基于传感器阵列分解和波束成形的脑磁图源定位装置制造方法及图纸

本发明专利技术公开了一种基于传感器阵列分解和波束成形的脑磁图深度源定位装置，包括脑磁图传感器和定位单元，定位单元包括传感器阵列的迭代分解模块、向量波束成形估计器模块和深度源定位计算模块，传感器阵列的迭代分解模块应用迭代CP(CANDECOMP/PARAFAC)矩阵分解方法重构MEG传感器阵列信号；的向量波束成形估计器模块应用重构后的传感器阵列信号和样本的二阶统计量来估计总体的协方差矩阵；深度源定位计算模块应用投影向量的方差最小优化准则来估计深脑源的位置，本发明专利技术的技术方案受传感器信号噪声和干扰的影响小，对于深度源的定位精度很高，能较好地改进寻找颞叶内侧起源的癫痫患者的病灶区。

MEG source localization sensor array and beam forming device based on decomposition

The invention discloses a device for MEG source localization and depth sensor array decomposition based on beamforming, including MEG sensors and positioning unit, the iterative positioning unit includes a sensor array, the beamforming vector decomposition module and depth estimator module source location calculation module, sensor array module using iterative decomposition iterative (CP CANDECOMP/PARAFAC) matrix decomposition method to reconstruct MEG sensor array signal; two order statistics forming sensor array signal and the sample estimator module after applying the reconstructed vector beam to estimate the covariance matrix of the overall variance; minimum optimization criterion module using projection vector calculation to estimate the depth of localization of deep brain source location, influence of the technical scheme of the invention the sensor signal noise and interference is small, the depth of source for positioning accuracy is very high, can To improve the focus area of the epileptic patients who are looking for the origin of the medial temporal lobe.

【技术实现步骤摘要】
基于传感器阵列分解和波束成形的脑磁图源定位装置
本专利技术属于生物医学信息领域中的成像技术和医学神经病学的病灶区定位的交叉
，尤其是涉及一种基于传感器阵列分解和波束成形的脑磁图源定位装置。
技术介绍
脑磁图是一种具有很高的时间分辨率和空间分辨率的功能性神经成像技术，且传感器获取的信号几乎不受头盖骨和头皮干扰的影响。因而利用这种高质量的传感器信号来反推大脑中信号源的位置，这一源定位装置和方法已广泛应用认知神经科学和神经病学等多个领域，其中一个非常重要的应用就是寻找癫痫患者的致痫灶。据现有资料显示，目前脑磁图在新皮层癫痫患者的定位中已取得较好的效果，然而，对于颞叶内侧或岛叶病灶区的癫痫患者来说，脑磁图的源定位方法几乎很难找到准确位置。脑磁图的深度源定位一直以来成为关注的焦点，也是尚未突破的技术难点。近十多年来，已经有很多源定位方法被提出，其中波束成形方法为解决该问题的一类有效的方法。该类方法之所以有非常好的定位效果，主要应用到协方差矩阵估计和投影后向量的最小方差优化准则，然而利用原有传感器数据进行方差估计存着受噪声干扰等弊端。主要是由于大脑深部或较深部的源发出的信号被外部传感器接收本文档来自技高网...

【技术保护点】
一种基于传感器阵列分解和波束成形的脑磁图源定位装置，其特征在于，包括脑磁图传感器和定位单元，所述的定位单元包括传感器阵列的迭代分解模块、向量波束成形估计器模块和源定位计算模块，所述的传感器阵列的迭代分解模块应用迭代CP(CANDECOMP/PARAFAC)矩阵分解方法重构MEG传感器阵列信号；所述的向量波束成形估计器模块应用重构后的传感器阵列信号和样本的二阶统计量来估计总体的协方差矩阵；所述的源定位计算模块应用投影向量的方差最小优化准则来估计不同脑区的疾病病灶或功能区/功能亚区的源的位置；优选的，所述的基于传感器阵列分解和波束成形的脑磁图源定位装置为基于传感器阵列分解和波束成形的脑磁图源深度源...

