【技术实现步骤摘要】
一种同步EEG
‑
fMRI脑电信号去BCG伪迹方法
[0001]本专利技术涉及脑电信号预处理领域,具体涉及一种基于深度学习的去除同步EEG
‑
fMRI采集的脑电信号中BCG伪迹的方法。
技术介绍
[0002]随着脑科学研究的发展,脑电信号(EEG)与功能磁共振成像(fMRI)的结合引起了广泛的关注和研究。脑电信号对大脑神经放电活动进行直接测量,具有毫秒级的时间分辨率;而功能磁共振成像通过测量大脑血氧水平变化的方法间接测量大脑活动,具有毫米级的空间分辨率。EEG与fMRI在时空分辨率上的互补性,使得同步EEG
‑
fMRI能够为脑功能研究提供更为深入和全面的信息。
[0003]进行同步EEG
‑
fMRI研究首先面临的就是伪迹去除问题,其中EEG采集系统向fMRI信号引入的伪迹较小,不会显著影响fMRI成像质量;而核磁扫描系统则会向EEG信号中引入严重的伪迹,主要有以下三种:
[0004]1.脉冲伪迹(PA):它是由脉冲射频引起的,其噪声频率与EEG信号的频率差异很大,一般使用70Hz的低通滤波即可去除。
[0005]2.梯度伪迹(GA):它是在fMRI采集期间磁场切换引发的周期性伪迹,这些伪迹的幅度比EEG信号的幅度大10
‑
100倍,而且因为其自身的时移不变性,可以用模板法将其从EEG信号中去除。
[0006]3.心冲击伪迹(BCG伪迹):它是在高强度的磁场条件下,由心跳引起的微小头动、头部血管随心 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种同步EEG
‑
fMRI脑电信号去BCG伪迹方法,其特征在于包括以下步骤:步骤(1)、分别采集在普通环境和核磁共振环境下的睁眼、闭眼状态多通道头皮脑电信号;步骤(2)、脑电信号预处理;步骤(3)、对预处理后脑电信号进行数据分割,构建睁眼和闭眼状态数据集,每个数据集包括普通坏境下脑电信号A和磁扫描仪环境下脑电信号B;步骤(4)、利用上述睁眼和闭眼状态数据集分别进行去除BCG伪迹的睁眼网络模型和闭眼网络模型训练;所述去除BCG伪迹的睁眼网络模型和闭眼网络模型均采用基于CycleGAN网络架构模型BCGGAN;BCGGAN包括CycleGAN、自编码器约束、中间特征约束;所述的CycleGAN包括两个生成器以及两个判别器;每个生成器包括下采样子模块、第一特征提取子模块、中间特征提取子模块、第二特征提取子模块、上采样子模块;生成器G1中的下采样子模块、生成器G2中的上采样子模块拼接成自编码器AE
A
;生成器G2中的下采样子模块、生成器G1中的上采样子模块拼接成自编码器AE
B
;两个生成器中脑电信号经过下采样子模块、第一特征提取子模块、中间特征提取子模块输出中间特征值A1、B1至中间特征约束;普通坏境下脑电信号A经生成器G1得到B
′
,再输入至生成器G2,经生成器G2下采样子模块、第一特征提取子模块、中间特征提取子模块输出中间特征值B
′
1至中间特征约束;磁扫描仪环境下脑电信号B经生成器G2得到A
′
,再输入至生成器G1,经生成器G1下采样子模块、第一特征提取子模块、中间特征提取子模块输出中间特征值A
′
1至中间特征约束;中间特征约束用于进一步提取中间特征值A1、B1、B
′
1、A
′
1更为有用的任务状态相关特征;步骤5、使用训练好的模型中生成器G2以实现磁扫描仪环境下的EEG信号去除BCG伪迹。2.根据权利要求1所述的一种同步EEG
‑
fMRI脑电信号去BCG伪迹方法,其特征在于步骤(1)所述的多通道头皮脑电信号的通道是Fp1、Fp2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T7、T8、P7、P8、Fz、Cz、Pz、Oz、FC1、FC2、CP1、CP2、FC5、FC6、CP5、CP6、A1、A2。3.根据权利要求1所述的一种同步EEG
‑
fMRI脑电信号去BCG伪迹方法,其特征在于步骤(3)对预处理后脑电信号分别进行切片,以T为时间窗口进行滑窗操作,得到一系列大小为C*L的脑电信号片段,其中L=T*w,C为通道数,L为数据长度,w为采样频率;然后将上述切片后的脑电信号片段构建睁眼和闭眼状态数据集,每个数据集包括普通坏境下脑电信号A和磁扫描仪环境下脑电信号B。4.根据权利要求1所述的一种同步EEG
‑
fMRI脑电信号去BCG伪迹方法,其特征在于基于CycleGAN网络架构模型BCGGAN中所述的两个生成器包括用于普通坏境下的脑电信号A转化至磁扫描仪环境下的脑电信号B
′
的生成器G1,即B
技术研发人员:林广,任彬,刘予晞,张建海,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。