成像图；
[0052] 图4(a)传统MNE方法计算出各时刻原始仿真信号与估算信号的均方误差示意 图；
[0053]图4(b)时域平滑约束条件下计算出各时刻原始仿真信号与估算信号的均方误差 示意图；
[0054] 图4(c)传统M肥方法与本发明的定位方法的总体均方误差比较示意图；
[005引图5(a)左脑仿真信号与采用传统M肥方法得出的估算信号之间的吻合度对比示 意图；
[005引图5化）右脑仿真信号与采用传统M肥方法得出的估算信号之间的吻合度对比示 意图；
[0057]图6(a)左脑仿真信号与采用本发明的时域平滑约束下得出的估算信号之间的吻 合度对比示意图；
[0058]图6(b)右脑仿真信号与采用本发明的时域平滑约束下得出的估算信号之间的吻 合度对比示意图。
【具体实施方式】
[0059] 下面结合附图对本发明做进一步的详细说明，W令本领域技术人员参照说明书文 字能够据W实施。
[0060] 应当理解，本发明所使用的诸如"具有"、"包含及"包括"术语并不配出一个或 多个其它元件或其组合的存在或添加。
[0061] 本发明的脑磁源信号强弱的定位方法不用在疾病诊断过程中。
[0062] 如图1所示，本发明提供了一种脑磁源强度定位方法，具体包括W下步骤：
[006引步骤1)通过核磁共振仪对待测试人头部进行扫描，生成脑MR结构图像；通过脑磁 仪在所述待检测人头部设置m个信号采集点，在时段a内连续采集k个时刻的信号，包括第 1时刻到第k时刻，生成脑磁图MEG信号b，其中，MEG信号bWmXk维矩阵比1. . .bi. . .bj 表示，bi为某一时刻的mXl维列向量，i为正整数，且1《i《k-1，将MR结构图像与MEG 信号b的空间位置进行配准，得到真实几何头模型；
[0064] 步骤2)将所述头模型上的大脑皮层设定为球模型，其上均匀分布有n个位置确定 的等效磁偶极子，即n个脑磁源信号，每个脑磁源信号大小即磁偶极子强度，脑磁源方向设 定为与脑皮层表面垂直的方向，结合所述头模型，确定引导场矩阵A;用源信号矩阵X表示 在时段a内n个脑内源信号的强度随时间的变化，通过MEG信号b与源信号矩阵X如下关 系式计算出源信号矩阵X，
[0065] b = Ax+e 1)
[0066] 其中，X为nXk维矩阵[xi. . .Xi. . .Xk]，其中，为某一时刻的nX1维源信号列向 量，即某一时刻式1)的解，e为mXk维噪声信号矩阵，为已知量；当矩阵A已知时，即可由 b求出脑磁逆问题的解X，也就是说求解式1)的逆问题即可得出所述源信号矩阵X，一般n 远大于m，由此根据式1)求解得出的源信号矩阵X不唯一，且矩阵A是病态的，其条件数，即 最大特征值与最小特征值之比很大，因此直接求逆不合适，通常转化为求解最小二次泛函 的问题，因此进入步骤3);
[0067]步骤3)构造双参数正则化代价函数，使得求解所述代价函数得出的解矩阵Xwt在 整个时段a内是所有解中能量最小，从而确定唯一解，且在解矩阵Xwt中相邻两个源信号列 向量的强度平滑变化，消除相邻两个解向量之间的过渡依然具有跳变性，避免解向量在时 域上不平滑和出现不规则震荡，使得源信号矩阵信号强度随时间的变化符合神经元定向传 导的性质，代价函数为：
[0068]
2)
[006引其中，Xwt为n X k维矩阵，等式右边第一项表示测量数据和估计数据的拟合项，第 二项为时域平滑约束项，采用广义交叉验证方法自动选取正则化参数A1和入2;
