专利名称：一种去除脑电噪声的方法
技术领域：
一种去除脑电噪声的方法，属于生物信息技术领域，涉及一种脑电噪声的去除方法，主要应用于人脑功能及与人脑相关疾病的研究与诊断。
背景技术：
在对多道脑电记录信号进行深入的处理、分析前，有必要去除混入脑电信号中的噪声干扰。当前有很多种方法来消除脑电中的噪声，比较常用的有小波分解(Quiroga RQ 2000Obtaining single stimulus evoked potentials with wavelet denoising Phy.D145278-92.；Schiff SJ，Aldrouby A，Unser M，Sato S 1994 Fast wavelet transformationof EEG，Electr.Clin.Neurophysiol.91442-455.)、自适应滤波器(Benny SC，Hu Y，Lu W，Keith DK，Chang CQ，Qiu W，Francis HY 2005Multi-adaptive filtering techniquefor surface somatosensory evoked potentials processing Medical engineering &physics 27257-66.)、独立成分分析(Jung TP.，Makeig S.，McKeown MJ，Bell AJ，LeeTW，Sejnowski TJ 2001 Imaging brain dynamics using independent component analysisProc IEEE 89 1107-1122.)、主成分分析及带通滤波等方法。
以上方法的信号模型一般为Y＝S+ε，其中Y为观测原始信号，S为没有噪声污染的信号，ε为记录中引入的噪声。这些方法大都是从信号处理层面来考虑噪声去除，没有考虑到大脑的生理特性及其个体差异，是和人体生理特性无关(physiology free)的去噪方法。这类方法是建立在信号与噪声的统计或成分等特性差异上，而这种差异有时是不明显的，从而影响了信噪分离的效果，得到的分离结果可能与生理实际不符。本技术强调有用的信号都来自大脑内部，因此可利用大脑的解剖特性，且考虑到人的大脑解剖结构存在个体差异，因此建议使用真实头模型。采用这种思路分离出来的信号具有明显的生理相关性。本技术不排斥现有的滤波方法，即在应用本技术后，可根据情况，进一步应用现有的其它的滤波方法进行处理。
发明内容
本发明提供一种基于个体生理差异约束的空间脑电噪声去除方法，通过把个体的差异考虑到噪声去除的过程中，能获得更加符合脑电生理条件的去噪结果。
基于头模型去噪原理在本方法中，设头表观测到的多道记录脑电信号为
Y＝AX+ε(1)其中Y是从头部表层利用多道记录电极检测到的电位信号，为M×T的矩阵；A是维数为M×N的传递矩阵，X是人脑内部活动源信息矩阵，维数为N×T，ε是在记录中引入的与传递矩阵不相关的噪声信号。在当前的脑电研究中，A通常是通过磁功能成像技术(MRI)/计算机断层成像技术(CT)对人脑进行扫描所获取的实际影像信息，利用偶极子模型(或其它等效脑电源模型，如点电荷等)进行数值计算获得。在记录中存在的噪声对脑电研究和分析有很大的影响，在对脑电进行深入分析前，有必要进行前期滤波预处理以减小或消除噪声ε的影响。当前的滤波方法大多数仅仅是从信号处理层面上考虑，比如说如果选择小波来滤波，则对所有的实验对象数据，都采用同样的小波基来分解，而小波基不一定能很好的刻画所有个体脑电的生理特征。同时，人的脑电信号因个体不同具有很大的生理差异性，为了获得合理的结果，在处理过程中有必要把生理特性考虑进去。传递矩阵A是对人脑神经电生理活动特性的一个线性近似刻画，它的一列表示在对应位置上放置单位源时在头表产生的电位空间分布，所以传递矩阵在一定程度上反映脑电的空间分布生理特性。从(1)式可以看出t时刻的观测电位Yt可以表示为，Yt＝AXt+εt，1≤t≤T(2)其中Xt为在t时刻时脑内电活动源的分布，εt为在t时刻记录中的噪声。(2)式表示的方程可以通过多种脑电源反演定位方法(脑电逆问题方法)，求解获得该时刻Xt的分布。由于反演是在有个体差异的A的约束下进行的，Xt的估计结果Xt是满足这种约束的，因而符合人的生理特性，代表了脑内源的信息，而测量时引入的噪声εt则因不满足A的约束而受到抑制。所以，再经过脑电正演模型计算Yt＝AXt，就可以恢复源在头表产生的去除了外界噪声影响后的电位。
