[發明專利]一種基于LSTM的腦電信號源定位方法

有效

• 申請號: 201910178711.0
• 申請日: 2019-03-11
• 公開（公告）號: CN110090017B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 段立娟;徐凡;崔嵩;喬元華
• 申請（專利權）人: 北京工業大學
• 主分類號: A61B5/369
• 分類號: A61B5/369;G06N3/04;G06N3/08
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 張慧

1.一種基于LSTM的腦電信號源定位方法，其特征在于，包括以下步驟：

步驟1：模擬腦電數據生成

通過Fieldtrip工具包生成模擬腦電數據，采用標準頭模型的MRI圖像和標準BIOSEMI-128腦電系統生成頭皮腦電信號；

步驟2：基LSTM的定位模型構建

1)利用貝葉斯模型建模腦電信號源定位

對于腦電逆問題，根據貝葉斯建模，神經活動的重建表示為計算條件概率分布P(s_t|l_t-m，l_t-m+1，…，l_t)，根據先驗概率公式，源活動s_t在觀測信號l_t-m，l_t-m+1，…，l_t下的分布表示為：

P(l_t-m，l_t-m+1，…，l_t|s_t)表示在源活動s_t的條件下，頭皮腦電信號的觀測值；P(s_t)和P(l_t-m，l_t-m+1，…，l_t)分別表示空間和時間上的先驗分布；

2)基于LSTM的定位模型構建

采用由兩個LSTM組成的深度神經網絡回歸模型，其網絡包含兩個通路，頭皮腦電編碼和源信號解碼，分別從頭皮信號和源信號提取時空隱含的位置信息和位置表達的結構，對于頭皮信號的編碼部分，LSTM網絡與不同電極間的連接和不同時刻隱含層的連接對于頭皮腦電中的空間和時間關系分別編碼，對于源信號解碼部分，網絡將編碼得到的隱含位置信息按照目標的源信息的形式進行解碼，其中，

假設輸入的頭皮腦電信號序列為l_t，t＝1，…，T，每個時刻的輸入包含d個不同電極獲得的信號，LSTM網絡提取到的時空隱含關系保存在隱含層中并傳遞給解碼網絡，每個時刻，隱含層節點與當前時刻的頭皮腦電輸入連接且和上一時刻隱含層的節點相連，LSTM單元的結構，隱含層狀態h_t表示如下：

f_t＝σ(W_f·[h_t-1，x_t]+b_f)

i_t＝σ(W_i·[h_t-1，x_t]+b_i)

o_t＝σ(W_o·[h_t-1，x_t]+b_o)

h_t＝o_t*tanh(C_t)

其中，i_t是輸入門，用來模擬將輸入信號中的信息選擇性地記錄在隱含狀態的過程；f_t是遺忘門，用來模擬將隱含狀態中的部分信息選擇性地遺忘的過程；o_t是輸出門，用來模擬將上個隱含狀態的信息選擇性地輸出給下個隱含狀態的過程；g_t是輸入調制門，是對輸入信號的變換的過程；c_t是記憶單元；h_t是隱含單元，其中提取了腦電信號的時空隱含位置信息；δ(·)和φ(·)分別是非線性Sigmoid函數和雙曲正切函數；W表示下標對應的層和門之間的權重矩陣；b表示下標對應的門的偏置；⊙是門操作中對應元素乘積運算；腦電信號的空間信息保存在輸入層與隱含層的連接權W_l*中；而腦電信號的時間信息保存在上個隱含層與當前隱含層連接權w_h*中，

在源信號的解碼階段，解碼的網絡為單步的LSTM，其初始狀態為頭皮腦電編碼LSTM的隱含層，隱含層和輸出層的是全連接的，最終輸出源信號的位置參數，是源信號的坐標位置，通過回歸源的坐標實現的，采用均方誤差(mean square error，MSE)作為網絡的損失函數；

其中，x_i＝(l_t-m，l_t-m+1，…，l_t)表示第i個頭皮腦電輸入，y_i表示第i個輸入的源所在的位置，N表示總共的樣本數，

步驟3：模擬腦電數據訓練定位模型

使用生成的模擬腦電數據來訓練定位模型，并在根據測試結果調整網絡參數，使得定位模型在模擬數據上的定位精度達到最優；

步驟4：真實腦電數據預處理

對采集到的真實腦電數據進行預處理操作，包括：帶通濾波、平均重參考、基線漂移去除、獨立成分分析(ICA)，并通過ADJUST算法去除偽跡成分，并利用滑動窗口將腦電信號分割成1秒的片段，每個片段有256個采樣點；所述帶通濾波的范圍為0.3-47Hz；

步驟(5)針對真實腦電數據的信號源定位

將采集到的真實腦電送到訓練好的定位模型中，此時模型就根據輸入的腦電信號計算出信號源的位置；定位準確率的評價函數為：

其中，真實源位置為(x，y，z)，估計位置為

2.如權利要求1所述的基于LSTM的腦電信號源定位方法，其特征在于，步驟1具體為：利用FEM建立相應的頭模型，大腦組織分為灰質、白質、腦脊液、頭骨、頭皮五類，其對應的傳導率分別設定為0.43、0.0024、1.79、0.14和0.33，源信號的位置是從灰質和白質對應的所有體素中隨機選擇的，偶極子源是存在于灰質和白質所在位置上；數據生成的公式為：

其中x_k是信號源在時刻k的值，x_k的前τ個值是隨機選取的，

將生成的數據集以9∶1的比例分成訓練數據集和測試數據集，其中，訓練數據集用于訓練回歸網絡，而測試數據集則用于評價網絡定位信號源的精度，生成的頭皮腦電信號表示為一個m*p*q的矩陣，其中m表示樣本總量，p表示頭皮腦電采樣點的個數，p＝r*t，其中r表示采樣頻率，t表示采樣時間，q表示通道數，即采集頭皮腦電的電極的個數。