一种功能磁共振成像辅助的脑电通道选择方法.pdf

《一种功能磁共振成像辅助的脑电通道选择方法.pdf》由会员分享，可在线阅读，更多相关《一种功能磁共振成像辅助的脑电通道选择方法.pdf（10页完整版）》请在专利查询网上搜索。

1、(10)申请公布号 (43)申请公布日 (21)申请号 201510938293.2 (22)申请日 2015.12.14 A61B 5/0476(2006.01) A61B 5/0478(2006.01) (71)申请人 中国人民解放军信息工程大学 地址 450052 河南省郑州市高新区科学大道 62 号 (72)发明人 闫镔 童莉 张驰 曾颖 蒋静芳 王林元 高辉 王勤民 (74)专利代理机构 郑州大通专利商标代理有限 公司 41111 代理人 陈大通 (54) 发明名称 一种功能磁共振成像辅助的脑电通道选择方 法 (57) 摘要 本发明公开了一种功能磁共振成像辅助的脑 电通道选择方法， 。

2、克服了现有技术中， 单纯依靠脑 电数据进行脑电通道选择所面临的空间分辨率的 问题。该发明含有以下四个步骤 ：（1） 由 fMRI 实 验数据获取相关功能脑区的激活情况 ；（2） 由大 脑标准结构像构建 EEG 正演模型 ；（3）通过 EEG 正演模型计算各个通道和特定脑功能的相关程 度 ；（4） 根据得到的脑功能相关程度地形图对 EEG 通道进行选择。与现有技术相比， 本发明利用了 fMRI 技术高空间分辨率的优势， 在一定程度上突 破了脑电通道选择中 EEG 空间分辨率低的限制 ； 相比于传统的依靠经验或数据分析进行通道选 择， 更有理论依据 ； 可针对不同人， 制定出不同的 通道选择方法。。

3、 (51)Int.Cl. (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书4页 附图4页 CN 105395194 A 2016.03.16 CN 105395194 A 1/1 页 2 1.一种功能磁共振成像辅助的脑电通道选择方法， 其特征在于 ： 含有以下四个步骤 ： (1) 由 fMRI 实验数据获取相关功能脑区的激活情况 ； (2) 由大脑标准结构像构建 EEG 正演模型 ； (3) 通过 EEG 正演模型计算各个通道和特定脑功能的相关程度 ； (4) 根据得到的脑功能相关程度地形图对 EEG 通道进行选择。 2.根据权利要求 1 所述的功能磁共振成像。

4、辅助的脑电通道选择方法， 其特征在于 ： 所 述步骤(1)使用任务态的fMRI数据处理方法， 得到被试在做特定脑功能任务时相关脑区的 激活情况。 3.根据权利要求 1 所述的功能磁共振成像辅助的脑电通道选择方法， 其特征在于 ： 所 述步骤 (2) 通过大脑标准结构像建立一个标准的头模型， 每个个体的数据图像则通过 SPM 的标准化步骤配准到标准脑上 ； 即通过 SPM 软件得到标准大脑的头皮、 颅骨和皮层三层球 模型， 并对皮层进行网格化， 取 8196 个网格， 每个格点代表一个偶极子， 电极配准到头表 ； 每个网格对应了 Talairach 标准解剖空间中的不同位置 ； 利用边界元法， 。

5、将得到的三层头 模型输入到 Fieldtrip 软件中， 就得到从皮层网格到头表的传递矩阵 L Rnd， n 表示电极 个数， d 表示 EEG 信号源个数。 4.根据权利要求 1 所述的功能磁共振成像辅助的脑电通道选择方法， 其特征在于 ： 所 述步骤 (3) 由步骤 (1)fMRI 任务数据的分析， 可得到与特定脑功能相关脑区的激活程度， 使用 t- 检验的 t 值表示， 由步骤 (2) 构建的 EEG 正演模型， 可得到从皮层到头表电极处的 传递矩阵 ； 在 EEG 正演模型的建立过程中， 对皮层进行了离散网格化处理， 对于每个离散网 格， 使用其邻域 33 体素 t 值绝对值的均值代表。

6、网格的激活情况， 可得到 8196 维代表皮层 网格激活程度的向量 a， 通过传递矩阵， 就可得到各个通道和特定脑功能的相关程度值 E |La|。 5.根据权利要求 1 所述的功能磁共振成像辅助的脑电通道选择方法， 其特征在于 ： 所 述步骤 (4) 根据步骤 (3) 得到各个通道和特定脑功能的相关程度值， 对每个通道和特定脑 功能的相关程度进行排序， 依据相关程度值从大到小的顺序进行选择。 权 利 要 求 书 CN 105395194 A 2 1/4 页 3 一种功能磁共振成像辅助的脑电通道选择方法 技术领域 0001 该发明涉及一种脑电通道选择方法， 特别是涉及一种功能磁共振成像辅助的脑电。

