本發(fā)明涉及EEG-fMRI混合腦電信號(hào)研究領(lǐng)域，具體涉及一種基于自動(dòng)ICA去除EEG信號(hào)中核磁偽跡的方法。
背景技術(shù)：
：腦電信號(hào)的研究一直是生物醫(yī)學(xué)領(lǐng)域以及腦神經(jīng)信息研究領(lǐng)域的重點(diǎn)，也是人類觀察大腦工作機(jī)制探尋大腦奧秘的最基本的方式。EEG信號(hào)具有毫秒級(jí)的時(shí)間分辨率，以頭皮電位的變化記錄大腦的神經(jīng)活動(dòng)。而功能磁共振技術(shù)通過神經(jīng)成像讓人們更加直觀的看到大腦內(nèi)部的結(jié)構(gòu)及其血氧活動(dòng)。功能磁共振的高空間分辨率和EEG信號(hào)的高時(shí)間分辨率讓他們的結(jié)合具有更重要的意義和優(yōu)勢(shì)。然而兩種方法的結(jié)合也受到了很多限制，尤其是磁共振掃描給EEG記錄帶來的強(qiáng)烈干擾，主要是由于核磁掃描時(shí)梯度磁場(chǎng)切換引起的梯度偽跡，即本發(fā)明中所指的核磁偽跡。這種偽跡信號(hào)的典型波幅是EEG信號(hào)的100到1000倍，且它的頻率通常會(huì)覆蓋EEG信號(hào)的頻率范圍，因此用傳統(tǒng)的去噪方法通常難以完全去除。最初由Allen等人在2000年提出的平均模板相減法(AAS)，利用梯度偽跡的周期性生成平均偽跡模板，然后與當(dāng)前獲得的EEG信號(hào)匹配并從中減去這個(gè)模板。這個(gè)方法在大量的文獻(xiàn)中被證實(shí)是可用的，但是它只能去除大部分的核磁偽跡，某些通道中仍然會(huì)有殘留的偽跡并未去除。于是接下來Allen等人又提出了自適應(yīng)去噪法(ANC)來去除殘留的偽跡，但是這個(gè)方法仍然不能去除所有的殘余偽跡。接下來梯度偽跡的去除引發(fā)了大量的思考和嘗試，有人提出了基于PCA(主成分分析)的最優(yōu)基組法來去除殘余偽跡，PCA是建立在噪聲信號(hào)與腦電信號(hào)不相關(guān)的假設(shè)之上的，于是有人提出了ICA(獨(dú)立成分分析)的方法來去除梯度偽跡，ICA是假設(shè)信號(hào)之間不僅是不相關(guān)的，而且是互相獨(dú)立的，這比PCA的假設(shè)對(duì)信號(hào)有著更強(qiáng)的約束。ICA在梯度偽跡，心電偽跡，眼電偽跡等的去除上都得到了比較廣泛的應(yīng)用，比單獨(dú)的AAS能夠更有效的去除核磁偽跡，但是ICA雖然能夠在一定程度上分離開來腦電信號(hào)和核磁偽跡信號(hào)，但是如何自動(dòng)有效的識(shí)別出偽跡成分卻一直都沒有一個(gè)能廣泛使用的方法。現(xiàn)在大多數(shù)文獻(xiàn)都是通過直觀的觀察信號(hào)的波形與核磁偽跡的相似程度，信號(hào)的頻譜分布，腦電地形圖等方法手動(dòng)的選擇偽跡成分，并將偽跡成分直接置零再進(jìn)行ICA逆變換從而得到去噪后的信號(hào)。這樣手工選擇偽跡成分不僅影響處理速度，制約了ICA除噪的應(yīng)用場(chǎng)合，比如說不能應(yīng)用于在線實(shí)時(shí)去噪，而且將偽跡成分直接置零也是有風(fēng)險(xiǎn)的，很有可能會(huì)丟失對(duì)研究者有用的一些成分，導(dǎo)致后面需要提取的特征并不明顯，從而影響實(shí)驗(yàn)的質(zhì)量。