System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及信号重建,特别是涉及一种利用pet和mr信号重建eeg和nirs信号的方法。
技术介绍
1、人脑是一个复杂网络,其中数百个大脑区域由数万个轴突平衡。目前对大脑连通性的了解大多是通过独立的神经影像学方法获得的。一些疾病,比如癫痫,主要是使用正电子发射成像(pet)、磁共振(mr)、脑电(eeg)、近红外成像(nirs)、眼动(et)等进行检查确定。
2、低空间分辨率和高噪声是限制eeg信号/nirs信号质量的关键因素,也极大地影响eeg信号/nirs信号研究的准确性。空间分辨率低可能会导致低估小病灶的活动性、降低低对比度小病灶的检测灵敏度、高估微小结构的体积、难以区分活动相似的相邻组织等问题,这些都降低了诊断的特异性和灵敏度。同时eeg信号/nirs信号具有严重的体积传导效应,且体积传导效应会引起的另一个问题,即将许多虚假成分合并到计算的功能连接中。解决此问题的一种方法是使用eeg信号/nirs信号可追溯性算法从头皮eeg信号/nirs信号中获取大脑皮质区域的电信号,即对eeg信号/nirs信号进行溯源操作。然而,从头皮eeg信号/nirs信号到皮层脑区电信号的溯源过程,是一个没有唯一解的逆问题。可以估计,使用多条导联的头皮eeg信号/nirs信号,基本上不可能求解皮质上数千个等效偶极子的信号。为了解决这个问题,研究人员对求解过程施加了许多约束,以使问题得到最优解,但是计算量非常大,且准确性较低。
技术实现思路
1、本专利技术的目的是提供一种利用pet和mr
2、为实现上述目的,本专利技术提供了如下方案:
3、一种利用pet和mr信号重建eeg和nirs信号的方法,包括:
4、获取五模态一体化同步采集设备采集的多模态信号;其中,多模态信号包括pet图像信号、mr图像信号、et信号、eeg信号和nirs信号;
5、对多模态信号中的eeg信号和nirs信号分别进行预处理操作,得到预处理操作后的eeg信号和预处理操作后的nirs信号;
6、采用空间滤波器分别去除预处理操作后的eeg信号和预处理操作后的nirs信号中的非特定源干扰,得到非特定源干扰去除后的eeg信号和非特定源干扰去除后的nirs信号;
7、对非特定源干扰去除后的eeg信号和非特定源干扰去除后的nirs信号分别进行盲源信号分离操作,得到eeg信号对应的源信号和nirs信号对应的源信号;
8、利用pet图像信号和mr图像信号对eeg信号对应的源信号进行重建得到重建后的eeg信号,利用pet图像信号和mr图像信号对nirs信号对应的源信号进行重建得到重建后的nirs信号。
9、可选地,预处理操作包括基线漂移去除操作和工频干扰去除操作;其中,工频干扰包括五模态一体化同步采集设备自身产生的干扰和输出线路自身产生的干扰。
10、可选地,对多模态信号中的eeg信号和nirs信号分别进行预处理操作,得到预处理操作后的eeg信号和预处理操作后的nirs信号,具体包括:
11、利用连续小波变换算法分别去除eeg信号和nirs信号中的基线漂移,得到基线漂移去除后的eeg信号和基线漂移去除后的nirs信号;
12、采用带通滤波器分别移除基线漂移去除后的eeg信号和基线漂移去除后的nirs信号中的工频干扰,进而得到预处理操作后的eeg信号和预处理操作后的nirs信号。
13、可选地,工频干扰确定过程为:
14、对五模态一体化同步采集设备进行屏蔽功能和滤波功能的检测以得到五模态一体化同步采集设备自身产生的干扰,对输出线路进行屏蔽功能和滤波功能的检测以得到输出线路自身产生的干扰,进而得到工频干扰。
15、可选地,所述空间滤波器为平均参考方法或者car方法。
16、可选地,对非特定源干扰去除后的eeg信号和非特定源干扰去除后的nirs信号分别进行盲源信号分离操作,得到eeg信号对应的源信号和nirs信号对应的源信号,具体包括:
17、采用ica算法,对非特定源干扰去除后的eeg信号和非特定源干扰去除后的nirs信号分别进行盲源信号分离操作,得到eeg信号对应的源信号和nirs信号对应的源信号。
18、可选地,利用pet图像信号和mr图像信号对eeg信号对应的源信号进行重建得到重建后的eeg信号,具体包括:
