一种基于fNIRS分析的ROI脑区通道优化筛选方法技术

本发明专利技术公开了一种基于fNIRS分析的ROI脑区通道优化筛选方法，具体包括：同步采集多通道近红外信号，并对其进行预处理，得到脑血氧浓度信号；对预处理后的多通道脑血氧信号计算多类时域特征集合，采用最小二乘法的特征融合算法对时域多特征集合进行特征融合，得到时域最优特征集；基于排列组合算法构建各ROI区通道第一集合，进一步采用先序遍历算法构建ROI区通道第二集合；采用局部

【技术实现步骤摘要】
一种基于fNIRS分析的ROI脑区通道优化筛选方法


[0001]本专利技术涉及一种基于fNIRS分析的ROI脑区通道优化筛选方法，属于功能近红外光谱


技术介绍

[0002]功能性近红外光谱技术(functional near
‑
infrared spectroscopy，fNIRS)是一种多功能神经影像学工具，近年来在科学研究及临床医学领域中均得到广泛应用。fNIRS是一种新型无创性脑功能检测技术，可以通过实时检测大脑皮层中氧合血红蛋白(oxyhemoglobin，HbO)、脱氧血红蛋白(deoxyhemoglobin，HbR)和总氧血红蛋白(totalhemoglobin，HbT)浓度信号的变化，间接反映大脑的神经活动。fNIRS除了其明显的便携性，在神经领域的研究中还显示出更大的优势——更高的时间采样率及更广泛的应用范围，从而为脑功能成像的分析提供了有利的条件，并且以其更适合大规模数据采集等特点，为脑功能研究提供了一种安全有效的成像方式。
[0003]脑功能成像是研究大脑活动的基本手段之一，大脑的神经活动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于fNIRS分析的ROI脑区通道优化筛选方法，其特征在于：包括以下步骤：步骤1，同步采集多通道近红外信号，并对其进行坏导、坏段及运动伪影去除、滤波及血氧浓度转换的预处理，得到氧合血红蛋白HbO、脱氧血红蛋白HbR和总氧血红蛋白HbT浓度信号；步骤2，对预处理后的多通道脑血氧信号计算多类时域特征集合，采用最小二乘法的特征融合算法对时域多特征集合进行特征融合，得到时域最优特征集；步骤3，基于排列组合算法构建各ROI区通道第一集合，并采用先序遍历算法进一步构建ROI区通道第二集合；步骤4，采用局部
‑
全局寻优方法，计算ROI区通道第二集合元素的ROI区局部评价指标和大脑全局评价指标，筛选出使得局部评价指标和大脑全局评价指标最大的ROI区通道第二集合元素，得到大脑各ROI区最优通道组合，实现脑功能状态的有效监测。2.根据权利要求1所述的一种基于fNIRS分析的ROI脑区通道优化筛选方法，其特征在于：步骤1中，所述坏导、坏段及运动伪影去除、滤波及血氧浓度转换的预处理，具体包括以下步骤：步骤11，坏导检测及剔除，采用变异系数进行判断并剔除信号不好的通道，变异系数CV定义为其中，σ是信号标准差，μ是信号均值，当CV值大于15％时，判断该导为坏导，剔除该通道数据；步骤12，坏段检测及剔除，采用异常点检测数据坏段，通过将任意时间点信号的幅值与任意一段时间内信号的平均的幅值作对比，并且设置阈值来标出异常点，进而采用三次样条插值方法去除坏段数据；步骤13，去除运动伪影，设定信号标准差阈值为6，峰阈值为0.5，采用三次样条插值方法识别并去除信号中的运动伪影；步骤14，滤波，采用0.01至0.1Hz的六阶巴特沃斯带通滤波器去除干扰成分，包括心跳、呼吸、梅尔波引起的噪声；步骤15，将光密度信号转换为血氧浓度信号，根据修正后的Beer
‑
Lambert定律，得到氧合血红蛋白HbO、脱氧血红蛋白HbR和总氧血红蛋白HbT浓度信号，其中路径差分因子设定为
‑
6到6。3.根据权利要求1所述的一种基于fNIRS分析的ROI脑区通道优化筛选方法，其特征在于：所述步骤2的具体步骤如下：步骤21，预处理后的多通道脑血氧信号进行时域多特征提取，得到每个通道的多类时域特征集合，其中，所述时域特征集合X＝[X1,X2,X3,X4,X5,X6,
…
]，包括但不限于：能量集合X1、峰度集合X2、均值集合X3、偏度集合X4、标准差集合X5、方差集合X6；步骤22，然后对所述...

【专利技术属性】
技术研发人员：谢平，何广智，程生翠，王子怡，刘冬梅，陈晓玲，张学敏，张腾宇，李增勇，
申请(专利权)人：燕山大学，
类型：发明
国别省市：