【技术特征摘要】
1.一种基于传感器阵列分解和波束成形的脑磁图源定位装置，其特征在于，包括脑磁图传感器和定位单元，所述的定位单元包括传感器阵列的迭代分解模块、向量波束成形估计器模块和源定位计算模块，所述的传感器阵列的迭代分解模块应用迭代CP(CANDECOMP/PARAFAC)矩阵分解方法重构MEG传感器阵列信号；所述的向量波束成形估计器模块应用重构后的传感器阵列信号和样本的二阶统计量来估计总体的协方差矩阵；所述的源定位计算模块应用投影向量的方差最小优化准则来估计不同脑区的疾病病灶或功能区/功能亚区的源的位置；优选的，所述的基于传感器阵列分解和波束成形的脑磁图源定位装置为基于传感器阵列分解和波束成形的脑磁图源深度源定位装置。2.权利要求1所述的一种基于传感器阵列分解和波束成形的脑磁图源定位装置，其特征在于，还包括验证模块，所述的验证模块在仿真数据和真实的癫痫数据上验证定位的准确性。3.权利要求1或2所述的一种基于传感器阵列分解和波束成形的脑磁图源定位装置，其特征在于，所述定位装置利用脑磁图传感器采集得到脑磁图传感器信号，并记为X＝[x1，x2，...，xM]，所述的定位单元根据传感器信号X来反推出源信号的位置，即反问题求解，该脑磁图传感器信号的反问题解模型表示为公式(1)：X＝LD+ε(1)其中以xi表示在第i时刻点的MEG传感器测量值，xi为N×1向量，N为传感器数目，L表示N×J的前向解获得矩阵(lead-fieldmatrix)，J表示未知的偶极子矩参数，D是一个在给定时间序列上的J×M偶极子矩阵，ε表示N×M的噪声矩阵，反问题求解过程即为根据已知的传感器阵列信号X求出解D；优选的，所述的传感器阵列的迭代分解模块对MEG传感器阵列信号进行如下重构处理：应用秩1的矩阵分解将信号从一个空间投影到另一个空间，具体如公式(2)和公式(3)描述，将一个原信号矩阵近似分解为R个秩1矩阵之和：X≈K1+K2+K3+...+KR(2)其中R是一个正整数，以Ki表示第i个秩1矩阵，即该式表示为一个原信号矩阵近似分解为R个秩1矩阵之和，以ti表示第i个分数向量，以pi表示第i个加载向量，每个秩1矩阵可以进一步表示为分数向量ti和加载向量pi的外积，其表示形式见公式(3)：其中符号表示外积算子，ti和pi为两个列向量，T表示矩阵或向量的转置，具体的迭代过程描述如下：1)取原阵列信号的某一个列向量xi作为分数向量t的初始值：tstart＝xi；2)归一化该向量的能量为1：tnew＝tstart/‖tstart‖；3)计算一个新的加载向量pold：pold＝XTt；此处的t为分数向量；4)归一化该加载向量的能量为1：pnew＝pold/‖pold‖，此处的pold等于步骤3)中的pold；5)计算一个新的分数向量told:told＝Xpnew，此处的pnew等于步骤4)中的pnew；6)归一化该新的分数向量的能量为1：t’new＝told/‖told‖，此处的told等于步骤5)中的told；7)比较步骤6)计算出的新分数向量t’new与第2)步的分数向量tnew，若收敛，则转到步骤8)，若不收敛，则转到步骤3)继续计算直到收敛；8)计算残差矩阵E:E＝X-t’newpnewT，且R的值由残差矩阵E的范数决定，即当‖E‖>0.1，继续，当‖E‖≦0.1，重新计算；通过上述步骤的计算，由每一步得到的t’new得出原阵列信号的本质特征T，并重构出新的传感器阵列信号优选的，所述的向量波束成形估计器模块应用重构后的传感器阵列信号和样本的二阶统计量进行如下处理以估计总体的协方差矩阵：采用样本的二阶中心矩来估计总体协方差矩阵，具体的表达形式见公式(4)和(5)：其中公式(5)为样本均值，应用迭代的CP分解重构出的传感器阵列矩阵来替换公式(4)中的阵列矩阵X。给出向量波束成形估计器的目标函数如下：且WL(r0)＝1(6)其中E(·)表示期望算子，W为权值矩阵，r0表示所有体素中的任意一个；采用方差最小化得到优化后的权值矩阵W，优化后的结果如公式(7)：其中W(r)表示r位置处的投影矩阵，(·)-1表示逆算子，表示重构传感器阵列的协方差矩阵，L(r)表示r位置处的前向解；根据公式(8)计算出每个位置处的能量值，并根据所有位置点处能量值找出源的位置；其中Pow(r)表示位置r处的能量值，tr{·}表示迹算子。4.权利要求1或2所述的一种基于传感器阵列分解和波束成形的脑磁图源定位装置，其特征在于，所述的定位单元根据脑磁图传感器采集到的脑磁图传感器信号进行如下处理：(1)前向解计算：1)基于一个单壳(singleshell)近似的皮层约束下，构建出容积传导模型V；2)基于皮层约束下计算引导场(leadfield)矩阵L；3)在第i个体素点上定位引导场矩阵Li；(2)脑磁图传感器阵列分解：4)挑选出第k个时间序列Xk，该时间序列包含棘波；5)利用上述迭代的CP分解算法将数据矩阵Xk分解为分数矩阵Tk和加载矩阵Pk；6)重构传感器阵列矩阵；(3)反问题求解：7)利用公式(4)估计协方差矩阵；8)基于公式(7)获得r位置处的优化权值矩阵Wk(r)；9)利用公式(8)计算r...

【专利技术属性】
技术研发人员：张冀聪，胡业刚，
申请(专利权)人：北京航空航天大学，北京航空航天大学合肥创新研究院，
类型：发明
国别省市：北京,11