[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

本發明公開一種基于LSTM的腦電信號源定位方法，包括以下步驟：步驟(1)、模擬腦電數據生成；步驟(2)基LSTM的定位模型構建、步驟(3)、模擬腦電數據訓練定位模型；步驟(4)、真實腦電數據預處理；步驟(5)、針對真實腦電數據的信號源定位。采用本發明技術方案，可以根據采集的腦電信號推測出信號源在顱內位置。

技術領域

本發明屬于腦電信號處理領域，尤其涉及一種基于LSTM的腦電信號源定位方法，為根據腦電數據推測顱內神經元的活動提供技術手段。

背景技術

腦電信號(Electroencephalograph，EEG)是通過頭皮覆蓋電極和導電介質采集到的大腦神經元細胞的放電情況，是一種非常流行的非侵入式檢測人類大腦活動的技術，它具有毫秒級別的瞬時分辨率等特點，已被廣泛用于大腦網絡和腦機接口等研究，成為研究腦科學的一種重要手段。腦電信號是顱內神經元集群動作電位的綜合表現，通過頭皮腦電(EEG)來重建顱內神經元的活動被稱為EEG源成像問題，主要涉及信號源特征重建和信號源位置定位這兩類問題。信號源位置定位已成為非常熱門的研究領域，已被應用于如癲癇等多種疾病的臨床診斷和治療中。

現有的腦電源定位方法一般都是求解腦模型傳導方程來解出腦電源位置和特征的數值解，而腦模型傳導方程是個偏微分方程，在有限的信號測量次數下，該方程并沒有唯一解，導致腦電信號源定位問題成為非常棘手的為題。通過對傳導方程添加額外的約束條件成為求解這類問題的主流方案，常用的約束條件主要有L1范數、L2范數和貝葉斯推理等，由此產生的腦電信號源定位方法有STRAPS、wMNE、LORETA、SBL等。但上述方法都依賴極度于約束條件的選取，好的約束條件能帶來好的結果，而受限于神經生物學的發展，約束條件的選取基本靠猜測和嘗試，并沒有一個科學的指導，導致傳統的腦電信號源定位方法并沒有取得一個良好的，被臨床醫學廣泛應用的效果。

隨著人工智能技術的發展，深度學習在圖像，自然語言處理，機器翻譯等領域都取得了重大突破，表現出比傳統方法更好的性能。在上述領域，深度學習幾乎打敗了所有的傳統方法，因此將深度學習應用于腦電信號分析是將會是個不錯的嘗試，特別是將深度神經網絡回歸模型應用于腦電信號源的定位問題。通過大量的數據訓練神經網絡，使網絡學到從腦電源到頭皮腦電的映射關系，也即腦模型傳導方程，直接繞開了對微分方程的手動求解，巧妙地解決了方程沒有唯一解的問題，從而大大提高了腦電信號源的定位精度，并且減少了求解問題的復雜度。

發明內容

針對上述背景，本發明提出一種基于LSTM的腦電信號源定位方法，該方法可以根據采集的腦電信號推測出信號源在顱內位置。

為實現上述目標，本發明采用如下的技術方案：一種基于LSTM的腦電信號源定位方法，具體包括以下步驟：

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，數據由128個通道構型，代表采集頭皮腦電腦電的128個電極，將生成的數據分成測試集和驗證集。

步驟(2)基LSTM的定位模型構建

本方法使用的神經網絡是由兩個LSTM組成的深度神經網絡回歸模型，采用隨機梯度下降算法訓練網絡，網絡的損失函數為平方誤差損失。網絡有兩個輸入，一個為多通道的腦電信號，另一個為假設的源初始三維坐標(如：0.5，0.5，0.5)。整個網絡可以被分為四層：第一層為信號輸入層，接受原始頭皮腦電信號作為網絡的輸入；第二層為鏈接在輸入層后的 LSTM，第一層為其輸入；第三層也是一個LSTM層，第三層有兩個輸入，一個為第二層LSTM的狀態值輸出，另一個輸入為假設的源初始三維坐標(如：0.5，0.5，0.5)；第四層為由三個神經元構成的全連接層，三個神經元分別代表信號源的三維坐標值。通過最小化損失函數來使網絡的輸出(預測的信號源最終三維坐標)接近給定的標簽值。

步驟(3)模擬腦電數據訓練定位模型