本发明专利技术提供一种信号空间分离滤波器的参数的优化方法及系统、SERF磁强计脑磁信号预处理降噪方法及系统以及非瞬时性的存储介质和计算机仿真装置。本发明专利技术使用数字化设备获取每个SERF传感器空间位置，相对于传感器的空间位置，在适合的空间点添加仿真信号，使用仿真信号进行针对该传感器阵列布局的最佳信号空间分离滤波器的参数优化。由此，在使用优化后的参数进行真实脑磁信号处理的情况下，能够在不对信号做任何先验假设的前提下，自动对SERF磁强计采集到的脑磁信号进行空间降噪，最大化保留脑磁信号，并强化诱发响应，进行更精确的源定位。定位。定位。
【技术实现步骤摘要】
一种SERF磁强计脑磁信号预处理降噪方法
[0001]本专利技术涉及一种信号空间分离滤波器的参数的优化方法、信号空间分离滤波器的参数的优化系统、SERF磁强计脑磁信号预处理降噪方法、SERF磁强计脑磁信号预处理降噪系统、非瞬时性的存储介质以及计算机仿真装置。
技术介绍
[0002]大脑是人最重要的器官，可能出现某些神经元退行性疾病、例如自闭症、阿尔兹海默症以及帕金森氏病等，这些疾病通常不能被传统的医学影像的方法所检测。脑磁图（Magnetoencephalography， MEG）是一种功能性神经影像学技术，通过使用非常灵敏的磁强计记录由大脑自然产生的电流所产生的磁场，从而通过绘制磁场图以及进行磁场源定位等手段来探知脑疾病以及脑功能状态。MEG的应用包括对大脑认知的基础研究、在手术之前确定病灶区域、以及探知大脑各区域的功能及各区域联通的状态。目前常见的脑磁测量装置有超导量子干涉仪(superconducting quantum interference device，SQUID）和无自旋交换碰撞弛豫（Spin
‑
Exchange Relaxation
‑
Free，SERF）磁强计（亦称磁力计）。
[0003]目前基于SERF磁强计的脑磁测量手段已经成为新的研究趋势，其小型化、可移动性、灵敏度高以及无需维护成本等特点为大脑的探知带来了更多的便利以及可探索空间。但是，使用SERF磁强计采集到的脑磁信号非常微弱，通常只有几百fT（毫微微特斯拉（femto
‑
tesla）），测量所得的脑磁信号中通常包含有大量的心跳、眼动、肌肉活动等生物伪影、以及地磁场、电线、磁性物质运动等非生物伪影。如何获得高信噪比的MEG信号以及评估MEG信号质量，是探究大脑活动的前提保证。
[0004]针对SQUID设备的信号预处理技术已经成熟，例如具有信号空间分离（例如参照非专利文献1）、信号空间投影（例如参照非专利文献2）、独立成分分析（例如参照非专利文献3）等方法。
[0005]目前对于SERF磁强计采集的脑磁信号，通常只使用带通滤波以及独立成分分析，前者作为常规信号预处理技术存在很多局限性。后者需要人工挑选分离出来的噪声成分，需要有经验的实验人员进行处理，耗时耗力，且目前针对SERF磁强计的去噪方法大部分是手动或者半自动方法。
[0006]而且，目前SERF磁强计脑磁去噪方案还不十分完善，通常的去噪方法有回归算法（例如参照非专利文献4）、独立成分分析以及自适应滤波（例如参照非专利文献5）等简单的基于数据驱动的方法。这些方法基于多个通道信号之间的关联性，也即是通常基于脑磁信号时域或者频域信号的相关性，需要提出先验假设，去除某些采集通道中共有的具有相关性的噪声，或者制作高质量的噪声模板进行去噪。但是，提出某些先验假设通常会将MEG信号过度滤除。另外，噪声模板不易制作且可能与采集信号不匹配。这些方法可能造成目标MEG信号丢失。
[0007]传统的信号空间分离滤波方案依赖于传感器的位置，只成功应用于SQUID的磁测量设备，不能实现任意磁测量设备和任意传感器排布的空间滤波。使用局限性很大。
[0008]现有技术文献：非专利文献1：TauluS ,Kajola M , Simola J . Suppression of Interference and Artifacts by the Signal Space Separation Method[J]. Brain Topography, 2004, 16(4):269
‑
275。
[0009]非专利文献2：Tesche C D ,Uusitalo M A , Ilmoniemi R J , et al. Signal
‑
space projections of MEG data characterize both distributed and well
‑
localized neuronal sources.[J]. Electroencephalogr Clin Neurophysiol, 1995, 95(3):189
‑
200。
[0010]非专利文献3：H
é
rault, J. and B. Ans.
