一种基于时域和频域多通道OPM-MEG坏道自动识别方法及系统技术方案

本发明专利技术涉及一种基于时域和频域多通道OPM

【技术实现步骤摘要】
一种基于时域和频域多通道OPM
‑
MEG坏道自动识别方法及系统


[0001]本专利技术生物信号处理领域，涉及一种基于时域和频域多通道OPM
‑
MEG(光泵磁强计记录脑磁图数据)坏道自动识别方法及系，适用于脑磁图信号预处理自动化。

技术介绍

[0002]近年来，脑磁图(Magnetoencephalography,MEG)是一种能够实时、完全无创地测量大脑神经活动的磁源成像技术，通过磁场反应大脑的生理活动和功能连接，相比于脑电和一些其他的测量手段具有更高的时间和空间分辨率。目前用于测量脑磁的设备主要有超导量子干涉仪(Superconducting Quantum Interference Device，SQUID)设备和小型化的光泵磁强计(Optical Pumping Magnetometer，OPM)传感器，由于多通道OPM传感器便携、可穿戴、可移动、灵敏度高以及不需要低温冷却的优点，这种传感器在近几年发展快速。
[0003]多通道OPM
‑
MEG(测量数据中经常会出现低频/高频跳本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时域和频域多通道OPM
‑
MEG坏道自动识别方法，其特征在于，包括以下步骤：步骤1：采集多通道OPM
‑
MEG测量数据；步骤2：利用基于Maxwell的时域方法提取时域数据块，计算多通道OPM
‑
MEG测量数据在该时域数据块的数学统计量，得到z
‑
分数；对每个通道的z
‑
分数求平均值，得到多通道OPM
‑
MEG测量数据的时域序列其中，n为多通道OPM
‑
MEG测量数据的总通道的数量，为OPM
‑
MEG测量数据的第一个通道计算的z
‑
分数的平均值，依此类推，为第n个通道计算的z
‑
分数的平均值；设置阈值初步预估坏道数量，得到预估坏道比例α；步骤3：采用基于箱线图的频域方法，将多通道OPM
‑
MEG测量数据变换到频域，计算多通道OPM
‑
MEG测量数据的功率谱密度，对每个通道的功率谱密度在脑磁测量实验期盼信号的频段内求平均值，获得用于表征多通道OPM
‑
MEG测量数据的平均功率密度的序列其中，n为多通道OPM
‑
MEG测量数据的总通道的数量，为多通道OPM
‑
MEG测量数据的第一个通道的功率谱密度的平均值，依此类推，为多通道OPM
‑
MEG测量数据的第n个通道的功率谱密度的平均值；对所述平均功率密的序列采用箱线图方法进行初步的坏道识别，将平均频率密度超出上须和下须的部分认为是坏道，预估坏道占整体脑磁测量通道的比例β；步骤4：分别将步骤2得到的预估坏道比例α和步骤3得到的预估坏道占整体脑磁测量通道的比例β作为孤立森林方法的重要参数即样本中异常点的比例，输入至孤立森林方法中进行脑磁坏道自动识别。2.根据权利要求1所述的基于时域和频域多通道OPM
‑
MEG坏道自动识别方法，其特征在于：所述步骤1中，使用光泵磁强计采集多通道OPM
‑
MEG测量数据；所述光泵磁强计包括：多个用于接触分析对象指定区域的具有自旋交换无弛豫效应的极弱磁测量传感器和连接每一极弱磁测量传感器的处理装置。3.根据权利要求1所述的基于时域和频域多通道OPM
‑
MEG坏道自动识别方法，其特征在于：所述步骤2具体实现如下：(21)使用没有对外部噪声进行滤除的原始数据块进行信号空间分离算法SSS；(22)排除数据的标准偏差<0.01fT的通道，其中，fT为磁场单位；(23)计算每个通道数据块内原始信号与SSS重建信号的差异，记为d；计算每个通道数据块差异的平均值μ
d
；计算每个通道差异的标准偏差δ
d
；(24)令对每个通道数据块的z
‑
分数求平均值得到序列其中n为OPM传感器数量，当时，认为通道i为坏道；(25)满足的坏道个数为m，初步预估坏道比例为4.根据权利要求1所述的基于时域和频域多通道OPM
‑
MEG坏道自动识别方法，其特征在于：所述步骤3具体实现如下：
(31)将多通道OPM
‑
MEG测量数据的平均功率密度的序列求对数序列构建一个箱线图的模型，将多通道OPM
‑
MEG测量数据的平均功率密度超出上须和下须的部分认为是异常通道，上须记作：Q3+1.5(Q3
‑
Q1)，下须为：Q1
‑
1.5(Q3
‑
Q1)，其中Q1为25％分位数对应的数值；Q2为50％分位数对应的数值；Q3为75％分位数对应的数值；(32)当求得的多通道OPM
‑
MEG测量数据的某通道的平均功率值大于上须或者小于下须，则认为是异常的OPM
‑
MEG测量数据功率谱密度通道，设识别到m
′
个坏道，总共用于测量的光泵磁强计有n个，则预估的坏道比例5.根据权利要求1所述的基于时域和频域多通道OPM
‑
MEG坏道自动识别方法，...

【专利技术属性】
技术研发人员：宁晓琳，王若男，赵若辰，高阳，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：