發(fā)布時間：2017-03-23 17:09

  本文關(guān)鍵詞：CLAD反卷積方法中噪聲抑制效應(yīng)的探究，由筆耕文化傳播整理發(fā)布。

【摘要】：聽覺誘發(fā)電位(Auditory evoked potential, AEP)是指聽覺系統(tǒng)受到特定的聲音刺激后,會產(chǎn)生一系列源于耳蝸毛細(xì)胞和聽覺神經(jīng)中樞,具有一定強(qiáng)度和固定潛伏期的神經(jīng)電位活動,它反映了人類大腦和聽覺神經(jīng)通路的生理特性和健康狀況。根據(jù)誘發(fā)刺激聲頻率的不同,可以分為常規(guī)聽覺誘發(fā)電位和高刺激率聽覺誘發(fā)電位。其中,常規(guī)聽覺誘發(fā)電位在臨床上已得到廣泛的應(yīng)用,高刺激率聽覺誘發(fā)電位還處于科學(xué)探究階段,鮮見于臨床的應(yīng)用。根據(jù)各自潛伏期出現(xiàn)的不同,聽覺誘發(fā)電位可以分為以下幾個部分：聽覺腦干反應(yīng)(Auditory brainstem response, ABR),中潛伏期反應(yīng)(Middle latency response, MLR)和晚潛伏期反應(yīng)(Long latency response, LLR),其各部分分別能反映聽覺系統(tǒng)不同部位的生理特性。目前AEP在評價嬰幼兒聽力、鑒別診斷聽神經(jīng)病變等方面已得到廣泛的應(yīng)用。臨床上AEP的記錄主要采用低刺激率、等刺激間隔(Stimulus onset asynchrony,SOA)的刺激方案得到常規(guī)下的AEP,并通過平均疊加的方法提高信號的信噪比。然而,隨著刺激率的提高,使得前后兩個刺激聲的刺激間隔(SOA)小于單個刺激誘發(fā)的暫態(tài)AEP (High-order AEP, HO-AEP)的持續(xù)時間時,就會出現(xiàn)相鄰兩個或幾個刺激誘發(fā)的暫態(tài)AEP首尾相互重疊的現(xiàn)象,這種重疊的AEP即為高刺激率聽覺誘發(fā)電位(High stimulus rate AEP,HSR-AEP)。高頻率聲音刺激加重了聽神經(jīng)負(fù)荷,有利于增強(qiáng)潛在聽神經(jīng)通路和腦部病變的檢測敏感性,并且有助于麻醉深度監(jiān)測和睡眠狀態(tài)的評估。同時,考慮到在刺激個數(shù)相同的前提下,高刺激率的方式縮短了記錄的時間,這在臨床上對于一些兒童和不合作的受試者的檢測具有重要意義。因此,對高刺激率聽覺誘發(fā)電位AEP的研究具有非常重要的理論意義和臨床應(yīng)用價值。然而,對于高刺激率聽覺誘發(fā)電位AEP的研究,必須解決從穩(wěn)態(tài)反應(yīng)中重建暫態(tài)AEP的問題,傳統(tǒng)的疊加平均方法雖然可以提高記錄到的穩(wěn)態(tài)AEP的信噪比,但無法解決高刺激率下的重疊現(xiàn)象。高刺激率聽覺誘發(fā)電位的重疊現(xiàn)象可以用暫態(tài)AEP與對應(yīng)刺激序列的卷積模型來描述,因此從重疊的穩(wěn)態(tài)AEP中恢復(fù)暫態(tài)AEP,本質(zhì)上是一個卷積求逆的過程�；谶@一模型,如果用在一定范圍內(nèi)抖動的隨機(jī)數(shù)代替恒定的刺激間隔(SOA),便可利用反卷積技術(shù)提取暫態(tài)聽覺誘發(fā)電位。目前,已有比較成熟的反卷積技術(shù)主要包括以下幾種：最大長序列(Maximum length sequence, MLS)技術(shù)、連續(xù)循環(huán)平均反卷積(Continuous loop averaging deconvolution, CLAD)技術(shù)、Q序列反卷積(Quasi-periodic sequence deconvolution, QSD)技術(shù)以及多刺激率穩(wěn)態(tài)平均反卷積(Multi-rate steady-state averaging deconvolution, MSAD)技術(shù)。MLS是一種遵循嚴(yán)格數(shù)學(xué)要求的二值偽隨機(jī)序列,由Davies于1996年推算設(shè)計出,它利用序列本身的自相關(guān)特性反卷積恢復(fù)暫態(tài)AEP信號。在一般情況下MLS恢復(fù)出的AEP信號信噪比較低,需要增加刺激個數(shù)才能獲得與常規(guī)方法相當(dāng)?shù)男旁氡?同時MLS中各刺激間隔呈較大的倍數(shù)變化,導(dǎo)致每次刺激誘發(fā)的AEP差異過大,從而破壞線性卷積模型。CLAD反卷積技術(shù)最初由Delgado和Ozdamar于2004年提出,主要通過刺激序列生成可逆矩陣,在頻域中重建HO-AEP.其所有刺激序列為非等間隔的,在較小范圍內(nèi)隨機(jī)抖動,保證了刺激序列生成的矩陣可逆,防止奇異值的出現(xiàn)。