7、 通道选择方法。 背景技术 0002 近二十年来， 随着脑影像技术的进步， 脑科学的研究进入了一个高速发展时期。 作 为无创的进行脑功能研究的两种主要神经成像工具， 脑电 (Electroencephalography， EEG) 和功能磁共振成像 (functional magnetic resonance imaging,fMRI) 分别以其高时间分 辨率和高空间分辨率的优势在临床诊断和学术研究中得到了高度关注和广泛应用。 0003 在基于 EEG 的特定脑功能研究中， 利用少量通道实现特定脑功能数据信号可靠有 效的获取是 EEG 研究向便携化、 实用化发展的关键。利用特征选择的方法虽然可。

8、以挑选出 对大脑相关功能信息获取较为有效的通道， 但需要提前进行一定量的数据采集和分析， 且 基于特征选择的通道选择方法理论依据并不充分。作为神经影像领域的一项重要技术， fMRI 高空间分辨率的特性， 可以在一定程度上弥补 EEG 所获取空间信息的不足。如何利用 由 fMRI 得到的大脑激活空间信息来辅助 EEG 通道的选择， 是本专利要尝试解决的问题。 0004 目前， EEG 与 fMRI 的融合研究已成为了前沿热点。这方面的研究主要分为三个方 向 ： 利用fMRI信息对EEG信号的分析进行空间约束 ； 利用EEG信息对fMRI信号的分析进行 时间预测 ； 建立共同的生成模型对两者数据进。

9、行对称融合。 0005 在基于 fMRI 信息的 EEG 分析中， 大多数的研究针对的是 EEG 溯源问题 (EEG 反问 题 )， 即以 EEG 正演模型为基础， 采用 fMRI 的空间信息来重建 EEG 的源分布。其基本思想由 如下公式描述 ： Y L+， 其中 Y Rns代表 n 个电极 s 个采样点的数据， L R nd代表 由 EEG 正演模型得到的传递矩阵， Rds表示 d 个 EEG 信号源的动态过程。EEG 溯源问 题， 则是已知 Y 和 L， 求 。这是一个典型的不适定问题。利用 fMRI 所提供的空间信息， 可 以为 提供一定的先验信息， 从而使求得的解更加的符合真实情况。。

10、 0006 根据利用 fMRI 空间信息方式的不同， 基于 fMRI 信息的 EEG 分析方法主要分为三 种 ： 一是直接利用 fMRI 的激活脑区位置直接约束 EEG 的源位置， 或者对偶极子的种子点进 行初始化 ； 二是引入贝叶斯框架来放宽激活脑区对 EEG 源位置的约束 ； 三是利用 fMRI 的功 能网络作为 EEG 源定位的先验。 发明内容 0007 本发明克服了现有技术中， 单纯依靠脑电数据进行脑电通道选择所面临的空间分 辨率低的限制， 提供一种效果优越的功能磁共振成像辅助的脑电通道选择方法。含有以下 四个步骤 ： 0008 (1) 由 fMRI 实验数据获取相关功能脑区的激活情况。

11、 ； 0009 (2) 由大脑标准结构像构建 EEG 正演模型 ； 0010 (3) 通过 EEG 正演模型计算各个通道和特定脑功能的相关程度 ； 说 明 书 CN 105395194 A 3 2/4 页 4 0011 (4) 根据得到的脑功能相关程度地形图对 EEG 通道进行选择。 0012 所述步骤(1)使用任务态的fMRI数据处理方法， 得到被试在做特定脑功能任务时 相关脑区的激活情况。 0013 所述步骤 (2) 通过大脑标准结构像建立一个标准的头模型， 每个个体的数据图像 则通过SPM的标准化步骤配准到标准脑上 ； 即通过SPM软件得到标准大脑的头皮、 颅骨和皮 层三层球模型， 并对。

12、皮层进行网格化， 取 8196 个网格， 每个格点代表一个偶极子， 电极配准 到头表 ； 每个网格对应了 Talairach 标准解剖空间中的不同位置 ； 利用边界元法， 将得到的 三层头模型输入到 Fieldtrip 软件中， 就得到从皮层网格到头表的传递矩阵 L Rnd， n 表 示电极个数， d 表示 EEG 信号源个数。 0014 所述步骤 (3) 由步骤 (1)fMRI 任务数据的分析， 可得到与特定脑功能相关脑区的 激活程度， 使用 t- 检验的 t 值表示， 由步骤 (2) 构建的 EEG 正演模型， 可得到从皮层到头表 电极处的传递矩阵 ； 在 EEG 正演模型的建立过程中， 。