本发明详细技术方案为一种去除脑电噪声的方法，包括以下步骤步骤1.确定传递矩阵A，包括以下分步骤1)、对待测对象的头部进行MRI或CT扫描，获取头部解剖结构的影像信息；2)、提取步骤1)所得的影像信息中的大脑部分，然后对大脑分割，再提取大脑部分的源功能区(主要包括灰质、海马、小脑等部位)；3)、以一定精度的网格将步骤2)所得的脑源功能区进行剖分，确定解空间网格(包括解空间的维数和各个网格的空间位置序号)；4)、确定多道脑电信号记录系统各个电极的空间位置信息；5)、确定脑电源的模型6)、利用步骤3)到步骤5)中确定的解空间网格、电极位置信息和脑电源模型，利用正演方法计算传递矩阵A，具体方法如下在每个解空间位置上放置单位的源，利用数值计算方法计算该单位源在电极位置处产生的电位分布，该电位分布构成传递矩阵中的一列，以此类推，当把所有解空间遍历放置单位源后，就可以获得传递矩阵A；步骤2. 通过多道脑电信号记录系统获取实际记录的脑电信号Y，通常是在设计的一定试验刺激下，获取刺激响应电位；步骤3. 脑电逆问题求解，获得等效源分布X的估计值X即对于Yt＝AXt+εt，1≤t≤T，以某一时刻的观测值Yt来确定该时刻的脑内源的分布Xt的估计值 对不同时刻的观测值Yt，进行上述的逆问题求解，获得该观测时间段内的估计等效源分布矩阵X。
步骤4. 正演计算，利用估计的等效源分布X获得观测时间段内去除噪声后的电位空域估计结果YY＝AX。
上述方案中，步骤1.的步骤3)中所述的一定精度的网格，综合考虑计算精度和效率，一般取10mm/格；步骤1.的步骤4)中所述的多道脑电信号记录系统可以是标准的32道、64道、128道及256道电极的脑电信号记录系统；步骤1.的步骤5)中所述的脑电源模型通常为点电荷模型或偶极子模型；步骤1.的步骤6)中所述的数值计算方法可以是边界元算法或有限元算法；步骤3.中所述脑电逆问题的求解方法有很多，比如低分辨层析成像方法、FOCUSS方法、lp(p≤1)稀疏解、最小模解、子空间分解及加权最优分辨解等(尧德中.脑功能探测的电学理论与方法。北京科学出版社，2003，195-243)，这些方法在对X进行估计时，综合利用了传递矩阵的生理约束和正则化等技术，能去除噪声的影响，获得源分布X的估计结果X。
本发明的有益效果相比较以前的方法而言，该方法主要有以下的优点1. 利用实际MRI/CT影像信息(真实头模型)计算传递矩阵，通过传递矩阵将个体生理差异考虑到去噪过程；2. 利用脑电逆问题计算获得受个体生理约束的等效脑内源分布；3. 脑电正演模型作用，获得去除噪声干扰后的头表电位分布。
图1本发明所述的一种去除脑电噪声的方法的流程图。
图2一段真实脑电信号的去噪结果的脑电数据的俯视地形图对比(300ms-340ms时段)图。
图3一段真实脑电信号的去噪结果的脑电数据的俯视地形图对比(344ms-380ms时段)图。
具体实施例方式
在以下两个实施方式中，正演采用边界元(Boundary Elements Method，BEM)，头模型用MRI图象生成。反演采用lp(p＝1)模线性稀疏反演方法。我们对一模拟信号和真实记录的一段脑电信号进行了去噪，并和通常采用的小波去噪结果进行了对比，有如下的结果。
具体实施方式
一—模拟去噪结果方法真实头模型下，通过扫描获得的MRI头模型，把偶极子源活动位置限定在大脑的灰质、海马及其他可能源活动部分，通过10mm网格剖分离散成910个位置，采用标准128道电极系统，计算获得传递矩阵A。在34个固定网格剖分位置(是一个片状区域的分布源)放置矩固定的偶极子源来模拟某一时刻产生的头表记录电位，给其施加不同水平的高斯噪声，在本工作中涉及到的噪声水平是指噪声和信号的能量比值。分别利用基于头模型的去噪方法和小波(在本实验中采用Symmlet小波进行5级分解)去噪方法对混合有噪声的该模拟时刻信号做去噪处理，同时对两种方法的去噪处理结果，分别计算了其和原始信号的相关系数(CC)及相对误差(RE)，结果显示在下表1中。
表1 不同噪声水平下的相关系数(CC)和相对误差(RE)
从对模拟数据不同噪声水平上的去噪结果的定量分析比较中，可以看出基于真实头模型的去噪方法明显优于以小波为代表的不受生理约束的去噪方法。
具体实施方式
