一種基于腦功能特征的實時神經(jīng)解碼系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明提供一種基于腦功能特征的實時神經(jīng)解碼系統(tǒng)，屬于信息處理技術(shù)領(lǐng)域，具體是指通過分析實時功能磁共振成像數(shù)據(jù)提取腦功能特征，并對該特征進行實時特征分類，從而獲取大腦的認知狀態(tài)；同時受試者可在線觀測自己的分類結(jié)果，并通過相應(yīng)策略調(diào)節(jié)自己大腦的活動狀態(tài)，從而達到改善相應(yīng)的認知功能。
【背景技術(shù)】
[0002]神經(jīng)解碼技術(shù)是指通過建立從大腦活動到刺激的直接映射關(guān)系，利用大腦活動信號識別出刺激信息。目前神經(jīng)解碼所采用的信號主要有神經(jīng)電生理信號，如腦電，和神經(jīng)影像信號，如磁共振成像。其中，基于功能磁共振成像(fMRI)的神經(jīng)解碼則是在腦影像數(shù)據(jù)與目標認知功能狀態(tài)之間建立映射關(guān)系，從腦成像數(shù)據(jù)中計算出認知狀態(tài)信息。加州大學伯克利分校的研宄者成功地利用電腦模型和fMRI數(shù)據(jù)，將觀察到的腦神經(jīng)活動進行解碼，從而確定了測試者所看到的圖片的類別。目前，基于fMRI的神經(jīng)解碼主要以離線方式為主，即研宄者并不能夠在實驗結(jié)束后立即獲得實驗結(jié)果，往往還需要幾個小時甚至幾天的時間對數(shù)據(jù)進行離線處理。
[0003]實時fMRI是一種逐漸興起的研宄腦功能的技術(shù)手段，它要求功能圖像的采集和處理在每個掃描脈沖重復間隔時間內(nèi)完成。因此，實時磁共振成像的實現(xiàn)必須保證快速的掃描成像序列和圖像處理算法?；趯崟rfMRI，可以將受訓者腦功能數(shù)據(jù)的分析結(jié)果實時的反饋給受試者，從而形成了神經(jīng)反饋，它為認知心理學提供了新的研宄手段。在神經(jīng)反饋研宄中，受試者通過反饋訓練，學習用意識控制自身相關(guān)腦區(qū)按照指定的方式活動。在傳統(tǒng)的實驗中，腦區(qū)的激活被認為是依賴于實驗給定刺激(視覺或聽覺形式)的因變量。也就是說研宄的出發(fā)點是探求給定刺激對人腦活動的影響。相比之下，神經(jīng)反饋允許人們來研宄腦區(qū)活動的自我調(diào)控對行為的影響，即行為被當作自我意識調(diào)控的因變量。這是對傳統(tǒng)實驗模式的一種突破。此外，對功能受損腦區(qū)的康復訓練可以通過反饋相關(guān)腦區(qū)的活動，按照一定的策略，使受訓者學會提高這些腦區(qū)的活動強度，不斷強化受損腦區(qū)功能，進而加強與之相關(guān)行為能力的表現(xiàn)，達到最佳康復效果。
[0004]將實時fMRI技術(shù)和神經(jīng)解碼技術(shù)結(jié)合起來，即實時神經(jīng)解碼。實時神經(jīng)解碼應(yīng)用領(lǐng)域極其廣泛，可以作為一類腦機接口，根據(jù)大腦刺激情況解讀大腦狀態(tài)，進而判斷受試者的意圖，從而提供了一種僅憑大腦活動就能夠與外界交流或者控制外部設(shè)備的方式。另一方面，借助實時神經(jīng)解碼進行神經(jīng)反饋，通過對在線提取的腦功能特征進行分類，從而將對大腦狀態(tài)的解讀反饋給受試者，受試者可通過調(diào)節(jié)神經(jīng)活動直接改變目標認知功能的當前狀態(tài)，理論上更有利于認知功能的改善與康復。然而，實時神經(jīng)解碼在國內(nèi)目前尚屬于空白，已有的解碼系統(tǒng)仍屬于離線方式，無法達到神經(jīng)反饋的要求；且采用的特征提取方法大多是基于感興趣區(qū)域的，而分類方法主要以支持向量機為主，該分類器的優(yōu)化過程比較復雜O

【發(fā)明內(nèi)容】

[0005]為了解決上述【背景技術(shù)】中現(xiàn)存的問題，本發(fā)明提出了一種基于腦功能特征的實時神經(jīng)解碼系統(tǒng)，通過分析實時fMRI數(shù)據(jù)提取腦功能特征，并對該特征進行實時特征分類，從而獲取大腦的認知狀態(tài)；同時也可將分類準確率實時反饋給受試者，通過相應(yīng)策略調(diào)節(jié)自己大腦活動，從而達到改善相應(yīng)的認知功能。本發(fā)明可以實時監(jiān)控數(shù)據(jù)的質(zhì)量，從而對實驗效果進行實時評估；也可以對全腦進行特征提取和分類，從而對人的行為表現(xiàn)或者認知狀態(tài)進行判別；也可以利用反饋訓練被試，從而調(diào)節(jié)被試的心理狀態(tài)和大腦功能。
[0006]一種基于腦功能特征的實時神經(jīng)解碼系統(tǒng)包括:
[0007]預處理模塊，用于實時讀取功能磁共振數(shù)據(jù)，然后進行格式轉(zhuǎn)換、實時頭動校正、實時空間標準化和平滑；
