隔(stimulus onset asynchrony,SOA)较AEP长,可以通过叠加平均技术获取单个刺激诱发的AEP,并将其称为瞬态AEP。而高刺激率模式下,相邻AEP发生重叠,无法通过叠加平均技术来获取瞬态AEP,且隐含的AEP可能不同于常规的,这里称为高阶AEP(high order AEP,hAEP)。高刺激率下听神经负荷加重,重建的hAEP有利于提高潜在于听神经通路和脑部的疾病的检出率。常用于重建hAEP的方法有最大长序列(maximum length sequence,m序列)互相关技术、Q序列去卷积(Quasi-periodic sequence deconvolution,QSD)方法、连续循环平均去卷积(Continuous loop averaging deconvolution,CLAD)方法以及多刺激率稳态平均去卷积(Multi-rate steady state averaging deconvolution,MSAD)方法。去卷积方法重建的hAEP质量受多种因素影响,其中本文主要基于m序列互相关技术与MSAD方法分别研究了 m序列阶数对噪声抑制的影响以及不同多刺激率稳态拼接组合对重建调幅纯音诱发的hAEP的影响。1、为了评估m序列的阶数对噪声抑制能力的影响,本文主要采用两种类型实测数据评估m序列噪声抑制。根据m序列互相关技术在去卷积计算过程中的两个计算步骤,即叠加平均和互相关,分别估算不同阶数(5-12阶)条件下的自发脑电(Electroencephalogram,EEG)、7阶与9阶m序列诱发的EEG的噪声抑制比,并选择7阶和9阶m序列进行非线性AEP实验。结果显示,m序列对自发脑电的噪声抑制比与随机噪声条件下的理论值完全符合,证实噪声抑制比主要取决于序列的总长度或总的记录时间。对于7阶和9阶m序列的线性/非线性成分进行相似比较,提示AEP成分对阶数不敏感。本研究提供一种选择m序列的更全面的解决方案,可更好地促进基于m序列的非线性AEP的应用。2、MSAD方法是一种通过线性变换的方式将去卷积过程变换成矩阵求逆的问题来重建hAEP的新方法。首次应用MSAD方法重建调幅纯音诱发的hAEP,判断其可靠性并研究多刺激率ASSR的拼接组合是否对重建的hAEP产生影响。利用7个不同刺激率(70-1OOHz,间隔5Hz)调幅ASSR按照不同拼接方式形成15种拼接组合,并重建出对应的hAEP。根据线性叠加原理,得到15个合成ASSR,将其与记录ASSR进行相关分析;随后从幅值与潜伏期方面对重建的各个hAEP进行分析,观察其是否受到拼接组合方式的影响。结果显示,以15种hAEP为模板的合成ASSR与相同刺激率的记录ASSR的相关系数在0.96-0.99之间,相关性极强;不同拼接组合对应重建的hAEP均具有相近的特征波,但在潜伏期与幅值上略有差异。上述结果表明MSAD方法可重建出可靠的hAEP,且拼接组合方式对hAEP影响不大。重建的hAEP有利于推动调幅纯音在临床上的应用,弥补ASSR在时域上所缺失的信息。
【学位单位】：南方医科大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：R339.16
【部分图文】：

ＡＥＰ潜伏期定义为刺激声开始至记录ＡＥＰ出现的时间。根据潜伏期的大小，??可以划分为早潜伏期反应，潜伏期一般为〇？ｌ〇ｍｓ、中潜伏期反应：１０￣８０ｍｓ以??及晚潜伏期反应：８０ｍｓ以上，见图１－１。??早潜伏期反应（Ｅａｒｌｙ?ｌａｔｅｎｃｙ?ｒｅｓｐｏｎｓｅ，ＥＬＲ?）?—般包括耳蜗电图??（ｅｌｅｃｔｒｏｃｏｃｈｌｅｏｇｒａｐｈｙ，ＥＣｏｃｈＧ）、听觉脑干反应（ａｕｄｉｔｏｒｙ?ｂｒａｉｎｓｔｅｍ?ｒｅｓｐｏｎｓｅ，??ＡＢＲ）以及慢负?ｉ〇?电位（Ｓｌｏｗ－ｎｅｇａｔｉｖｅｉ〇ｐｏｔｅｎｔｉａｌ，ＳＮｉ〇）等，其中?ＡＢＲ?应用??广泛，主要起源于听神经和脑干听觉通路［ｎ］，在（ＭＯｍｓ内含有用罗马数字标??注的Ｉ、ＩＩ、ＩＩＩ、ＩＶ、Ｖ、ＶＩ和ＶＩＩ七个特征波（图１－１），其中波Ｉ、ＩＩＩ和波Ｖ??最为明显，尤其是波Ｖ，幅值往往较其他特征波大且受激率和刺激强度的影响??较其他特征波小。目前ＡＢＲ所含有的各个特征波来源于听觉通路的各部分，其??中普遍认为波Ｉ和ＩＩ分别起源于第八神经的远端和近端［１２