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的是針對(duì)上述現(xiàn)有技術(shù)的不足，提供了一種基于自動(dòng)ICA去除EEG信號(hào)中核磁偽跡的方法，該方法在ICA的基礎(chǔ)上根據(jù)核磁噪聲的頻率分布特性以及其與核磁掃描重復(fù)時(shí)間參數(shù)相關(guān)的周期特性自動(dòng)選擇核磁偽跡成分，并保留了其中的有用信息。本發(fā)明的目的可以通過如下技術(shù)方案實(shí)現(xiàn)：一種基于自動(dòng)ICA去除EEG信號(hào)中核磁偽跡的方法，所述方法包括以下步驟：1)對(duì)含有核磁偽跡的EEG信號(hào)進(jìn)行基礎(chǔ)去噪處理，得到去除了大部分核磁偽跡的EEG信號(hào)X'(t)；2)對(duì)信號(hào)X'(t)進(jìn)行獨(dú)立成分分離，并自動(dòng)識(shí)別出其中的核磁偽跡殘余成分，其余成分保持不變；3)提取步驟2)里核磁偽跡殘余成分中的有效低頻成分并將其保留；4)將步驟3)得到的核磁偽跡殘余成分中的有效低頻成分和步驟2)中保留的其余成分一起經(jīng)過ICA逆變換重構(gòu)，得到除噪后的EEG信號(hào)。其中，步驟1)中，所述基礎(chǔ)去噪處理具體過程為：根據(jù)核磁掃描儀的重復(fù)時(shí)間TR和一次全腦掃描的層數(shù)確定核磁基波頻率fb，選擇要處理的N個(gè)信號(hào)通道，將含有核磁偽跡的EEG信號(hào)X(t)＝[x1(t),x2(t),…,xN(t)]T經(jīng)過AAS處理，得到去除了大部分核磁偽跡的EEG信號(hào)X'(t)，其中N表示通道，t表示時(shí)間，T表示矩陣的轉(zhuǎn)置。其中，所述步驟2)的具體過程為：將步驟1)得到的信號(hào)X'(t)經(jīng)過ICA算法進(jìn)行分離得到N個(gè)獨(dú)立成分IS(t)＝[IS1(t),IS2(t),…,ISN(t)]T＝W*X'(t)，其中W為由ICA算法得到的解混矩陣，定義以核磁基波頻率fb及其各次諧波頻率k*fb為中心頻率的區(qū)間[k*fb-ε,k*fb+ε]為核磁倍頻帶，其中k＝1,2,3…K，ε為大于零的正數(shù)，根據(jù)要分析的相關(guān)腦電信號(hào)的特征確定低頻腦電頻帶為[fl1,fl2]，計(jì)算每個(gè)獨(dú)立成分在核磁倍頻帶內(nèi)的能量Ap和在低頻腦電頻帶內(nèi)的能量Ep及其比值選擇前M個(gè)最大的r值所對(duì)應(yīng)的成分標(biāo)記為核磁偽跡殘余成分AS(t)＝[AS1(t),AS2(t),…,ASM(t)]T，其余成分保持不變。其中，所述步驟3)的具體過程為：結(jié)合所要分析的EEG信號(hào)的特點(diǎn)和小波函數(shù)的特點(diǎn)確定用于提取低頻EEG信號(hào)的小波函數(shù)ψ(t)和分解層數(shù)n，對(duì)M個(gè)核磁偽跡殘余成分AS(t)分別進(jìn)行小波分解得到低頻近似系數(shù)cAn，其中n為分解層數(shù)，并由低頻近似系數(shù)重構(gòu)信號(hào)得到每個(gè)偽跡成分中所包含的低頻成分AS'(t)，即保存了核磁偽跡殘余成分中的有效低頻成分。