[發明專利]獨立成分分析聯合最小二乘法的近紅外腦機接口的信號檢測方法

無效

• 申請號: 201210551956.1
• 申請日: 2012-12-18
• 公開（公告）號: CN102973279A
• 公開（公告）日: 2013-03-20
• 發明（設計）人: 張巖;孫金瑋;王寬全
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: A61B5/1455
• 分類號: A61B5/1455
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 張宏威

1.一種獨立成分分析聯合最小二乘法的近紅外腦機接口的信號檢測方法，其特征在于，它包括以下步驟：

步驟一：采用近紅外探頭靠近待檢測頭部的頭皮表面，使得該近紅外探頭發射的近紅外光入射至待測腦組織，該近紅外探頭由雙波長光源S、檢測器D1和檢測器D2構成，其中雙波長光源S到檢測器D1之間的直線距離為r₁，5mm≤r₁≤15mm，雙波長光源S到檢測器D2之間的直線距離為r₂，30mm≤r₂≤45mm；檢測器D1用于感應外層腦組織的血液動力學變化，檢測器D2用于感應大腦皮質的血液動力學變化；

步驟二：通過檢測器D1記錄大腦安靜狀態下的漫反射光強和大腦處于誘發激勵狀態下的漫反射光強，獲得大腦安靜狀態下雙波長光源S波長為λ₁時、對應的漫反射光的光密度變化量的時間序列及獲得大腦處于誘發激勵狀態下雙波長光源S波長為λ₂時、對應的漫反射光的光密度變化量的時間序列

通過檢測器D2記錄大腦安靜狀態下的漫反射光強和大腦處于誘發激勵狀態下的漫反射光強，獲得大腦安靜狀態下雙波長光源S波長為λ₁時、對應的漫反射光的光密度變化量的時間序列及獲得大腦處于誘發激勵狀態下雙波長光源S波長為λ₂時、對應的漫反射光的光密度變化量的時間序列

k為獲得時間序列的點數，k＝1，2，...，M，M為正整數；

步驟三：根據步驟二中獲得的時間序列和時間序列采用修正朗伯比爾定律獲取與檢測器D1的檢測信號對應的氧合血紅蛋白濃度變化量的時間序列Δ[HbO₂]^N(k)，及獲取與檢測器D1的檢測信號對應的還原血紅蛋白濃度變化量的時間序列Δ[HHb]^N(k)：

Δ[HbO2]N(k)=(ϵHHb(λ1)ΔODλ2N(k)/DPF)-(ϵHHb(λ2)ΔODλ1N(k)/DPF)r1(ϵHbO2(λ2)ϵHHb(λ1)-ϵHbO2(λ1)ϵHHb(λ2)),]]>

Δ[HHb]N(k)=(ϵHbO2(λ2)ΔODλ1N(k)/DPF)-(ϵHbO2(λ1)ΔODλ2N(k)/DPF)r1(ϵHbO2(λ2)ϵHHb(λ1)-ϵHbO2(λ1)ϵHHb(λ2));]]>

其中，ε_HHb(λ₁)為雙波長光源S的波長為λ₁時還原血紅蛋白的消光系數，

ε_HHb(λ₂)為雙波長光源S的波長為λ₂時還原血紅蛋白的消光系數，

為雙波長光源S的波長為λ₁時氧合血紅蛋白的消光系數，

為雙波長光源S的波長為λ₂時氧合血紅蛋白的消光系數，

DPF為差分路徑因子；

根據步驟二中獲得的時間序列和時間序列采用修正朗伯比爾定律獲取與檢測器D2的檢測信號對應的氧合血紅蛋白濃度變化量的時間序列Δ[HbO₂]^F(k)，及獲取與檢測器D2的檢測信號對應的還原血紅蛋白濃度變化量的時間序列Δ[HHb]^F(k)：

Δ[HbO2]F(k)=(ϵHHb(λ1)ΔODλ2F(k)/DPF)-(ϵHHb(λ2)ΔODλ1F(k)/DPF)r2(ϵHbO2(λ2)ϵHHb(λ1)-ϵHbO2(λ1)ϵHHb(λ2)),]]>

Δ[HHb]F(k)=(ϵHbO2(λ2)ΔODλ1F(k)/DPF)-(ϵHbO2(λ1)ΔODλ2F(k)/DPF)r2(ϵHbO2(λ2)ϵHHb(λ1)-ϵHbO2(λ1)ϵHHb(λ2));]]>

步驟四：用x₁(k)表示步驟三中的Δ[HbO₂]^F(k)或Δ[HHb]^F(k)，將x₁(k)作為腦機接口檢測中的測量通道信號，x₁(k)擴展至加噪模型為：

x₁(k)＝s(k)+n(k)，

其中s(k)為腦機接口信號中的血液動力學信號，n(k)為生理干擾信號；

用x₂(k)表示步驟三中的Δ[HbO₂]^N(k)或Δ[HHb]^N(k)，作為腦機接口檢測中的虛擬通道信號，則有觀測矩陣x：

x=x1x2=s+nu=1a01su=Ar,]]>A=1a01,]]>r=su,]]>

其中，x₁為整個觀測的時間序列x₁(k)，是一維相量；

x₂為整個觀測的時間序列x₂(k)，是一維相量，即檢測器D2檢測的生理干擾混合相量u；

s為血液動力學信號的整個時間序列；

n為整個觀測的時間序列x₁(k)中混疊的噪聲，

a為檢測器D2檢測獲得的干擾信號與檢測器D1檢測獲得信號的比例權值；

A為混合矩陣，

r為分離的腦機接口信號和噪聲組成的相量；

步驟五、用獨立成分分析ICA算法，在混合矩陣A和血液動力學信號的整個時間序列s未知的情況下，根據觀測矩陣x確定分離矩陣W，使得變換后的輸出Y＝Wx；

步驟六、根據步驟五中的Y＝Wx推算出二維矩陣，兩行分別表示為l和d，l和d分別與s和u滿足線性相關條件，用bl(k)+c作為s(k)的最優估計，則殘差e(k)為：

e(k)＝x₁(k)-bl(k)-c；

步驟七、利用最小二乘算法，采用殘差e(k)的累計平方誤差性能函數J作為代價函數：

J=Σk=1Ne2(k)=Σk=1N(x1(k)-bl(k)-c)2,]]>

求取使J最小的系數b和c，再將求取的系數b和c帶入步驟六中的bl(k)+c公式中，即可獲得腦機接口信號中的血液動力學信號s(k)。