[發明專利]基于稀疏貝葉斯學習的穩態誘發響應腦源定位方法

有效

• 申請號: 202010001431.5
• 申請日: 2020-01-02
• 公開（公告）號: CN111096745B
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 胡南;陳婷婷;曲銘雯;孫兵;王加俊
• 申請（專利權）人: 蘇州大學
• 主分類號: A61B5/38
• 分類號: A61B5/38;A61B5/372
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 王玉仙

1.一種基于稀疏貝葉斯學習的穩態誘發響應腦源定位方法，其特征在于，包括：

步驟1.將M個電極采集到穩態誘發響應的頭皮記錄分為L段；經過對L段數據的預處理以提高信噪比，得到L個數據段x_l(t),l＝1,2,…L；

步驟2.對各數據段對應的x_l(t)進行快速傅里葉變換，即FFT，提取x_l(t)在刺激頻點f₀處的復數分量并將L個數據段對應的整合為聯合穩態誘發響應多數據段結構信息的矩陣X，其中(·)^Τ表示轉置；若有多個被試的數據，將他們的數據矩陣橫向排列整合成一個矩陣X；

步驟3.設置迭代程序的參數：誤差閾值ε和最大迭代次數N_iter，并對迭代程序中的各變量初始化：稀疏支撐向量α初始化為α_init，自發腦電-電噪聲聯合功率向量γ初始化為γ_init；

步驟4.利用穩態誘發響應數據信息矩陣X、頭模型和電極分布對應的導程場矩陣舊的稀疏支撐向量α和自發腦電-電噪聲聯合功率向量γ計算第l段數據對應的源信號的后驗均值向量μ_l和后驗協方差矩陣Σ_l；

步驟5.根據μ_l、Σ_l計算稀疏支撐向量α和自發腦電-電噪聲聯合功率向量γ的更新值α_new和γ_new；

步驟6.判斷是否滿足迭代停止條件：迭代次數n≥N_iter或若不滿足則令α＝α_new，γ＝γ_new，回到步驟4繼續執行迭代；否則結束迭代，輸出稀疏支撐向量α，得到源定位結果；

利用穩態誘發響應數據信息矩陣X、頭模型和電極分布對應的導程場矩陣舊的稀疏支撐向量α和自發腦電-電噪聲聯合功率向量γ計算μ_l和Σ_l包括：

(1)其中Λ＝diag(α)；

(2)

根據μ_l和Σ_l計算稀疏支撐向量α和自發腦電-電噪聲聯合功率向量γ的更新值α_new和γ_new包括：

(1)其中α_new[n]為α_new的第n個元素，(·)^*表示共軛運算，Σ_l[n,n]為Σ_l的第(n,n)個元素，μ_l[n]為μ_l的第n個元素；

(2)其中γ_new[l]為γ_new的第l個元素，Re(·)和tr(·)分別為取實部和求跡運算；

其中，對迭代程序中的各變量的初始化包括：

(1)稀疏支撐向量α初始化為其中(·)^Η表示共軛轉置，⊙表示Hadamard積，而||·||_F表示Frobenius范數；

(2)第l段數據對應的自發腦電-電噪聲聯合功率γ_l初始化為

2.如權利要求1所述的基于稀疏貝葉斯學習的穩態誘發響應腦源定位方法，其特征在于，對數據進行預處理包括：數據的基線校正與疊加平均。