一種基于自動ICA去除EEG信號中核磁偽跡的方法技術

本發明專利技術公開了一種基于自動ICA去除EEG信號中核磁偽跡的方法，所述方法包括以下步驟：1)對含有核磁偽跡的EEG信號進行基礎去噪處理，得到去除了大部分核磁偽跡的EEG信號X'(t)；2)對信號X'(t)進行獨立成分分離，并自動識別出其中的核磁偽跡殘余成分，其余成分保持不變；3)提取步驟2)里核磁偽跡殘余成分中的有效低頻成分并將其保留；4)將步驟3)得到的核磁偽跡殘余成分中的有效低頻成分和步驟2)中保留的其余成分一起經過ICA逆變換重構，得到除噪后的EEG信號。所述在ICA的基礎上根據核磁噪聲的頻率分布特性以及其與核磁掃描重復時間參數相關的周期特性自動選擇核磁偽跡成分，并保留了其中的有用信息。

Method for removing nuclear magnetic artifact in EEG signal based on automatic ICA

The invention discloses a method for automatically removing ICA EEG signals based on magnetic artifacts, the method comprises the following steps: 1) of the EEG signal containing magnetic artifact based denoising, remove EEG signal X'most magnetic artifacts (T); X' (T 2) on the signal) independent component separation, and automatically identify the residual magnetic artifacts components among them, other components remain unchanged; 3) extraction step 2) low frequency components in effective components of the residual magnetic artifacts and keep it; 4) step 3) effective low frequency components and steps of magnetic component in residual artifacts 2) the remainder retained after the inverse ICA, get EEG signal after noise removal. On the basis of the ICA, the nuclear magnetic artifact component is automatically selected according to the frequency distribution characteristic of the nuclear magnetic noise and the periodicity characteristic related to the time parameter of the nuclear magnetic scanning repeated scanning, and the useful information is retained.

