一种基于LSTM的脑电信号源定位方法技术

本发明专利技术公开一种基于LSTM的脑电信号源定位方法，包括以下步骤：步骤(1)、模拟脑电数据生成；步骤(2)基LSTM的定位模型构建、步骤(3)、模拟脑电数据训练定位模型；步骤(4)、真实脑电数据预处理；步骤(5)、针对真实脑电数据的信号源定位。采用本发明专利技术技术方案，可以根据采集的脑电信号推测出信号源在颅内位置。

【技术实现步骤摘要】
一种基于LSTM的脑电信号源定位方法
本专利技术属于脑电信号处理领域，尤其涉及一种基于LSTM的脑电信号源定位方法，为根据脑电数据推测颅内神经元的活动提供技术手段。
技术介绍
脑电信号(Electroencephalograph，EEG)是通过头皮覆盖电极和导电介质采集到的大脑神经元细胞的放电情况，是一种非常流行的非侵入式检测人类大脑活动的技术，它具有毫秒级别的瞬时分辨率等特点，已被广泛用于大脑网络和脑机接口等研究，成为研究脑科学的一种重要手段。脑电信号是颅内神经元集群动作电位的综合表现，通过头皮脑电(EEG)来重建颅内神经元的活动被称为EEG源成像问题，主要涉及信号源特征重建和信号源位置定位这两类问题。信号源位置定位已成为非常热门的研究领域，已被应用于如癫痫等多种疾病的临床诊断和治疗中。现有的脑电源定位方法一般都是求解脑模型传导方程来解出脑电源位置和特征的数值解，而脑模型传导方程是个偏微分方程，在有限的信号测量次数下，该方程并没有唯一解，导致脑电信号源定位问题成为非常棘手的为题。通过对传导方程添加额外的约束条件成为求解这类问题的主流方案，常用的约束条件主要有L1范数、L2范数和贝叶本文档来自技高网...

【技术保护点】
1.一种基于LSTM的脑电信号源定位方法，其特征在于，包括以下步骤：步骤1：模拟脑电数据生成通过Fieldtrip工具包生成模拟脑电数据，采用标准头模型的MRI图像和标准BIOSEMI‑128脑电系统生成头皮脑电信号；步骤2：基LSTM的定位模型构建1)利用贝叶斯模型建模脑电信号源定位对于脑电逆问题，根据贝叶斯建模，神经活动的重建可以表示为计算条件概率分布P(st|lt‑m，lt‑m+1，…，lt)，根据先验概率公式，源活动st在观测信号lt‑m，lt‑m+1，…，lt下的分布可以表示为：

【技术特征摘要】
1.一种基于LSTM的脑电信号源定位方法，其特征在于，包括以下步骤：步骤1：模拟脑电数据生成通过Fieldtrip工具包生成模拟脑电数据，采用标准头模型的MRI图像和标准BIOSEMI-128脑电系统生成头皮脑电信号；步骤2：基LSTM的定位模型构建1)利用贝叶斯模型建模脑电信号源定位对于脑电逆问题，根据贝叶斯建模，神经活动的重建可以表示为计算条件概率分布P(st|lt-m，lt-m+1，…，lt)，根据先验概率公式，源活动st在观测信号lt-m，lt-m+1，…，lt下的分布可以表示为：P(lt-m，lt-m+1，…，lt|st)表示在源活动st的条件下，头皮脑电信号的观测值；P(st)和P(lt-m，lt-m+1，…，lt)分别可表示空间和时间上的先验分布；2)基于LSTM的定位模型构建采用由两个LSTM组成的深度神经网络回归模型，其网络包含两个通路，头皮脑电编码和源信号解码，分别从头皮信号和源信号提取时空隐含的位置信息和位置表达的结构，对于头皮信号的编码部分，LSTM网络与不同电极间的连接和不同时刻隐含层的连接可以对于头皮脑电中的空间和时间关系分别编码，对于源信号解码部分，网络将编码得到的隐含位置信息按照目标的源信息的形式进行解码，其中，假设输入的头皮脑电信号序列为lt，t＝1，…，T，每个时刻的输入包含d个不同电极获得的信号，LSTM网络提取到的时空隐含关系保存在隐含层中并传递给解码网络，每个时刻，隐含层节点与当前时刻的头皮脑电输入连接且和上一时刻隐含层的节点相连，LSTM单元的结构，隐含层状态ht可表示如下：ft＝σ(Wf·[ht-1，xt]+bf)it＝σ(Wi·[ht-1，xt]+bi)ot＝σ(Wo·[ht-1，xt]+bo)ht＝ot*tanh(Ct)其中，it是输入门，用来模拟将输入信号中的信息选择性地记录在隐含状态的过程；ft是遗忘门，用来模拟将隐含状态中的部分信息选择性地遗忘的过程；ot是输出门，用来模拟将上个隐含状态的信息选择性地输出给下个隐含状态的过程；gt是输入调制门，是对输入信号的变换的过程；ct是记忆单元；ht是隐含单元，其中提取了脑电信号的时空隐含位置信息。δ(·)和φ(·)分别是非线性Sigmoid函数和双曲正切函数；W表示下标对应的层和门之间的权重矩...

【专利技术属性】
技术研发人员：段立娟，徐凡，崔嵩，乔元华，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11