其中，所述步驟4)的具體過程為：將步驟3)中得到的AS'(t)重新放回各自在N個(gè)獨(dú)立成分IS(t)中的位置，得到處理過的獨(dú)立成分矩陣IS'(t)，將獨(dú)立成分矩陣IS'(t)經(jīng)過ICA逆變換，即S(t)＝[S1(t),S2(t),…,SN(t)]＝W-1*IS'(t)，其中W-1表示解混矩陣的逆矩陣，即混合矩陣，最終得到去除了核磁偽跡又保留了大部分有用信息的EEG信號(hào)S(t)。本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)和有益效果：1、本發(fā)明通過利用核磁偽跡的頻率分布特性和周期特性，從而實(shí)現(xiàn)了ICA處理后核磁偽跡成分的自動(dòng)識(shí)別與分析，避免了手動(dòng)選擇的不便性。2、本發(fā)明在自動(dòng)識(shí)別偽跡成分的基礎(chǔ)上使用小波分析保留了核磁偽跡成分中的有效成分，通過與直觀選取偽跡成分并將偽跡成分直接置零的單獨(dú)ICA方法相比，進(jìn)一步減小了信息的損失。附圖說明圖1為本發(fā)明所述方法的流程圖。圖2為本發(fā)明實(shí)施例含有核磁噪聲的腦電仿真信號(hào)經(jīng)ICA分解后得到的7個(gè)獨(dú)立成分的波形圖。圖3為本發(fā)明實(shí)施例含有核磁噪聲的腦電仿真信號(hào)經(jīng)ICA分解后得到的7個(gè)獨(dú)立成分在核磁倍頻帶內(nèi)的能量和EEG低頻帶內(nèi)的能量分布圖。圖4為本發(fā)明實(shí)施例腦電仿真信號(hào)采用本發(fā)明所述方法模擬去噪得到的P300波形與原始信號(hào)的P300波形對(duì)比圖。圖5為本發(fā)明實(shí)施例腦電仿真信號(hào)采用單獨(dú)ICA方法模擬去噪得到的P300波形與原始信號(hào)的P300波形對(duì)比圖。圖6為本發(fā)明實(shí)施例真實(shí)腦電信號(hào)采用本發(fā)明所述方法模擬去噪得到的P300波形和采用單獨(dú)ICA方法模擬去噪得到的P300波形對(duì)比圖。具體實(shí)施方式下面結(jié)合實(shí)施例及附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限于此。實(shí)施例：本實(shí)施例提供了一種基于自動(dòng)ICA去除EEG信號(hào)中核磁偽跡的方法，所述方法的流程圖如圖1所示，包括以下步驟：1)對(duì)含有核磁偽跡的EEG信號(hào)進(jìn)行基礎(chǔ)去噪處理，得到去除了大部分核磁偽跡的EEG信號(hào)X'(t)；其中，所述基礎(chǔ)去噪處理具體過程為：根據(jù)核磁掃描儀的重復(fù)時(shí)間TR和一次全腦掃描的層數(shù)確定核磁基波頻率fb，選擇要處理的N個(gè)信號(hào)通道，將含有核磁偽跡的EEG信號(hào)X(t)＝[x1(t),x2(t),…,xN(t)]T經(jīng)過AAS處理，得到去除了大部分核磁偽跡的EEG信號(hào)X'(t)，其中N表示通道，t表示時(shí)間，T表示矩陣的轉(zhuǎn)置。