【技術實現步驟摘要】
一種基于自動ICA去除EEG信號中核磁偽跡的方法
本專利技術涉及EEG-fMRI混合腦電信號研究領域，具體涉及一種基于自動ICA去除EEG信號中核磁偽跡的方法。
技術介紹
腦電信號的研究一直是生物醫學領域以及腦神經信息研究領域的重點，也是人類觀察大腦工作機制探尋大腦奧秘的最基本的方式。EEG信號具有毫秒級的時間分辨率，以頭皮電位的變化記錄大腦的神經活動。而功能磁共振技術通過神經成像讓人們更加直觀的看到大腦內部的結構及其血氧活動。功能磁共振的高空間分辨率和EEG信號的高時間分辨率讓他們的結合具有更重要的意義和優勢。然而兩種方法的結合也受到了很多限制，尤其是磁共振掃描給EEG記錄帶來的強烈干擾，主要是由于核磁掃描時梯度磁場切換引起的梯度偽跡，即本專利技術中所指的核磁偽跡。這種偽跡信號的典型波幅是EEG信號的100到1000倍，且它的頻率通常會覆蓋EEG信號的頻率范圍，因此用傳統的去噪方法通常難以完全去除。最初由Allen等人在2000年提出的平均模板相減法(AAS)，利用梯度偽跡的周期性生成平均偽跡模板，然后與當前獲得的EEG信號匹配并從中減去這個模板。這個方法在大量的文獻中被證實是可用的，但是它只能去除大部分的核磁偽跡，某些通道中仍然會有殘留的偽跡并未去除。于是接下來Allen等人又提出了自適應去噪法(ANC)來去除殘留的偽跡，但是這個方法仍然不能去除所有的殘余偽跡。接下來梯度偽跡的去除引發了大量的思考和嘗試，有人提出了基于PCA(主成分分析)的最優基組法來去除殘余偽跡，PCA是建立在噪聲信號與腦電信號不相關的假設之上的，于是有人提出了ICA(獨立成分分析)的方法來去除梯度偽跡，ICA是假設信號之間不僅是不相關的，而且是互相獨立的，這比PCA的假設對信號有著更強的約束。ICA在梯度偽跡，心電偽跡，眼電偽跡等的去除上都得到了比較廣泛的應用，比單獨的AAS能夠更有效的去除核磁偽跡，但是ICA雖然能夠在一定程度上分離開來腦電信號和核磁偽跡信號，但是如何自動有效的識別出偽跡成分卻一直都沒有一個能廣泛使用的方法。現在大多數文獻都是通過直觀的觀察信號的波形與核磁偽跡的相似程度，信號的頻譜分布，腦電地形圖等方法手動的選擇偽跡成分，并將偽跡成分直接置零再進行ICA逆變換從而得到去噪后的信號。這樣手工選擇偽跡成分不僅影響處理速度，制約了ICA除噪的應用場合，比如說不能應用于在線實時去噪，而且將偽跡成分直接置零也是有風險的，很有可能會丟失對研究者有用的一些成分，導致后面需要提取的特征并不明顯，從而影響實驗的質量。
技術實現思路
本專利技術的目的是針對上述現有技術的不足，提供了一種基于自動ICA去除EEG信號中核磁偽跡的方法，該方法在ICA的基礎上根據核磁噪聲的頻率分布特性以及其與核磁掃描重復時間參數相關的周期特性自動選擇核磁偽跡成分，并保留了其中的有用信息。本專利技術的目的可以通過如下技術方案實現：一種基于自動ICA去除EEG信號中核磁偽跡的方法，所述方法包括以下步驟：1)對含有核磁偽跡的EEG信號進行基礎去噪處理，得到去除了大部分核磁偽跡的EEG信號X'(t)；2)對信號X'(t)進行獨立成分分離，并自動識別出其中的核磁偽跡殘余成分，其余成分保持不變；3)提取步驟2)里核磁偽跡殘余成分中的有效低頻成分并將其保留；4)將步驟3)得到的核磁偽跡殘余成分中的有效低頻成分和步驟2)中保留的其余成分一起經過ICA逆變換重構，得到除噪后的EEG信號。其中，步驟1)中，所述基礎去噪處理具體過程為：根據核磁掃描儀的重復時間TR和一次全腦掃描的層數確定核磁基波頻率fb，選擇要處理的N個信號通道，將含有核磁偽跡的EEG信號X(t)＝[x1(t),x2(t),…,xN(t)]T經過AAS處理，得到去除了大部分核磁偽跡的EEG信號X'(t)，其中N表示通道，t表示時間，T表示矩陣的轉置。其中，所述步驟2)的具體過程為：將步驟1)得到的信號X'(t)經過ICA算法進行分離得到N個獨立成分IS(t)＝[IS1(t),IS2(t),…,ISN(t)]T＝W*X'(t)，其中W為由ICA算法得到的解混矩陣，定義以核磁基波頻率fb及其各次諧波頻率k*fb為中心頻率的區間[k*fb-ε,k*fb+ε]為核磁倍頻帶，其中k＝1,2,3…K，ε為大于零的正數，根據要分析的相關腦電信號的特征確定低頻腦電頻帶為[fl1,fl2]，計算每個獨立成分在核磁倍頻帶內的能量Ap和在低頻腦電頻帶內的能量Ep及其比值選擇前M個最大的r值所對應的成分標記為核磁偽跡殘余成分AS(t)＝[AS1(t),AS2(t),…,ASM(t)]T，其余成分保持不變。其中，所述步驟3)的具體過程為：結合所要分析的EEG信號的特點和小波函數的特點確定用于提取低頻EEG信號的小波函數ψ(t)和分解層數n，對M個核磁偽跡殘余成分AS(t)分別進行小波分解得到低頻近似系數cAn，其中n為分解層數，并由低頻近似系數重構信號得到每個偽跡成分中所包含的低頻成分AS'(t)，即保存了核磁偽跡殘余成分中的有效低頻成分。其中，所述步驟4)的具體過程為：將步驟3)中得到的AS'(t)重新放回各自在N個獨立成分IS(t)中的位置，得到處理過的獨立成分矩陣IS'(t)，將獨立成分矩陣IS'(t)經過ICA逆變換，即S(t)＝[S1(t),S2(t),…,SN(t)]＝W-1*IS'(t)，其中W-1表示解混矩陣的逆矩陣，即混合矩陣，最終得到去除了核磁偽跡又保留了大部分有用信息的EEG信號S(t)。本專利技術與現有技術相比，具有如下優點和有益效果：1、本專利技術通過利用核磁偽跡的頻率分布特性和周期特性，從而實現了ICA處理后核磁偽跡成分的自動識別與分析，避免了手動選擇的不便性。2、本專利技術在自動識別偽跡成分的基礎上使用小波分析保留了核磁偽跡成分中的有效成分，通過與直觀選取偽跡成分并將偽跡成分直接置零的單獨ICA方法相比，進一步減小了信息的損失。附圖說明圖1為本專利技術所述方法的流程圖。圖2為本專利技術實施例含有核磁噪聲的腦電仿真信號經ICA分解后得到的7個獨立成分的波形圖。圖3為本專利技術實施例含有核磁噪聲的腦電仿真信號經ICA分解后得到的7個獨立成分在核磁倍頻帶內的能量和EEG低頻帶內的能量分布圖。圖4為本專利技術實施例腦電仿真信號采用本專利技術所述方法模擬去噪得到的P300波形與原始信號的P300波形對比圖。圖5為本專利技術實施例腦電仿真信號采用單獨ICA方法模擬去噪得到的P300波形與原始信號的P300波形對比圖。圖6為本專利技術實施例真實腦電信號采用本專利技術所述方法模擬去噪得到的P300波形和采用單獨ICA方法模擬去噪得到的P300波形對比圖。具體實施方式下面結合實施例及附圖對本專利技術作進一步詳細的描述，但本專利技術的實施方式不限于此。實施例：本實施例提供了一種基于自動ICA去除EEG信號中核磁偽跡的方法，所述方法的流程圖如圖1所示，包括以下步驟：1)對含有核磁偽跡的EEG信號進行基礎去噪處理，得到去除了大部分核磁偽跡的EEG信號X'(t)；其中，所述基礎去噪處理具體過程為：根據核磁掃描儀的重復時間TR和一次全腦掃描的層數確定核磁基波頻率fb，選擇要處理的N個信號通道，將含有核磁偽跡的EEG信號X(t)＝[x1(t),x2(t),…,xN(t)]T經過AAS處理，本文檔來自技高網...

