【技术实现步骤摘要】
本专利技术涉及生物信号处理领域，具体涉及一种基于opm-meg的金属伪影分离识别方法。
技术介绍
1、脑磁图(magnetoencephalography，meg)凭借优异的时间和空间分辨率，在脑科学、神经影像研究及临床诊断有着广泛的前景。目前基于原子自旋交换无弛豫原理小型化光泵磁强计(optical pumping magnetometer，opm)传感器的研制成功，可穿戴脑磁图测量装置成为脑磁测量领域新的研究重点，发展迅速。opm-meg可穿戴脑磁图测量装置相对于传统超导量子干涉仪(superconducting quantum interference device，squid)脑磁图装置具有轻便、维护简单等特点，在临床医学具有更高的应用价值。
2、在opm-meg可穿戴脑磁图测量装置临床应用中，存在较多的患者群体携带用于治疗各种疾病的金属植入物，例如治疗癫痫的迷走神经刺激装置、治疗脑神经功能疾病的脑深部刺激器、治疗牙科疾病的磁性植入材料以及磁性假体等各类磁性材料，因此，这些金属磁性材料随患者带入脑磁图记录环境中的情况是不可避免的，而金属磁性材料产生的伪影磁场信号会严重污染大脑产生的脑磁图信号，无法从原始信号中还原出有效的大脑磁场信号，同时影响脑磁图信号后续的正逆问题求解的定位精度。由于opm-meg穿戴脑磁图测量装置便携、易维护和可穿式性的特点，适用性广，扩大了其在临床应用对象的范围，未来临床应用时面对的携带上述植入物的患者的概率将大大提高，因此脑磁图信号中的金属伪影抑制是opm-meg可穿戴式脑磁图装置在临
3、目前多通道opm-meg测量数据中金属伪影分离与识别主要通过传统独立成分分析算法进行分离，并通过实验人员肉眼分辨金属伪影特征进行识别，该方法能够准确识别出金属伪影，但耗时耗力，无法实现高效的金属伪影分离与识别。目前对多通道opm-meg测量数据中金属伪影分离与识别并没有完全相关的文献阐述，在实际的应用中主要使用3种方法来分离及识别金属伪影：(1)参考心跳及眨眼伪影分离方法，利用快速独立成分分析(fast independent component analysis，fastica)进行金属伪影的分离，同时使用相关的数学统计量进行伪影的自动识别，包括偏差和峭度等。fastica算法基于分离信号之间的非高斯特性最大化来实现，使用负熵来衡量信号之间的非高斯性，因此当分离后的信号的负熵值达到最大时，此时迭代获得的分离矩阵是有效分离测量信号的最优估计，但是金属伪影本身比心跳及眨眼伪影更具有高斯分布，fastica算法在心跳及眨眼伪影的分离效果难以在金属伪影上得到实现，同时金属伪影和其他伪影具有类似的偏度和峭度，无法做到有效识别；(2)使用信息最大化(information maximization，infomax)算法对金属伪影进行分离，同时使用参考通道信号与分离后信号组进行互信息计算来识别金属伪影，infomax算法利用信息最大化原理，在信息分离系统的输入混合信号和输出信分离信号的之间的互信息最大时，等价于输出分离信号的各信号分量间的冗余信息得到去除，此时获得的分离矩阵为最优估计，实现混合信号的有效分离；使用参考通道单独测量金属伪影而不测量脑磁图信号，此时参考通道信号包含金属伪影信号，将参考通道信号与分离后的所有信号计算互信息，互信息代表信号之间共有信息量的大小，体现信号间的相似程度；当互信息明显高于阈值时，可以认定为金属伪影，但位于头皮的测量传感器和参考通道传感器处于同一测量空间，同时会测量到金属伪影外的环境干扰信号，该信号同样包含在分离信号与参考通道信号中，单独使用互信息无法识别共有的环境干扰信号是否为金属伪影信号，同时信息最大化算法依旧利用信息熵计算，对金属伪影难以做到完全分离；(3)基于多源未知信号提取(algorithm for multiple unknown signals extraction，amuse)方法，同时使用频域和样本熵识别金属伪影。该方法利用信号二阶时滞协方差的特征向量组成分离矩阵，将脑磁信号中主要成分进行分离提取，并将分离信号的时域数据变换到频域，计算每个信号的功率占比，并且使用样本熵来判断金属伪影的规律特性，分离后的信号中满足频域和样本熵阈值的分离识别为金属伪影。同样该方法使用单一的时延值计算协方差矩阵，计算后特征向量存在相同向量的可能性，并且心跳伪影比金属伪影更具有规律性，样本熵难以区分不同伪影，且样本熵计算时间随与数据长度增加呈现指数增加，难以处理长时间测量数据。除此之外，目前对于meg信号中金属伪影的认知及数据量不足，无法使用深度学习等需要大量训练集的识别方法。因此以上3种方法都有其各自的弊端和局限性。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于opm-meg的金属伪影分离识别方法，通过利用频域和互信息特征，识别未知信号组中明显金属伪影。