?（３．６）??其中，＿ｙ?＝?〇／，乃，…，乃］称为多刺激率ＡＳＳＲ。??利用图３－２来描述卷积变换矩阵和多刺激率ＡＳＳＲ的形成过程。其中子卷积??矩阵ｈ用一系列的点来表示，红实心等于“１”，表示刺激发生，蓝点表示“〇”，??表示静默期。各个子卷积矩阵纵向拼接，得到一个由｛０，?１｝组成的卷积变换矩阵，??其大小由各个ＳＯＡ的总和与ｈＡＥＰ的长度决定。??若Ｈ的逆矩阵存在，那么ｘ可被求解，得??ｘ?＝?Ｈ?＊ｙ?（３．７）??其中，７表示待求解的ｈＡＥＰ。??Ｘ??Ｉ?Ａ??Ｔｒａｎｓｉｅｎｔ?ＡＥＰ?ｔｏ?ｂｅ?ｓｏｌｖｅｄ?Ｔｉｍｅ??Ｓｔｉｍｕｌｕｓ?ｓｅｑｕｅｎｃｅ????…一一…／ｊ，ｊ??《？?ｓ?１．?？?：?：??＊？?＊＿?＊？?■?＊？??ＳｕｔＨ？ｎｖｏｌｕｔｉｏｎ?ｍａｉｎｘ?Ｏ?？？？？?？？？?？？？？?？？？？?ｈｉ??－?．＞？?：：：：?％．：；：．?■；：：?＞．??．．■暴－?．．．．．．??▼?參?＊？??ｙ?Ｈ?ｘ???ｄ???？ｗ？＞ｎｇ＊＜？＊ｖｔＴＴｎｒｒｆｙ？？Ｍｎ？ｎ—ｉｒｒｗｍｆｙ＊？＇？Ｔ？Ｔｗ？ｒｒ？ｒ？？？??ＡｍｐＷｕｄ＊??＼?Ａ?？?？?－?？?？?＊?■?■??■＾丁?？？鲁?，一?．?＊?１?■??Ｃ／＾?．．？二？？???？？?？？？？？－：，？．???？：＋？？？．?？?ｊ??－？?Ｋ＊?ｙ??＾?ｃｚ）?：：！？．?；：？?：！：：?＊？ｉｌ?：；：：；?：：：＼?－：：ｉ＇?．?：：；：＊％：；

使得其ＲＭＳ值从１变为％。互相关运算是叠加平均过程得到的扫程??诱发反应；＜０与Ｋ—０进行卷积实现的，见式（４．１）。Ｋ—０包含ｉ个交替极性的脉??冲（见图４－ｌ（ｄ）），该卷积过程相当于将Ｘ０进行Ｚ次移位循环叠力卩。因此卷积??后的噪声ＲＭＳ值将会增至原来ＶＩ倍，考虑到式（４．１）的系数２／（Ｌ?＋?ｌ），则互相??关运算过程对噪声的抑制程度定义为相关噪声抑制比：??％?＝?２０?ｌｏｇ（ｉ）?＝?２０?ｌｏｇ（￥＾）？?２０?ｌｏｇ?２?－１０?ｌｏｇ（Ｌ）?（４．４）??其中，近似成立条件是Ｚ？ｌ，％单位为ｄＢ。综合式（４．２）和（４．４），ＥＥＧ整体的??噪声抑制比为：??）？Ｃ－ｌＯｌｏｇｊＶ?（４．５）??其中，当给定分后，Ｃ?＝?２０１ｏｇ２＋１０１ｏｇ分可以认为是一个常数。式（４．５）表明ＥＥＧ??信号经过叠加平均与互相关运算两个过程后，整体噪声水平取决于信号的总长??度Ｍ?ｍ序列的阶数对整体噪声抑制比不产生影响。??２３??
【参考文献】

相关期刊论文 前3条

1 郭鑫;陈克非;;求解本原多项式的快速算法[J];计算机工程;2008年15期

2 吕辉,何晶,王刚;伪随机序列中本原多项式生成算法[J];计算机工程;2004年16期

3 张作生,张晓晖;脑电与认知活动的相关性[J];生物学杂志;1999年06期

相关硕士学位论文 前2条

1 邹岸;听觉诱发电位的一种刺激序列优化技术及反卷积方法[D];南方医科大学;2015年

2 苏园园;高阶听觉诱发电位记录中若干问题的应用研究[D];南方医科大学;2010年

本文编号：2886129