【技術保護點】
一種基于自動ICA去除EEG信號中核磁偽跡的方法，其特征在于，所述方法包括以下步驟：1)對含有核磁偽跡的EEG信號進行基礎去噪處理，得到去除了大部分核磁偽跡的EEG信號X'(t)；2)對信號X'(t)進行獨立成分分離，并自動識別出其中的核磁偽跡殘余成分，其余成分保持不變；3)提取步驟2)里核磁偽跡殘余成分中的有效低頻成分并將其保留；4)將步驟3)得到的核磁偽跡殘余成分中的有效低頻成分和步驟2)中保留的其余成分一起經過ICA逆變換重構，得到除噪后的EEG信號。

【技術特征摘要】
1.一種基于自動ICA去除EEG信號中核磁偽跡的方法，其特征在于，所述方法包括以下步驟：1)對含有核磁偽跡的EEG信號進行基礎去噪處理，得到去除了大部分核磁偽跡的EEG信號X'(t)；2)對信號X'(t)進行獨立成分分離，并自動識別出其中的核磁偽跡殘余成分，其余成分保持不變；3)提取步驟2)里核磁偽跡殘余成分中的有效低頻成分并將其保留；4)將步驟3)得到的核磁偽跡殘余成分中的有效低頻成分和步驟2)中保留的其余成分一起經過ICA逆變換重構，得到除噪后的EEG信號。2.根據權利要求1所述的一種基于自動ICA去除EEG信號中核磁偽跡的方法，其特征在于：步驟1)中，所述基礎去噪處理具體過程為：根據核磁掃描儀的重復時間TR和一次全腦掃描的層數確定核磁基波頻率fb，選擇要處理的N個信號通道，將含有核磁偽跡的EEG信號X(t)＝[x1(t),x2(t),…,xN(t)]T經過AAS處理，得到去除了大部分核磁偽跡的EEG信號X'(t)，其中N表示通道，t表示時間，T表示矩陣的轉置。3.根據權利要求1所述的一種基于自動ICA去除EEG信號中核磁偽跡的方法，其特征在于：所述步驟2)的具體過程為：將步驟1)得到的信號X'(t)經過ICA算法進行分離得到N個獨立成分IS(t)＝[IS1(t),IS2(t),…,ISN(t)]T＝W*X'(t)，其中W為由ICA算法得到的解混矩陣，定義以核磁基波頻率fb及其各次諧波頻率k*fb為中心頻率的區間[k...

【專利技術屬性】
技術研發人員：孫巖丹，俞祝良，顧正暉，
申請(專利權)人：華南理工大學，
類型：發明
國別省市：廣東,44