[發明專利]一種基于fNIRS分析的ROI腦區通道優化篩選方法

在審

• 申請號: 202310258046.2
• 申請日: 2023-03-17
• 公開（公告）號: CN116269366A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 謝平;何廣智;程生翠;王子怡;劉冬梅;陳曉玲;張學敏;張騰宇;李增勇
• 申請（專利權）人: 燕山大學
• 主分類號: A61B5/1455
• 分類號: A61B5/1455;G06F18/25
• 代理公司: 石家莊眾志華清知識產權事務所(特殊普通合伙) 13123
• 代理人: 周勝欣

1.一種基于fNIRS分析的ROI腦區通道優化篩選方法，其特征在于：包括以下步驟：

步驟1，同步采集多通道近紅外信號，并對其進行壞導、壞段及運動偽影去除、濾波及血氧濃度轉換的預處理，得到氧合血紅蛋白HbO、脫氧血紅蛋白HbR和總氧血紅蛋白HbT濃度信號；

步驟2，對預處理后的多通道腦血氧信號計算多類時域特征集合，采用最小二乘法的特征融合算法對時域多特征集合進行特征融合，得到時域最優特征集；

步驟3，基于排列組合算法構建各ROI區通道第一集合，并采用先序遍歷算法進一步構建ROI區通道第二集合；

步驟4，采用局部-全局尋優方法，計算ROI區通道第二集合元素的ROI區局部評價指標和大腦全局評價指標，篩選出使得局部評價指標和大腦全局評價指標最大的ROI區通道第二集合元素，得到大腦各ROI區最優通道組合，實現腦功能狀態的有效監測。

2.根據權利要求1所述的一種基于fNIRS分析的ROI腦區通道優化篩選方法，其特征在于：步驟1中，所述壞導、壞段及運動偽影去除、濾波及血氧濃度轉換的預處理，具體包括以下步驟：

步驟11，壞導檢測及剔除，采用變異系數進行判斷并剔除信號不好的通道，變異系數CV定義為其中，σ是信號標準差，μ是信號均值，當CV值大于15％時，判斷該導為壞導，剔除該通道數據；

步驟12，壞段檢測及剔除，采用異常點檢測數據壞段，通過將任意時間點信號的幅值與任意一段時間內信號的平均的幅值作對比，并且設置閾值來標出異常點，進而采用三次樣條插值方法去除壞段數據；

步驟13，去除運動偽影，設定信號標準差閾值為6，峰閾值為0.5，采用三次樣條插值方法識別并去除信號中的運動偽影；

步驟14，濾波，采用0.01至0.1Hz的六階巴特沃斯帶通濾波器去除干擾成分，包括心跳、呼吸、梅爾波引起的噪聲；

步驟15，將光密度信號轉換為血氧濃度信號，根據修正后的Beer-Lambert定律，得到氧合血紅蛋白HbO、脫氧血紅蛋白HbR和總氧血紅蛋白HbT濃度信號，其中路徑差分因子設定為-6到6。

3.根據權利要求1所述的一種基于fNIRS分析的ROI腦區通道優化篩選方法，其特征在于：所述步驟2的具體步驟如下：

步驟21，預處理后的多通道腦血氧信號進行時域多特征提取，得到每個通道的多類時域特征集合，其中，所述時域特征集合X＝[X1,X2,X3,X4,X5,X6,…]，包括但不限于：能量集合X1、峰度集合X2、均值集合X3、偏度集合X4、標準差集合X5、方差集合X6；

步驟22，然后對所述時域特征集合X中各元素分別進行歸一化處理，公式如下：

其中，Xi＝[xi1,xi2,...,xij,...,xiM](i＝1,2,…；1≤j≤M)，i為時域特征類別，M為通道數，經過歸一化處理后得到歸一化后時域特征集合X'＝[X1',X2',X3',X4',X5',X6'，…]；

步驟23，對所述歸一化后時域特征集合X'采用約束最小二乘法進行特征融合，得到時域最優特征集X”，公式如下：

其中，α_k是權重值，l是時域特征類別。

4.根據權利要求1所述的一種基于fNIRS分析的ROI腦區通道優化篩選方法，其特征在于：所述步驟3的具體步驟如下：

步驟31，根據電極定位初始化ROI區數量和ROI區內的通道集合；

步驟32，基于所述各ROI區內的通道集合，采用排列組合算法構建各ROI區通道第一集合，其中排列組合C公式如下：

式中，表示在ROI區內部通道數量為n的情況下，從中任意選取m(m＝1,2,…,n)個通道的組合情況；

步驟33，采用先序遍歷算法分別從所述各ROI區通道第一集合中任意選取一個元素組成一個新的大腦各ROI區通道集，即ROI區通道第二集合。

5.根據權利要求4所述的一種基于fNIRS分析的ROI腦區通道優化篩選方法，其特征在于：所述步驟31具體包括：根據預先設定的腦區劃分原則和電極定位文件，確定初始化ROI區數量和各ROI區內的通道集合，其中，所述預先設定的腦區劃分原則，包括但不限于：AAL腦區劃分標準、Brodmann腦區劃分標準。

6.根據權利要求1所述的一種基于fNIRS分析的ROI腦區通道優化篩選方法，其特征在于：所述步驟4中的局部-全局尋優方法，具體包括：

步驟41，對所述ROI區通道第二集合中的各元素對應的ROI區通道組合計算ROI區局部評價指標和大腦全局評價指標，所述局部評價指標由所述時域最優特征集確定，通過計算當前元素對應的ROI區內通道的時域最優特征的均值，定量刻畫各ROI區激活情況；所述大腦全局評價指標由所述預處理后的腦血氧濃度信號確定，通過皮爾遜相關方法計算當前元素對應的ROI區之間的相關性系數矩陣并計算其均值，定量刻畫ROI區之間的關聯關系；

步驟42，比較所述ROI區通道第二集合元素的ROI區局部評價指標和大腦全局評價指標，得到所述ROI區局部評價指標和大腦全局評價指標的最大值，根據所述最大值得到對應的ROI區通道第二集合元素，即大腦各ROI區最優通道組合。