2)對(duì)信號(hào)X'(t)進(jìn)行獨(dú)立成分分離，并自動(dòng)識(shí)別出其中的核磁偽跡殘余成分，其余成分保持不變；具體過程為：將步驟1)得到的信號(hào)X'(t)經(jīng)過ICA算法進(jìn)行分離得到N個(gè)獨(dú)立成分IS(t)＝[IS1(t),IS2(t),…,ISN(t)]T＝W*X'(t)，其中W為由ICA算法得到的解混矩陣，定義以核磁基波頻率fb及其各次諧波頻率k*fb為中心頻率的區(qū)間[k*fb-ε,k*fb+ε]為核磁倍頻帶，其中k＝1,2,3…K，ε為大于零的正數(shù)，根據(jù)要分析的相關(guān)腦電信號(hào)的特征確定低頻腦電頻帶為[fl1,fl2]，計(jì)算每個(gè)獨(dú)立成分在核磁倍頻帶內(nèi)的能量Ap和在低頻腦電頻帶內(nèi)的能量Ep及其比值選擇前M個(gè)最大的r值所對(duì)應(yīng)的成分標(biāo)記為核磁偽跡殘余成分AS(t)＝[AS1(t),AS2(t),…,ASM(t)]T，其余成分保持不變。3)提取步驟2)里核磁偽跡殘余成分中的有效低頻成分并將其保留；具體過程為：結(jié)合所要分析的EEG信號(hào)的特點(diǎn)和小波函數(shù)的特點(diǎn)確定用于提取低頻EEG信號(hào)的小波函數(shù)ψ(t)和分解層數(shù)n，對(duì)M個(gè)核磁偽跡殘余成分AS(t)分別進(jìn)行小波分解得到低頻近似系數(shù)cAn，其中n為分解層數(shù)，并由低頻近似系數(shù)重構(gòu)信號(hào)得到每個(gè)偽跡成分中所包含的低頻成分AS'(t)，即保存了核磁偽跡殘余成分中的有效低頻成分。4)將步驟3)得到的核磁偽跡殘余成分中的有效低頻成分和步驟2)中保留的其余成分一起經(jīng)過ICA逆變換重構(gòu)，得到除噪后的EEG信號(hào)。具體過程為：將步驟3)中得到的AS'(t)重新放回各自在N個(gè)獨(dú)立成分IS(t)中的位置，得到處理過的獨(dú)立成分矩陣IS'(t)，將獨(dú)立成分矩陣IS'(t)經(jīng)過ICA逆變換，即S(t)＝[S1(t),S2(t),…,SN(t)]＝W-1*IS'(t)，其中W-1表示解混矩陣的逆矩陣，即混合矩陣，最終得到去除了核磁偽跡又保留了大部分有用信息的EEG信號(hào)S(t)。下面按照上述方法對(duì)仿真信號(hào)和真實(shí)腦電信號(hào)中的核磁偽跡進(jìn)行去除，并與單獨(dú)使用ICA并置零的方法進(jìn)行對(duì)比。一、仿真信號(hào)中核磁偽跡的去除步驟一：構(gòu)造仿真信號(hào)X(t)＝EEG+T+n0(t)，其中EEG是在無核磁干擾環(huán)境下進(jìn)行P300字符識(shí)別實(shí)驗(yàn)得到的純凈的腦電信號(hào)，采用32導(dǎo)聯(lián)電極帽采集腦電數(shù)據(jù)，取后腦勺區(qū)域的7個(gè)通道(P3,P4,O1,O2,Pz,Oz,POz)的數(shù)據(jù)做分析，即N＝7，T表示在核磁環(huán)境下采集到的數(shù)據(jù)中提取出來的核磁偽跡模板，將模板疊加到EEG每個(gè)通道的信號(hào)上，并加入隨機(jī)噪聲n0(t)，便得到含有核磁噪聲的腦電信號(hào)X(t)，本實(shí)驗(yàn)中TR＝2s，所以基波頻率fb＝14Hz。將X(t)經(jīng)過W＝20的AAS處理得到X'(t)；步驟二：將步驟一得到的X'(t)經(jīng)過ICA分解得到7個(gè)獨(dú)立成分，得到的7個(gè)獨(dú)立成分的波形圖如圖2所示，計(jì)算每個(gè)獨(dú)立成分在核磁倍頻帶內(nèi)的能量與低頻腦電頻帶內(nèi)的能量分布，結(jié)果如圖3所示，計(jì)算其比值，將第一個(gè)比值最大的獨(dú)立成分標(biāo)記為偽跡成分；步驟三：選用db8小波函數(shù)，將第一個(gè)偽跡成分分解至第5層，用低頻近似系數(shù)重構(gòu)，保留包含在其中的有效低頻成分；步驟四：將經(jīng)過小波處理的第1個(gè)獨(dú)立成分和其余6個(gè)獨(dú)立成分一起經(jīng)過ICA逆變換得到除噪后的信號(hào)，最后將得到的估計(jì)信號(hào)EEG'通過低通濾波以便提取P300信號(hào)特征。