刺激序列的頻域特性是決定暫態(tài)AEP重建效果的關(guān)鍵。QSD反卷積技術(shù)是類似于CLAD反卷積技術(shù),是Jewett等人在CLAD反卷積技術(shù)的基礎(chǔ)上,對CLAD序列按照一定的約束要求提出的,其刺激序列對噪聲有較強(qiáng)的抑制作用,提高了AEP信號重建質(zhì)量。MSAD方法的核心思想就是將傳統(tǒng)高階AEP和刺激序列的卷積模型通過線性變換的方式重新進(jìn)行表達(dá),并利用變換矩陣求逆的技術(shù)實現(xiàn)反卷積,即恢復(fù)原暫態(tài)誘發(fā)電位。該技術(shù)在實現(xiàn)過程中需要合理選擇正則化參數(shù)從而避免恢復(fù)的暫態(tài)AEP波形失真。本文主要致力于研究在CLAD反卷積技術(shù)過程中刺激序列對噪聲的抑制效應(yīng)以及刺激序列噪聲增益系數(shù)Cdec與暫態(tài)誘發(fā)電位的重建質(zhì)量之間的關(guān)系。CLAD反卷積技術(shù)基于高階AEP的循環(huán)卷積模型和傅里葉變換性質(zhì)的數(shù)學(xué)理論基礎(chǔ),將時域中刺激序列和暫態(tài)AEP信號的卷積模型轉(zhuǎn)換到頻域中刺激序列和暫態(tài)AEP的乘積,這樣就實現(xiàn)了把復(fù)雜的卷積問題轉(zhuǎn)化簡單的乘積運算。即我們只要用記錄到的AEP信號的頻域形式除以刺激序列的頻譜信息,然后再經(jīng)過傅里葉反變換即可提取出我們所需要的暫態(tài)AEP,但在實際的問題中,我們記錄到的穩(wěn)態(tài)的AEP信號包含有自發(fā)腦電信號等各種噪聲的介入。而通過傳統(tǒng)疊加平均的方法只能除去無規(guī)則隨機(jī)均勻分布的白噪聲,無法消除具有一定規(guī)則分布的自發(fā)腦電背景噪聲。在CLAD反卷積的過程中這些殘余的噪聲很有可能通過逆濾波器的過度或者無限放大,而導(dǎo)致暫態(tài)AEP信號的恢復(fù)失真。因此,在CLAD反卷積技術(shù)中,確保刺激序列特性對噪聲的抑制能力顯得至關(guān)重要。要合理解決這個關(guān)鍵性的問題,我們可以從兩個方面考慮：第一,根據(jù)刺激序列的特性選擇優(yōu)良的刺激序列,這就要求對刺激序列的選擇要有一個合理的約束條件；第二,提出一個合理的評價刺激序列對噪聲抑制性能的標(biāo)準(zhǔn)參數(shù)。第二個條件是確保第一個條件的基礎(chǔ)。目前,Jewett等提出在我們感興趣的通帶內(nèi)逆濾波器的頻譜幅值應(yīng)該小于閾值1,以便保證在感興趣頻率范圍內(nèi)的噪聲成分不被放大。Ozdamar等則基于噪聲均勻分布的假設(shè),結(jié)合Paresval定理,提出評估刺激序列噪聲抑制能力的指標(biāo)(稱為Cdec)。前者可作為刺激序列的約束條件,但是這種方法對每個頻率點均做約束,使得滿足條件的序列的抖動率指標(biāo)降低；后者可作評估參數(shù),但其假設(shè)不符合實際腦電噪聲的分布規(guī)律。在我們的研究中,這些結(jié)果都會用實際實驗數(shù)據(jù)得以驗證。如上所述,由于CLAD技術(shù)不能消除加性噪聲對信號重建質(zhì)量的影響。因此對反卷積過程中的信噪比的分析是一項十分有意義的工作。影響AEP信號重建質(zhì)量的因素有兩個：第一,記錄的自發(fā)腦電(Electroencephalogram, EEG)噪聲頻譜的分布特性；第二,序列對應(yīng)的逆濾波器的頻域響應(yīng)函數(shù)。Ozdamar基于噪聲均勻分布的假設(shè),對逆濾波器的幅值在感興趣頻帶范圍內(nèi)做累加平均,以反卷積增益系數(shù)Cdec作為表征刺激序列的噪聲抑制能力的參數(shù),為刺激序列的生成選擇提供依據(jù)。然而,Freeman等的研究表明,以自發(fā)腦電為主的AEP背景噪聲并非白噪聲,其在頻域呈現(xiàn)反比例的分布特點,能量主要集中在低頻區(qū)間。噪聲非均勻分布的特點,導(dǎo)致了Cdec并不能穩(wěn)定的反映刺激序列的去噪性能。目前,噪聲分布特性和逆濾波器頻響函數(shù)如何影響重建過程的信噪比等問題,還鮮見針對性研究。本文討論了基于CLAD反卷積技術(shù)重建暫態(tài)AEP信號過程中的噪聲放大機(jī)制,并通過真實實驗,分析了AEP記錄中的背景噪聲,以及刺激序列與暫態(tài)AEP信號的重建質(zhì)量之間的關(guān)系,為進(jìn)一步完善評估CLAD方法中刺激序列對噪聲抑制能力提供了理論依據(jù)。
【關(guān)鍵詞】：高刺激率誘發(fā)電位 噪聲增益系數(shù) 信噪比 連續(xù)循環(huán)平均反卷積 聽覺誘發(fā)電位
【學(xué)位授予單位】：南方醫(yī)科大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R339.16
【目錄】：