19、利用pet图像信号与eeg信号对应的源信号在各个地方的结构相似性来调整正则化方法中的惩罚项,得到第一惩罚项,并利用具有第一惩罚项的正则化方法对eeg信号对应的源信号进行重建得到,第一重建后的eeg信号;
20、利用mr图像信号与eeg信号对应的源信号在各个地方的结构相似性来调整正则化方法中的惩罚项,得到第二惩罚项,并利用具有第二惩罚项的正则化方法对eeg信号对应的源信号进行重建得到,第二重建后的eeg信号;
21、将第一重建后的eeg信号和第二重建后的eeg信号组合,得到最终的重建后的eeg信号。
22、可选地,利用pet图像信号和mr图像信号对nirs信号对应的源信号进行重建得到重建后的nirs信号,具体包括:
23、利用pet图像信号与nirs信号对应的源信号在各个地方的结构相似性来调整正则化方法中的惩罚项,得到第一惩罚项,并利用具有第一惩罚项的正则化方法对nirs信号对应的源信号进行重建得到,第一重建后的nirs信号;
24、利用mr图像信号与nirs信号对应的源信号在各个地方的结构相似性来调整正则化方法中的惩罚项,得到第二惩罚项,并利用具有第二惩罚项的正则化方法对nirs信号对应的源信号进行重建得到,第二重建后的nirs信号;
25、将第一重建后的nirs信号和第二重建后的nirs信号组合,得到最终的重建后的nirs信号。
26、根据本专利技术提供的具体实施例,本专利技术公开了以下技术效果:
27、本专利技术借助五模态一体化同步采集设备能够同时采集pet信号、mr信号、eeg信号和nirs信号的特点,且结合pet信号和mr信号具有空间分辨率高的特征,来引导eeg信号和nirs信号的重建操作,从而达到高效率高准确度的目的。
本文档来自技高网...【技术保护点】
1.一种利用PET和MR信号重建EEG和NIRS信号的方法,其特征在于,包括:
2.根据权利要求1所述的一种利用PET和MR信号重建EEG和NIRS信号的方法,其特征在于,预处理操作包括基线漂移去除操作和工频干扰去除操作;其中,工频干扰包括五模态一体化同步采集设备自身产生的干扰和输出线路自身产生的干扰。
3.根据权利要求2所述的一种利用PET和MR信号重建EEG和NIRS信号的方法,其特征在于,对多模态信号中的EEG信号和NIRS信号分别进行预处理操作,得到预处理操作后的EEG信号和预处理操作后的NIRS信号,具体包括:
4.根据权利要求2或者3所述的一种利用PET和MR信号重建EEG和NIRS信号的方法,其特征在于,工频干扰确定过程为:
5.根据权利要求1所述的一种利用PET和MR信号重建EEG和NIRS信号的方法,其特征在于,所述空间滤波器为平均参考方法或者CAR方法。
6.根据权利要求1所述的一种利用PET和MR信号重建EEG和NIRS信号的方法,其特征在于,对非特定源干扰去除后的EEG信号和非特定源干扰去除后的N
7.根据权利要求1所述的一种利用PET和MR信号重建EEG和NIRS信号的方法,其特征在于,利用PET图像信号和MR图像信号对EEG信号对应的源信号进行重建得到重建后的EEG信号,具体包括:
8.根据权利要求1所述的一种利用PET和MR信号重建EEG和NIRS信号的方法,其特征在于,利用PET图像信号和MR图像信号对NIRS信号对应的源信号进行重建得到重建后的NIRS信号,具体包括:
...【技术特征摘要】
1.一种利用pet和mr信号重建eeg和nirs信号的方法,其特征在于,包括:
2.根据权利要求1所述的一种利用pet和mr信号重建eeg和nirs信号的方法,其特征在于,预处理操作包括基线漂移去除操作和工频干扰去除操作;其中,工频干扰包括五模态一体化同步采集设备自身产生的干扰和输出线路自身产生的干扰。
3.根据权利要求2所述的一种利用pet和mr信号重建eeg和nirs信号的方法,其特征在于,对多模态信号中的eeg信号和nirs信号分别进行预处理操作,得到预处理操作后的eeg信号和预处理操作后的nirs信号,具体包括:
4.根据权利要求2或者3所述的一种利用pet和mr信号重建eeg和nirs信号的方法,其特征在于,工频干扰确定过程为:
5.根据权利要求1所述的一种利用pet和mr信号重建eeg...
【专利技术属性】
技术研发人员:李思进,武志芳,胡凌志,袁建闵,刘海燕,王红亮,
申请(专利权)人:山西医科大学,
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。