ꢀ“
R
é
seau de neurones
ꢀàꢀ
synapses modifiables: d
é
codage de messages sensoriels composites par apprentissage non supervis
éꢀ
et permanent.
”ꢀ
(1984) 。
[0011]非专利文献4：Croft and r. j. Barry, EOG correction: A new perspective Electroencephalogr: Clin. Neurophysiol., voL. 107, no. 6, pp. 387
‑
394,1998。
[0012]非专利文献5：Widrow, Bernard, Stearns, &SamuelD. (2008). Adaptive signal processing. Prentice
‑
Hall。
[0013]非专利文献6：Fonov, V.S., et al., Unbiased nonlinear average age
‑
appropriate brain templates from birth to adulthood. NeuroImage, 2009(47): p. S102。
技术实现思路
[0014]本专利技术要解决的技术问题本专利技术是鉴于上述问题而完成的，目的在于提供一种SERF磁强计脑磁信号预处理降噪方法，其使用信号空间分离算法对多通道SERF磁强计进行信号降噪，信号空间分离算法能将距离传感器较远的信号源屏蔽以达到空间滤波效果。本专利技术还旨在使用最优化算法寻找最优信号空间分离滤波器的参数，在不对信号做任何先验假设的前提下，自动对SERF磁强计采集到的脑磁信号进行空间降噪，最大化保留脑磁信号，并强化诱发响应，进行更精确的源定位。
[0015]用于解决技术问题的技术方案根据本专利技术的实施方式，提供一种信号空间分离滤波器的参数的优化方法，所述信号空间分离滤波器对从安放有SERF磁强计的头盔得到的脑磁信号进行预处理，所述优化方法包括：在导入了SERF磁强计的空间位置的仿真图中，将来自放置在由所述SERF磁强计所构成的阵列包络面的几何中心处的仿真偶极子的信号作为假想脑磁信号，将来自相对于所述几何中心位于所述包络面的外侧的位置处的仿真偶极子的信号作为空间噪声信号；求取将所述假想脑磁信号和所述空间噪声信号叠加而得到的仿真信本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种信号空间分离滤波器的参数的优化方法，所述信号空间分离滤波器对从安放有SERF磁强计的头盔得到的脑磁信号进行预处理，所述优化方法包括：在导入了SERF磁强计的空间位置的仿真图中，将来自放置在由所述SERF磁强计所构成的阵列包络面的几何中心处的仿真偶极子的信号作为假想脑磁信号，将来自相对于所述几何中心位于所述包络面的外侧的位置处的仿真偶极子的信号作为空间噪声信号；求取将所述假想脑磁信号和所述空间噪声信号叠加而得到的仿真信号与所述假想脑磁信号之间的方差作为代价函数，使用最小序列二乘法对信号空间分离滤波器进行迭代优化，从而寻找出适合该SERF磁强计布局的最优信号空间分离滤波器的参数。2.根据权利要求1所述的优化方法，通过使用数字化设备对所述头盔进行扫描，使用位置追踪器定位每个SERF磁强计相对于所述头盔的空间位置，将SERF磁强计的空间位置导入到仿真图中。3.一种SERF磁强计脑磁信号预处理降噪方法，其通过将检测对象送入磁屏蔽筒内并使用非磁性耳机对其发送听觉刺激信号，之后采集受试者脑磁信号进行软件降噪，其特征在于，包括以下步骤：采用权利要求1所述的对应布局的SERF磁强计进行脑磁信号采集；使用带通滤波器对所述采集信号进行带通滤波；使用权利要求1所述的通过迭代优化得到的所述最优信号空间分离滤波器的参数，对经由所述带通滤波输出的数据进行空间滤波；和将所述空间滤波后的数据，以每个听觉刺激点为基准，截取刺激点前0.1秒且后0.4秒的片段，对单个通道的每个刺激片段进行相加并求均值来获取单个通道的存在听觉诱发响应的信号数据，将所有通道的诱发响应数据作为诱发信号输出。4.根据权利要求3所述的SERF磁强计脑磁信号预处理降噪方法，其特征在于，使用ICBM脑公共集模板数据，并使用Freesurfer软件重建大脑解剖结构，使用mne
‑
python建立对应的源空间模型以及大脑模型，用于脑磁信号源定位的结构项，辅助查看定位的源处于大脑的哪一个区域。5.根据权利要求4所述的SERF磁强计脑磁信号预处理降噪方法，其特征在于，使用所述大脑模型以及所述源空间模型，并使用所述降噪信号进行磁偶极子定位。6.根据权利要求5所述的SERF磁强计脑磁信号预处理降噪方法，其特征在于，使用rap
‑...
【专利技术属性】
技术研发人员：王德峰，史泽民，高阳，唐小刚，宋宠宠，
申请(专利权)人：北京量子信息科学研究院，
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。