發(fā)布時間：2020-08-03 09:29

【摘要】：隨著科技的進步,同步腦電(EEG)—功能磁共振(f MRI)融合技術(shù)在科學研究和臨床領(lǐng)域發(fā)揮著重要作用。腦電時間分辨率高,空間分辨率低,而功能磁共振正好與之相反,兩者結(jié)合可以優(yōu)勢互補。然而,復雜的核磁環(huán)境會在腦電信號中產(chǎn)生許多偽跡,影響最大的是梯度場偽跡和心電偽跡。梯度場偽跡由磁場切換產(chǎn)生,而心電偽跡則是由靜態(tài)磁場下,被試心跳相關(guān)運動產(chǎn)生。兩種偽跡嚴重影響后續(xù)的融合研究。本文利用心電信號的時變特征,在約束獨立成分分析(c ICA)算法的基礎(chǔ)上提出了聚類-約束獨立成分分析(cc ICA)方法和實時約束獨立成分分析(rt-c ICA)方法,兩種方法都能有效地去除心電偽跡;在獨立向量分析(IVA)的基礎(chǔ)上提出了約束獨立向量分析(c IVA)方法來去除梯度場偽跡。針對模擬數(shù)據(jù)和真實數(shù)據(jù),運用以上三種算法進行了偽跡去除研究。結(jié)果表明:(1)對于模擬數(shù)據(jù)的梯度場偽跡去除,c IVA算法得到信號的幅值誤差(Er)值明顯低于平均模板減法(AAS)算法和IVA算法(P0.005);對于真實數(shù)據(jù)的梯度場偽跡去除,c IVA算法計算消耗明顯低于AAS算法和IVA算法,去噪后信號的功率譜值也低于AAS算法和IVA算法。(2)對于模擬數(shù)據(jù)的心電偽跡去除,cc ICA算法和rt-c ICA算法得到的信號Er值明顯低于AAS、最優(yōu)基組法(OBS)和c ICA算法(P0.005);對于真實核磁腦電數(shù)據(jù)的心電偽跡去除,cc ICA算法和rt-c ICA算法得到的信號改進功率譜值(INPS)明顯高于其他方法(P0.005);(3)此外,去除心電偽跡后的信號頻譜圖、殘留偽跡比例、事件相關(guān)電位(ERP)和信噪比(SNR)等結(jié)果顯示:cc ICA算法和rt-c ICA算法均優(yōu)于其他算法�？傊�,本文提出三種偽跡去除改進算法,并用來處理模擬數(shù)據(jù)和真實數(shù)據(jù),實驗效果優(yōu)于傳統(tǒng)方法。本文的研究成果為同步腦電-功能核磁融合研究奠定了前期技術(shù)基礎(chǔ)。
【學位授予單位】：常州大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R741.044;TN911.7
【圖文】：

磁環(huán)境下腦電信號偽跡去除方法研究 梯度場偽跡去除算法概述1 梯度場偽跡特征Allen 等人認為在核磁室內(nèi)存在不斷切換的高強度磁場，人體腦部血液流的磁場中，會做切割磁感線運動，從而產(chǎn)生較大的電勢差。由于磁場強度足生的電勢差達到幾百甚至幾千微伏，是腦電信號的成百上千倍，由磁場切跡被定義為梯度場偽跡。梯度場偽跡的形狀和周期特性與核磁掃描序列相掃描序列也會產(chǎn)生不同的周期性梯度場偽跡。然而，梯度場偽跡的大小幅振設備有關(guān)，表現(xiàn)一定的周期特性，與個體差異性無關(guān)。梯度場偽跡的時圖 2-1 所示。如圖所示，梯度場偽跡在時域上已完全覆蓋住了腦電信號，在 200-800μv 之間，呈現(xiàn)一定的周期特性。梯度場偽跡在頻域上也表現(xiàn)出與一定的周期特性，故可利用這一特性去除梯度場偽跡。

圖 2-5 含有心電偽跡的腦電時域圖2.2.2 心電檢測算法Allen 最早提出一個簡單的閾值法來檢測 R 波位置[7]，然而此方法耗時且核磁環(huán)境的復雜性導致算法精度不高。因此，Christov 等人提出了一種組合自適應閾值檢測算法[38]，之后 Niazy 等人在此算法的基礎(chǔ)上進行優(yōu)化改進[10]。算法首先對每個通道的心電數(shù)據(jù)進行 7-40Hz 的帶通濾波，然后利用 k-Teager 能量算子算法處理濾波后的心電信號并使其負值為 0，從而得到一個復合值，2ECG ( n) max( E ( n) - E ( n - k ) E ( n k),0)(2-4)其中 ECG 是復合值，n 是時間參數(shù)，E 是濾波后的心電數(shù)據(jù)，k 是頻率選擇參數(shù)。接著利用此自適應閾值檢測算法來檢測 R 波。斜率閾值(M)、高頻集合閾值(F)和心跳預估閾值(R)三者之和作為 MFR 閾值(見公式 2-3):MFR M F R(2-5)當 ECG(n)大于或等于 MFR(n)時就將被檢測為一個 QRS 波。

h(W[k])=(h1(w[k]1)…h(huán)l(w[k]l))T，hi(w[k]i)=E{si2}-1。其中，i=1,…,l。類似于 cICA 算法的計算過程，cIVA 算法在每個 SCV 中，要求源成分之間的相關(guān)參考距離 ( , )i i i s r保持在一個特定的距離i 之內(nèi)，并且標準化。詳細求解求解過程見上一章約束獨立成分分析算法的介紹。參考 IVA 算法手動提取 SCV 的過程，cIVA 算法每次自動提取 2-3 個 SCV作為梯度場偽跡相關(guān)的 SCV。算法驗證過程如下：取一例 64 導聯(lián)未去除梯度場偽跡的原始數(shù)據(jù)，對 64 導原始數(shù)據(jù)疊加平均得到一個偽跡模板，此模板即作為cIVA 的約束條件，然后輸入約束條件和原始數(shù)據(jù)，算法運行。由于 IVA 算法計算消耗較大，cIVA 算法運行結(jié)束共耗時 876.53 秒，但遠比手動提取消耗時間少。算法運行結(jié)束，提取的 3 個 SCV 順序依次為 1,7,20（按照上一章 IVA 算法的介紹，SCV 的數(shù)目與每導聯(lián)偽跡段的數(shù)目相同，本次實驗每導聯(lián)提取了 20 個偽跡段作為原始數(shù)據(jù)）。然后算法將此三個 SCV 置空，乘以 W 的逆矩陣即可重構(gòu)得到去除梯度場偽跡之后的腦電信號。為了驗證算法的有效性，本實驗手動計算了每個 SCV 與約束模板之間的互信息，得到的結(jié)果如圖 3-1 所示：

【參考文獻】

相關(guān)期刊論文 前1條

1 徐鵬;陳華富;劉祖祥;堯德中;;一種基于稀疏分解去除EEG信號中MRI偽跡的新方法[J];生物醫(yī)學工程學雜志;2007年02期

本文編號：2779436