• 摘要3-7
• ABSTRACT7-15
• 第一章 緒論15-26
• 1.1 背景和意義15-16
• 1.2 聽覺誘發(fā)電位基礎(chǔ)16-24
• 1.2.1 波形成分16-20
• 1.2.2 AEP信號記錄及后續(xù)處理20-24
• 1.3 本文研究內(nèi)容24
• 1.4 本文結(jié)構(gòu)布局24-26
• 第二章 連續(xù)循環(huán)平均反卷積(CLAD)技術(shù)及其序列特性評估26-30
• 2.1 連續(xù)循環(huán)平均反卷積(CLAD)技術(shù)26-28
• 2.2 刺激序列的頻域特性28-29
• 2.3 評估刺激序列性能參數(shù)29-30
• 第三章 CLAD反卷積中背景噪聲特性分析30-37
• 3.1 自發(fā)腦電30
• 3.2 實驗設(shè)計方案30-31
• 3.3 結(jié)果及討論分析31-37
• 第四章 CLAD刺激序列的噪聲增益系數(shù)的性能評估37-53
• 4.1 CLAD反卷積對自發(fā)腦電噪聲的影響37-43
• 4.2 增益系數(shù)C_(dec)和AEP信號重建質(zhì)量之間的關(guān)系43-53
• 4.2.1 實驗設(shè)計方案43-44
• 4.2.2 方法原理和恢復(fù)結(jié)果44-47
• 4.2.3 結(jié)果分析47-51
• 4.2.4 討論與總結(jié)51-53
• 第五章 總結(jié)與展望53-56
• 參考文獻(xiàn)56-60
• 攻讀碩士期間完成的論文60-61
• 致謝61-63

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 張愛桃;李彬;王濤;;基于希爾伯特-黃變換的AEP去噪方法[J];計算機(jī)工程;2011年19期

2 張愛桃;李連捷;王濤;林霖;;高刺激率條件下利用非局部平均算法提高聽覺誘發(fā)電位信噪比[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2014年01期

3 馬威鋒;王濤;林霖;;CLAD刺激序列的噪聲增益系數(shù)的性能評估[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2015年03期

4 王濤;張愛桃;李彬;董潔;;希爾伯特-黃變換增強(qiáng)高刺激率AEP的信噪比[J];數(shù)據(jù)采集與處理;2011年03期

5 黃江華;李彬;林霖;朱程;王濤;;改進(jìn)DE算法優(yōu)化高刺激率AEP的刺激序列[J];數(shù)據(jù)采集與處理;2013年05期

6 鄒岸;林霖;王濤;;誘發(fā)電位反卷積技術(shù)的不適定問題及正則化解決方法[J];數(shù)據(jù)采集與處理;2015年05期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 張愛桃;基于希爾伯特—黃變換的高階聽覺誘發(fā)電位提取研究[D];南方醫(yī)科大學(xué);2011年

2 朱程;MSAD方法正則化參數(shù)的選擇及其有效性探究[D];南方醫(yī)科大學(xué);2014年

3 黃江華;基于解空間收縮的差分進(jìn)化算法的CLAD序列優(yōu)化[D];南方醫(yī)科大學(xué);2014年

  本文關(guān)鍵詞：CLAD反卷積方法中噪聲抑制效應(yīng)的探究，由筆耕文化傳播整理發(fā)布。

，

本文編號：264185