[發(fā)明專利]基于種群多樣性控制的腦電源定位方法、系統(tǒng)及設(shè)備

有效

• 申請?zhí)枺?/td>: 202011096444.1
• 申請日: 2020-10-14
• 公開（公告）號: CN112294339B
• 公開（公告）日: 2022-12-09
• 發(fā)明（設(shè)計）人: 戴亞康;劉剛;劉燕;王悅
• 申請（專利權(quán)）人: 中國科學(xué)院蘇州生物醫(yī)學(xué)工程技術(shù)研究所;濟(jì)南國科醫(yī)工科技發(fā)展有限公司
• 主分類號: A61B5/369
• 分類號: A61B5/369;A61B5/055;A61B5/00
• 代理公司: 北京遠(yuǎn)大卓悅知識產(chǎn)權(quán)代理有限公司 11369
• 代理人: 孔凡玲

1.一種基于種群多樣性控制的腦電源定位方法，其特征在于，所述方法包括以下步驟：

1)基于患者的個性化MRI，進(jìn)行腦組織分割，通過三維重建獲得患者的個性化頭模型與源模型，通過坐標(biāo)轉(zhuǎn)換配準(zhǔn)個性化頭模與個性化源模；

2)建立EEG標(biāo)準(zhǔn)電極布置的幾何模型，基于基準(zhǔn)點法實現(xiàn)EEG標(biāo)準(zhǔn)電極模型與個性化MRI的自動粗略配準(zhǔn)，再通過手動微調(diào)電極位置實現(xiàn)EEG標(biāo)準(zhǔn)電極模型與個性化MRI的精細(xì)配準(zhǔn)；

3)構(gòu)建體積傳導(dǎo)空間模型，利用邊界元法或有限元法計算正向傳導(dǎo)矩陣；

4)建立源定位問題的數(shù)學(xué)模型并通過參數(shù)分離對源定位問題的數(shù)學(xué)模型進(jìn)行降維；

5)假設(shè)電流偶極子源數(shù)目，初始化算法粒子數(shù)量和迭代次數(shù)，在解空間內(nèi)均勻初始化粒子位置，利用基于種群多樣性的量子粒子群算法：DQPSO進(jìn)行全局搜索，引入種群多樣性指標(biāo)并設(shè)置種群多樣性下限，根據(jù)種群多樣性更新算法的收縮擴(kuò)張因子，獲得源定位結(jié)果；

所述步驟4)具體包括：

4-1)建立源定位模型如下：

其中，V表示測得的頭皮腦電強(qiáng)度，A為所述步驟3)計算得到的正向體積傳導(dǎo)矩陣，X為偶極子強(qiáng)度參數(shù)；

4-2)通過將偶極子的線性和非線性參數(shù)分離，簡化問題數(shù)學(xué)模型的維度與復(fù)雜度：假設(shè)已知位置X，要使J最小，須有最優(yōu)偶極子強(qiáng)度X^*＝A^*V,A^*為Moore-Penrose偽逆，則源定位模型轉(zhuǎn)化為：

所述步驟5)具體包括：

5-1)假設(shè)電流偶極子源數(shù)目，設(shè)置算法粒子數(shù)量和算法迭代次數(shù)，利用均勻概率密度函數(shù)在解空間內(nèi)隨機(jī)初始化DQPSO的粒子位置矩陣；

5-2)依據(jù)上述步驟4-2得到的源定位模型J，評估粒子的適應(yīng)度值；

5-3)比較當(dāng)前粒子的適應(yīng)度值與個體最優(yōu)的適應(yīng)度值，決定個體最優(yōu)位置；

5-4)比較當(dāng)前粒子的適應(yīng)度與全局最優(yōu)的適應(yīng)度值，決定全局最優(yōu)位置；

5-5)引入種群多樣性思想，評估算法的種群多樣性div，根據(jù)種群多樣性更新收縮擴(kuò)張因子；

5-6)依據(jù)粒子位置受到主流思想點的吸引對粒子位置進(jìn)行更新；

5-7)設(shè)置終止條件為達(dá)到最大迭代次數(shù)即停止迭代，若不滿足終止條件，則返回上述步驟5-2)，循環(huán)迭代，直到滿足終止條件，獲得源定位結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟1)具體包括：

1-1)利用腦組織分割算法，基于閾值的腦組織分割算法或區(qū)域生長腦組織分割算法，對患者的個性化MRI進(jìn)行分割，獲得患者的頭皮、顱骨、大腦；通過在組織類型的邊界處創(chuàng)建由三角面片頂點相連接成的表面，獲得患者的個性化頭模型；

1-2)通過磁共振圖像自動分割算法，基于統(tǒng)計學(xué)的腦組織分割算法或基于馬爾科夫隨機(jī)場模型的腦組織分割算法，對患者的個性化MRI進(jìn)行分割，獲得灰質(zhì)、白質(zhì)和腦脊液，通過磁共振三維重建算法，面繪制方法中的二維輪廓線重構(gòu)三維形體或移動立方體法，獲得個性化源模；

1-3)通過坐標(biāo)轉(zhuǎn)換，將個性化頭模與源模配準(zhǔn)到同一坐標(biāo)系下。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟2)具體包括：

2-1)參照10-20，10-10或10-5多個標(biāo)準(zhǔn)電極模板及運用21，32，64，128，256通道多種排列方式，建立EEG標(biāo)準(zhǔn)電極布置的幾何模型；

2-2)選取EEG標(biāo)準(zhǔn)電極布置幾何模型上至少三個電極作為基準(zhǔn)電極，選取個性化MRI上的相同位置作為基準(zhǔn)點，包含鼻根、左耳、右耳，將基準(zhǔn)電極與基準(zhǔn)點對齊，實現(xiàn)EEG標(biāo)準(zhǔn)電極模型與個性化MRI的自動粗略配準(zhǔn)；

2-3)通過手動矯正，微調(diào)電極位置，包括平移、旋轉(zhuǎn)、縮放，實現(xiàn)EEG標(biāo)準(zhǔn)電極模型與個性化MRI的手動精細(xì)配準(zhǔn)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟3)具體為：

基于患者個性化頭模、個性化源模和電極位置信息，構(gòu)建體積傳導(dǎo)空間模型；

利用邊界元法或有限元法計算正向體積傳導(dǎo)矩陣。