二—对一段真实脑电信号的去噪结果方法在视觉和听觉双通路同步检测实验中，以oddball为刺激模式，在250HZ的采样率下获取128道脑电数据，每道数据对应着211次刺激，每次刺激对应着1.2s的脑电数据，选取第35次刺激相应段内300ms~400ms间的一段数据进行基于头模型的分解去噪实验。在进行处理前根据实际测得的电极坐标，把128个电极在真实头模型上进行配准后，用和模拟实验中相似的方式计算传递矩阵A。对处理前后数据的脑电数据的地形图进行比较，结果显示在图2、3中。
对该oddball刺激数据，在地形图中，脑电能量应该主要集中在枕叶(Occipital)部分，从滤波后的结果可以看出在数据经过基于真实头模型的方法滤波后，散落于其他区域的噪声被有效的消除，信号能量主要集中在枕叶(Occipital)部分。和小波的去噪结果相比较，基于真实头模型方法的滤波结果的地形图比较平滑和清晰，更加符合脑电的生理特性依据头表电位分布是源产生的电位经过颅骨等低通滤波后的结果，应该是平滑的。
权利要求
1.一种去除脑电噪声的方法，其特征是包括以下步骤步骤1.确定传递矩阵A，包括以下分步骤1)、对待测对象的头部进行MRI或CT扫描，获取头部解剖结构的影像信息；2)、提取步骤1)所得的影像信息中的大脑部分，然后对大脑分割，再提取大脑部分的源功能区(主要包括灰质、海马、小脑等部位)；3)、以一定精度的网格将步骤2)所得的脑源功能区进行剖分，确定解空间网格(包括解空间的维数和各个网格的空间位置序号)；4)、确定多道脑电信号记录系统各个电极的空间位置信息；5)、确定脑电源的模型；6)、利用步骤3)到步骤5)中确定的解空间网格、电极位置信息和脑电源模型，利用正演方法计算传递矩阵A，具体方法如下在每个解空间位置上放置单位的源，利用数值计算方法计算该单位源在电极位置处产生的电位分布，该电位分布构成传递矩阵中的一列，以此类推，当把所有解空间遍历放置单位源后，就可以获得传递矩阵A；步骤2.通过多道脑电信号探测系统获取实际记录的脑电信号Y，通常是在设计的一定试验刺激下，获取刺激响应电位；步骤3. 脑电逆问题求解，获得等效源分布X的估计值X即对于Yt＝AXt+εt， 1≤t≤T，以某一时刻的观测值Yt来确定该时刻的脑内源的分布Xt的估计值 。对不同时刻的观测值Yt，进行上述的逆问题求解，获得该观测时间段内的估计等效源分布矩阵X。步骤4.正演计算，利用估计的等效源分布X获得观测时间段内去除噪声后的电位空域估计结果Y∶Y＝AX。
2.根据权利要求1所述的一种去除脑电噪声的方法，其特征是，步骤1.的步骤3)中所述的一定精度的网格，综合考虑计算精度和效率，一般取10mm/格。
3.根据权利要求2所述的一种去除脑电噪声的方法，其特征是，步骤1.的步骤4)中所述的多道脑电信号记录系统可以是标准32道电极的脑电信号记录系统、标准64道电极的脑电信号记录系统或标准128道电极的脑电信号记录系统等。
4.根据权利要求1所述的一种去除脑电噪声的方法，其特征是，步骤1.的步骤5)中所述的脑电源模型通常为点电荷模型或偶极子模型。
5.根据权利要求4所述的一种去除脑电噪声的方法，其特征是，步骤1.的步骤6)中所述的数值计算方法可以是边界元算法或有限元算法。
6.根据权利要求1所述的一种去除脑电噪声的方法，其特征是，步骤3.中所述脑电逆问题的求解方法有很多，比如低分辨层析成像方法、FOCUSS方法、lP(P≤1)稀疏解、最小模解、子空间分解及加权最优分辨解等，这些方法在对X进行估计时，综合利用了传递矩阵的生理的束和正则化等技术，能去除噪声的影响，获得源分布X的估计结果X。
全文摘要
一种去除脑电噪声的方法，属于生物信息技术领域，涉及一种脑电噪声的去除方法，主要应用于人脑功能及与人脑相关疾病的研究与诊断。包括确定传递矩阵A；通过多道脑电信号探测系统获取实际记录的脑电信号Y；脑电逆问题求解，获得等效源分布X估计值X；正演计算，利用估计的等效源分布X获得该时刻去除噪声后的电位估计结果Y＝AX。相比较以前的方法而言，该方法主要有以下的优点1.利用实际MRI/CT影像信息(真实头模型)计算传递矩阵，通过传递矩阵将个体生理差异考虑到去噪过程；2.利用脑电逆问题计算获得受个体生理约束的等效脑内源分布；3.脑电正演模型作用，获得去除噪声干扰后的头表电位分布。
文档编号A61B5/0476GK1792324SQ20051002194
公开日2006年6月28日 申请日期2005年10月26日 优先权日2005年10月26日
发明者尧德中, 徐鹏 申请人:电子科技大学