[0008]特征提取模塊，用于對預處理后的功能磁共振數(shù)據(jù)進行特征提取并保存；
[0009]分類解碼模塊，用于對特征提取后的數(shù)據(jù)進行實時分類；
[0010]顯示與反饋模塊，用于實時顯示腦功能特征以及頭動參數(shù)的大小，并將分類的結(jié)果以多種方式實時反饋給被試；
[0011]參數(shù)配置模塊，用于設(shè)置、保存、讀取每個模塊的詳細參數(shù)。
[0012]所述的預處理模塊包含格式轉(zhuǎn)換子模塊、實時頭動校正子模塊、實時空間標準化子模塊和平滑子模塊，格式轉(zhuǎn)換子模塊用于在線讀取fMRI數(shù)據(jù)，同時進行格式轉(zhuǎn)換后與掃描參數(shù)信息存儲為三維矩陣數(shù)據(jù)結(jié)構(gòu)文件；實時頭動校正子模塊，用于估計磁共振數(shù)據(jù)掃描時被試的頭動參數(shù)，并利用該參數(shù)對格式轉(zhuǎn)換后的圖像進行實時頭動校準；實時空間標準化子模塊采用基于主軸變化和自適應(yīng)高斯牛頓迭代算法的仿射變換和基于最優(yōu)截止頻率離散余弦基函數(shù)的非線性變換對第一幅圖像進行參數(shù)估計，然后利用所估計的參數(shù)，對后續(xù)圖像進行空間變換；平滑子模塊用于對標準化后的圖像進行空間平滑濾波，以降低高頻噪聲和其他因素的干擾。
[0013]所述的特征提取模塊用于提取預處理后的fMRI圖像中的腦功能類別特征，采用平滑LO范數(shù)重構(gòu)算法或主成分分析算法將與認知狀態(tài)相關(guān)的特征體素提取并保存。
[0014]所述的分類解碼模塊用于對腦功能特征進行分類，采用的分類器是實時支持向量機或?qū)崟r高斯過程分類；首先通過離線訓練數(shù)據(jù)集獲取分類器的最佳分類參數(shù)，然后利用此參數(shù)的分類器，對在線測試數(shù)據(jù)集的每個TR的腦功能特征在線計算分類結(jié)果，并統(tǒng)計分類正確率。
[0015]所述的顯示與反饋模塊用于實時顯示所提取的腦功能特征以及每個TR的頭動參數(shù)大小，腦功能特征可以顯示在二維模板或三維模板上；將統(tǒng)計的當前所有TR的分類準確率以動態(tài)曲線或者動態(tài)溫度計的形式實時呈現(xiàn)給個體。
[0016]所述的參數(shù)配置模塊，用于各個模塊及全局參數(shù)的設(shè)置、讀取與保存，包括各種預處理參數(shù)、數(shù)據(jù)處理設(shè)置、實驗設(shè)計參數(shù)及反饋方式的選擇和設(shè)置。
【附圖說明】
[0017]圖1:基于腦功能特征的實時神經(jīng)解碼系統(tǒng)流程圖
[0018]圖2:實時空間標準化流程圖
[0019]圖3:動態(tài)曲線反饋示意圖
[0020]圖4:分類器以及存取路徑設(shè)置界面
【具體實施方式】
[0021]圖1為基于腦功能特征的實時神經(jīng)解碼系統(tǒng)流程圖，包括:
[0022](I)預處理模塊
[0023]預處理模塊包括格式轉(zhuǎn)換子模塊、實時頭動校正子模塊、實時空間標準化子模塊和平滑子模塊。其中，格式轉(zhuǎn)換子模塊用于在線讀取fMRI數(shù)據(jù)，即每掃描一次全腦(一個TR)就讀取一幅圖像，對應(yīng)著一個時間點的fMRI數(shù)據(jù)，同時進行格式轉(zhuǎn)換后與掃描參數(shù)信息存儲為三維矩陣數(shù)據(jù)結(jié)構(gòu)文件。以目前常用的NIFTI格式為例，NIFTI格式包括兩個文件:*.1mg是數(shù)據(jù)文件，用于存放圖像矩陣；*.hdr是頭文件用于存放與掃描設(shè)備、掃描參數(shù)、被試相關(guān)的文件頭信息。實時頭動校正子模塊利用基于高斯牛頓迭代法的回溯校正法對第一幅圖像的變形參數(shù)進行估計，在保證準確性的前提下適當降低迭代收斂條件精度，即源圖像與參考圖像的方差的變化率小于10_2時停止迭代，然后利用所估計的參數(shù)，對后續(xù)每個TR的圖像進行實時頭動校正。實時空間標準化子模塊利用優(yōu)化的仿射變換和非線性變換進行參數(shù)估計(參見圖2)，其中優(yōu)化的仿射變換是通過主軸估計法為高斯牛頓迭代提供了一個更易于收斂的初始估計，并在高斯牛頓迭代過程中引入自適應(yīng)參數(shù)來調(diào)整迭代的步長以加快迭代的速度，減少仿射變換所需時間；而優(yōu)化的非線性變換則是通過選取最優(yōu)的離散余弦基函數(shù)的截止頻率，來平衡標準化算法的運行時間與準確性；具體地說，對第一幅圖像進行空間標準化參數(shù)估計，然后利用所估計的參數(shù)，對后續(xù)每個TR的圖像進行空間變換。平滑子模塊用于對空間標準化后的圖像進行空域低通濾波處理，即使用三維高斯核與fMRI圖像進行離散卷積運算，而達到以下三個目的:一是提高信噪比，降低高頻噪聲；二是使數(shù)據(jù)更符合高斯隨機場模型，增強統(tǒng)計檢驗的有效性；三是減少不同個體的腦形狀差異，便于