[0070] 步骤4)将求解式1)的脑磁逆问题转化为求解式2)的最小值问题，求解式2)得 到Xwt，Xwt中每一个元素表示某一时刻对应该位置处的源信号强度，将Xwt中每一列向量 中n个元素匹配到大脑皮层n个精确位置上，从而可W的在时段a上对n个位置确定的脑 磁源的信号强弱进行准确分析，n个精确位置上的脑磁源信号强度随时间的变化就可W重 建获知，也就是完成了脑磁源信号强弱在脑模型上的快速准确定位，任意时刻每个位置上 脑磁源信号的强度即可获知，从而可W对脑磁源信号进行重建并成像，得到源图像，重建的 脑磁源强度随时间的变化过程减弱了各个时刻脑磁源之间的跳变，保证了脑磁源在整个时 域上的平滑性，从而更加逼近真实的神经元传导性质。
[0071] 上述技术方案中，所述步骤1)中所述脑磁仪设置有m个采集通道，采集到的数据 在脑磁仪中经过去眼电、滤波和基线校准等预处理步骤后，即可得到所需的MEG信号。
[0072] 上述技术方案中，所述步骤2)中，采用边界元或有限元等方法结合所述头模型求 解正问题获取mXn维的所述引导场矩阵A，其反映MEG信号b与源信号矩阵X映射关系，本 实施例中采用的边界元方法。
[0073] 上述技术方案中，所述步骤3)中，根据在a时段内第w时刻的源信号解向量Xw 满足如下条件：Xw=Xi+Arii，Arii- 0,来构造所述时域平滑约束项，联合正则化参数 入2将所述时域平滑约束项构造成
。引入了时域平滑约束项，使得减弱了 噪声对源信号矩阵Xwt的影响，从而减弱了各个时刻脑磁源之间的跳变，保证了脑磁源在整 个时域上的平滑性。
[0074] 上述技术方案中，所述步骤3)中，采用广义交叉验证GCV方法确定式2)中的两个 正则化参数A1和A2,具体地，构造W下方程：
[00 巧]
3
[0076] 其中，k与m都为正整数，Ikm为单位矩阵，
通过遗传算法求式3)的最小值来 确定和A2,Ik和I为单位矩阵，运种自动方法实现了正则参数一次性的自动定位，使得 脑磁源定位更快更精确。
[0077] 上述技术方案中，还包括步骤5)，通过确定
巧应的单正则项的最优解 和
时应的单正则项的最优解而2在源信号矩阵中所占的比重求解式。， 从而得到Xcpt。
[0078] 具体求解方法为：
[0079] 先引用Kronecker积将式2)转化成如下形式：
[0084]
[0085] Qi= I，Q 2二L
[0086] 求解A对应的单正则项下的解：
j = 1,2
[0087]最后由W下方程得出所述解矩阵Xwt:
[0088]
[008引其中
j = l，2，r = 1，2。从而得出所述源信号解矩阵Xwt，求解过程更加简化方便，且源信号解矩阵Xwt更加逼 近真实的神经元传导性质，便于认知神经学、脑神经疾病的研究。
[0090]W下结合几个对比例来进一步说明本发明的脑磁源强度定位方法优于基于传统 MNE算法的脑磁源强度定位方法。
[0091] 为了利用分析和说明，采用电脑模拟的方式来更加清楚、准确地说明本发明相对 于传统定位方法的有益效果，具体对比方式如下：
[009引对比例1
[0093] 模拟148通道的脑磁图仪器，设定真实几何头模型内部共有7850个均匀分布的格 点，代表7850个源的位置，由正弦指数函数生成模拟两个仿真源信号，分辨率为1000化，时 长为40ms，且分别在第6ms和19ms处达到能量峰值，如图2 (a)所示，为模拟真实脑磁信号， 生成MEG仿真数据时，根据信噪比定义= 咬||a|/c=添加方差为0 2高斯白噪声，分别 得到4地~12地的MEG仿真数据，图2(b)所示为仿真的148通道6地测量信号波形图。
[0094] 在脑皮层选取两个活化位置，坐标分别为（-39. 4982, -36. 6656,56. 8917)和 (36. 0071，-18. 8000, 5