2、为实现上述目的，本专利技术提供了一种基于opm-meg的金属伪影分离识别方法，包括：
3、s1、利用opm-meg多通道测量数据获取与其对应的时滞协方差矩阵组；
4、s2、利用所述时滞协方差矩阵组获取与其对应的分离矩阵；
5、s3、利用所述分离矩阵对opm-meg多通道测量数据进行分离处理得到脑磁信号与金属伪影信号的信号组；
6、s4、利用所述脑磁信号与金属伪影信号的信号组得到金属伪影干扰区域；
7、其中，opm-meg多通道测量数据包括脑磁信号与金属伪影信号。
8、优选的，所述利用opm-meg多通道测量数据获取与其对应的时滞协方差矩阵组包括：
9、利用opm-meg获取基础多通道混合数据；
10、利用所述基础多通道混合数据基于二阶时域特征进行分离得到脑磁信号与金属伪影信号；
11、利用所述脑磁信号与金属伪影信号作为opm-meg多通道测量数据；
12、利用所述opm-meg多通道测量数据和与其对应的时延序列计算opm-meg多通道测量数据的平均协方差矩阵；
13、利用所述opm-meg多通道测量数据的平均协方差矩阵根据与其对应的时延序列建立对应时滞协方差矩阵组。
14、进一步的，利用所述opm-meg多通道测量数据和与其对应的时延序列计算opm-meg多通道测量数据的平均协方差矩阵的计算式如下：
15、ri(τi)＝x(t)xt(t+τi)
16、
17、其中，ri(τi)为第i个时延值的opm-meg多通道测量数据的协方差矩阵，τi为时延序列中第i个时延值，x(t)为t时刻的opm-meg多通道测量数据，为第i个时延值的opm-meg多通道测量数据的平均协方差矩阵。
18、优选的，利用所述时滞协方差矩阵组获取与其对应的分离矩阵包括：
19、s2-1、获取所述时滞协方差矩阵组中各时滞协方差矩阵的非对角线元素坐标的计算式如下：
20、
【技术保护点】
1.一种基于OPM-MEG的金属伪影分离识别方法，其特征在于，包括：
2.如权利要求1所述的一种基于OPM-MEG的金属伪影分离识别方法，其特征在于，所述利用OPM-MEG多通道测量数据获取与其对应的时滞协方差矩阵组包括：
3.如权利要求2所述的一种基于OPM-MEG的金属伪影分离识别方法，其特征在于，利用所述OPM-MEG多通道测量数据和与其对应的时延序列计算OPM-MEG多通道测量数据的平均协方差矩阵的计算式如下：
4.如权利要求1所述的一种基于OPM-MEG的金属伪影分离识别方法，其特征在于，利用所述时滞协方差矩阵组获取与其对应的分离矩阵包括：
5.如权利要求4所述的一种基于OPM-MEG的金属伪影分离识别方法，其特征在于，利用所述最大特征值的特征向量计算与其对应的旋转矩阵包括：
6.如权利要求4所述的一种基于OPM-MEG的金属伪影分离识别方法，其特征在于，执行迭代计算的计算式如下：
7.如权利要求6所述的一种基于OPM-MEG的金属伪影分离识别方法，其特征在于，利用所述分离矩阵对OPM-MEG多通道
8.如权利要求7所述的一种基于OPM-MEG的金属伪影分离识别方法，其特征在于，利用所述脑磁信号与金属伪影信号的信号组得到金属伪影干扰区域包括：
9.如权利要求8所述的一种基于OPM-MEG的金属伪影分离识别方法，其特征在于，所述获取投影信号中均方值最大位置进行识别处理包括：
10.一种用于实现上述权利要求1-9任一项所述的一种基于OPM-MEG的金属伪影分离识别方法的系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于opm-meg的金属伪影分离识别方法，其特征在于，包括：
2.如权利要求1所述的一种基于opm-meg的金属伪影分离识别方法，其特征在于，所述利用opm-meg多通道测量数据获取与其对应的时滞协方差矩阵组包括：
3.如权利要求2所述的一种基于opm-meg的金属伪影分离识别方法，其特征在于，利用所述opm-meg多通道测量数据和与其对应的时延序列计算opm-meg多通道测量数据的平均协方差矩阵的计算式如下：
4.如权利要求1所述的一种基于opm-meg的金属伪影分离识别方法，其特征在于，利用所述时滞协方差矩阵组获取与其对应的分离矩阵包括：
5.如权利要求4所述的一种基于opm-meg的金属伪影分离识别方法，其特征在于，利用所述最大特征值的特征向量计算与其对应的旋转矩阵包括：<...
【专利技术属性】
技术研发人员：宁晓琳，付凯文，王若男，高阳，
申请(专利权)人：北京航空航天大学，
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。