最終分別對(duì)比由原始EEG信號(hào)所提取的P300波形和仿真信號(hào)經(jīng)過該發(fā)明所述方法去噪所得到的P300波形，對(duì)比圖如圖4所示，以及原始EEG信號(hào)的P300波形和仿真信號(hào)經(jīng)過單獨(dú)ICA方法去噪所得到的的P300波形，對(duì)比圖如圖5所示，其中點(diǎn)畫線代表原始信號(hào)的波形，虛線代表仿真信號(hào)經(jīng)過去噪處理得到的的P300波形，通過對(duì)比，顯然使用本發(fā)明所述方法重構(gòu)的信號(hào)與原始信號(hào)所提取的P300信號(hào)最為接近，而單獨(dú)ICA方法顯然損失了有用的信息。二、真實(shí)腦電信號(hào)中核磁偽跡的去除分別使用本發(fā)明所述方法和單獨(dú)ICA方法來處理在核磁環(huán)境下進(jìn)行P300字符識(shí)別實(shí)驗(yàn)所得到的實(shí)驗(yàn)數(shù)據(jù)，經(jīng)過ICA分解后，根據(jù)經(jīng)驗(yàn)將前3個(gè)成分標(biāo)記為核磁偽跡殘余，選擇db8小波進(jìn)行分解保留低頻成分，將采用兩種方法的處理結(jié)果所提取出來的P300信號(hào)進(jìn)行對(duì)比，如圖6所示，圖中S0表示由單獨(dú)ICA方法得到的EEG信號(hào)，S1表示采用本發(fā)明所述方法得到的EEG信號(hào)。顯然本發(fā)明所述方法得到的波形特征更為明顯，尤其是在第8個(gè)通道中，將偽跡成分直接置零的方式會(huì)損失感興趣的信息，使特征難以辨認(rèn)。在MRI掃描下同步記錄EEG信號(hào)，采集20個(gè)目標(biāo)字符所對(duì)應(yīng)的實(shí)驗(yàn)數(shù)據(jù)，使用兩種驗(yàn)證方法對(duì)兩種去噪方法的結(jié)果進(jìn)行驗(yàn)證：1、將整個(gè)樣本集作為訓(xùn)練集進(jìn)行訓(xùn)練得到分類器，使用該分類器對(duì)整個(gè)樣本集進(jìn)行分類，即模擬在線分類；2、留一驗(yàn)證，每次輪流的將20個(gè)樣本集中的一個(gè)字符拿出來當(dāng)做測(cè)試集，其余的作為訓(xùn)練集。驗(yàn)證結(jié)果如表1所示。方法模擬在線分類正確率留一驗(yàn)證正確率單獨(dú)ICA方法39％5％本發(fā)明提出的方法53％19％表1從表1中可以看出本發(fā)明所述方法所處理的EEG信號(hào)特征更加明顯，分類正確率更高，以上充分表明本發(fā)明不僅能夠有效去除核磁噪聲，而且減小了信息損失。以上所述，僅為本發(fā)明專利較佳的實(shí)施例，但本發(fā)明專利的保護(hù)范圍并不局限于此，任何熟悉本
技術(shù)領(lǐng)域：
的技術(shù)人員在本發(fā)明專利所公開的范圍內(nèi)，根據(jù)本發(fā)明專利的技術(shù)方案及其發(fā)明專利構(gòu)思加以等同替換或改變，都屬于本發(fā)明專利的保護(hù)范圍。當(dāng)前第1頁1 2 3