[發(fā)明專利]一種核磁共振環(huán)境下的腦信號在線去噪方法

有效

• 申請?zhí)枺?/td>: 201711234707.9
• 申請日: 2017-11-30
• 公開（公告）號: CN107981862B
• 公開（公告）日: 2020-06-19
• 發(fā)明（設(shè)計(jì)）人: 孫佳敏;俞祝良;于承鑫
• 申請（專利權(quán)）人: 華南理工大學(xué)
• 主分類號: A61B5/055
• 分類號: A61B5/055
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 馮炳輝

1.一種核磁共振環(huán)境下的腦信號在線去噪方法，其特征在于，包括以下步驟：

1)對采集到的腦電信號進(jìn)行高通濾波，濾除溫漂及脈沖偽跡；

2)對步驟1)中濾波后的信號進(jìn)行上采樣，并對腦電信號與fMRI設(shè)備發(fā)出的標(biāo)記進(jìn)行同步，即將每個(gè)fMRI掃描切片過程中采集的腦電信號與下面步驟3)的梯度噪聲模板進(jìn)行滑動互相關(guān)運(yùn)算，運(yùn)算結(jié)果最大的位移即為同步后調(diào)整的位置，得到信號S_h；

3)由于腦電信號是隨機(jī)信號，梯度噪聲則以一個(gè)切片掃描時(shí)間T為周期，每個(gè)周期內(nèi)該噪聲的形狀相似，因此需要構(gòu)造一個(gè)滑動窗口來構(gòu)造梯度噪聲模板A_τ，其中τ表示模板的時(shí)間序號，基于此模板進(jìn)行初步去噪；

4)得到梯度噪聲模板A_τ后，將混合著噪聲的信號S_h劃出一個(gè)長度為T*w個(gè)點(diǎn)的切片，其中w為采樣頻率，將梯度噪聲模板以最小二乘擬合切片數(shù)據(jù)，得到擬合參數(shù)y_τ，從S_h減去y_τ*A_τ，得到帶有殘留偽跡的信號S^r；

5)步驟4)得到的信號S^r中依然有殘留偽跡，對其進(jìn)行主成分分析，即PCA，再將PCA得到的各成分與梯度噪聲模板進(jìn)行相關(guān)操作，將各成分按照相關(guān)程度大小排序，取最大的m個(gè)成分作為梯度噪聲的最優(yōu)基β_j，j＝1,2,...,m，將其以最小二乘擬合S^r，得到擬合參數(shù)a_j，j＝1,2,...,m，具體處理過程如下：

5.1)在信號S^r中構(gòu)造一個(gè)PCA滑動窗口，將其以一個(gè)切片的時(shí)間間隔T劃分，即T*w為一個(gè)數(shù)據(jù)段，構(gòu)造一個(gè)PCA樣本矩陣S_p*q，其中p為PCA樣本的個(gè)數(shù)，q則為一個(gè)樣本的維數(shù)，即q＝T*w，將每個(gè)新采集的數(shù)據(jù)段去平均后存進(jìn)S_p*q，并刪除最早的一個(gè)數(shù)據(jù)段，保持p個(gè)樣本數(shù)；

5.2)對S_p*q轉(zhuǎn)置得到矩陣之后計(jì)算矩陣的特征向量v_i及特征值σ_i，則樣本的協(xié)方差矩陣的特征向量

5.3)將特征向量u_i與S_p*q中的最新一個(gè)切片數(shù)據(jù)段作相關(guān)運(yùn)算，將u_i按照相關(guān)運(yùn)算的結(jié)果從大到小排序，取最大的m個(gè)u_i作為梯度噪聲的最優(yōu)基β_j，j＝1,2,...,m，將其以最小二乘擬合得到擬合參數(shù)a_j，j＝1,2,...,m,即從減去a_j*β_j，最終經(jīng)過構(gòu)造梯度噪聲模板去噪及PCA去噪，即可將梯度噪聲消除。

2.根據(jù)權(quán)利要求1所述的一種核磁共振環(huán)境下的腦信號在線去噪方法，其特征在于，在步驟1)之前還要進(jìn)行如下步驟：

設(shè)計(jì)程序框架，程序包含兩個(gè)主要線程，一個(gè)線程負(fù)責(zé)記錄放大器采集的信號，另一個(gè)線程負(fù)責(zé)信號的處理，且對需要進(jìn)行去噪的每個(gè)放大器通道都要單獨(dú)創(chuàng)建一個(gè)線程，創(chuàng)建的線程負(fù)責(zé)每個(gè)通道信號的并行處理。

3.根據(jù)權(quán)利要求1所述的一種核磁共振環(huán)境下的腦信號在線去噪方法，其特征在于：在步驟3)中，具體處理過程如下：

3.1)以N⁺個(gè)切片掃描時(shí)間長度N⁺*T為滑動窗口的寬度，在腦電信號上進(jìn)行移動，將窗口中的信號以T為間隔進(jìn)行劃分，設(shè)采樣頻率為w，即q＝T*w個(gè)采樣點(diǎn)為一個(gè)切片間隔的數(shù)據(jù)長度；

3.2)窗口中的一個(gè)切片數(shù)據(jù)段為將N⁺個(gè)進(jìn)行疊加，再除以N⁺取平均，得到梯度噪聲的模板