13、对皮层进行了离散网格化处理， 对于每 个离散网格， 使用其邻域 33 体素 t 值绝对值的均值代表网格的激活情况， 可得到 8196 维 代表皮层网格激活程度的向量 a， 通过传递矩阵， 就可得到各个通道和特定脑功能的相关程 度值 E |La|。 0015 所述步骤 (4) 根据步骤 (3) 得到各个通道和特定脑功能的相关程度值， 对每个通 道和特定脑功能的相关程度进行排序， 依据相关程度值从大到小的顺序进行选择。 0016 与现有技术相比， 本发明功能磁共振成像辅助的脑电通道选择方法具有以下优 点 ： 利用了 fMRI 技术高空间分辨率的优势， 在一定程度上突破了脑电通道选择中 EEG 空间。

14、 分辨率低的限制 ； 相比于传统的依靠经验或数据分析进行通道选择， 更有理论依据 ； 可针 对不同人， 制定出不同的通道选择方法。此外， 本发明方法可适用于不同的脑功能研究， 具 有一定的通用性。 附图说明 0017 图1是本发明功能磁共振成像辅助的脑电通道选择方法中基于EEG正演模型的脑 电特定脑功能通道选择流程图 ； 0018 图 2 是本发明功能磁共振成像辅助的脑电通道选择方法中的大脑三层头模型结 构示意图 ； 0019 图 3 是本发明功能磁共振成像辅助的脑电通道选择方法中的皮层网格对应到 Talairach 标准解剖空间位置图 ； 0020 图 4 是本发明功能磁共振成像辅助的脑电通。

15、道选择方法中的情绪识别实验范式 设计示意图 ； 0021 图5是本发明功能磁共振成像辅助的脑电通道选择方法中被试1强相关性通道筛 选前后及对比实验的分类正确率示意图 ； 0022 图6是本发明功能磁共振成像辅助的脑电通道选择方法中被试2强相关性通道筛 选前后及对比实验的分类正确率示意图 ； 0023 图7是本发明功能磁共振成像辅助的脑电通道选择方法中被试3强相关性通道筛 选前后及对比实验的分类正确率示意图。 说 明 书 CN 105395194 A 4 3/4 页 5 具体实施方式 0024 下面结合附图和具体实施方式对本发明功能磁共振成像辅助的脑电通道选择方 法作进一步说明， 本发明的技术方。

16、案为 ： EEG 正演模型反映的是皮层处信号源电位变化与 头表处电位信号变化之间的关系， 若假设由 fMRI 得到的相关功能激活脑区便是主要对头 表处电位变化有贡献的脑区， 那么由脑电的正演模型， 便可以将 fMRI 得到的相关功能激活 脑区映射到头表处， 以反映不同电极位置处与特定脑功能相关程度的大小， 从而来辅助进 行 EEG 通道的选择。 0025 方法思想可以由如下公式描述 ： E La， 其中 L Rnd为由皮层到头表的传递 矩阵， n 为电极数目， d 为皮层上的网格数， a 为大脑皮层网格处的激活程度向量， E 为最终 得到的各个电极与特定脑功能的相关性程度。首先利用 fMRI 。

17、实验数据得到的特定脑功能 相关脑区的激活情况， 再通过由大脑标准结构像构建的 EEG 正演模型得到传递矩阵， 从而 得到反映与特定脑功能相关程度的脑电地形图， 为基于脑电脑特定功能研究的通道选择提 供指导。 0026 方法具体流程如附图 1 所示， 主要分为四个步骤 ： 0027 (1) 由 fMRI 实验数据获取相关功能脑区的激活情况 0028 设计反映大脑相关功能的fMRI任务实验， 使用任务态的fMRI数据处理方法， 得到 被试在做特定脑功能任务时相关脑区的激活情况。 0029 (2) 由大脑标准结构像构建 EEG 正演模型 0030 对于每个个体而言， 通过对其 MRI 结构像中进行图。

18、像分割来精确地建立 3 层边界 元头模型并不容易。本发明的做法是通过大脑标准结构像建立一个标准的头模型， 而每个 个体的数据图像则通过 SPM 的标准化步骤配准到标准脑上。首先， 通过 SPM 软件得到标准 大脑的头皮、 颅骨和皮层三层球模型， 并对皮层进行网格化(本文取了8196个网格， 每个格 点代表一个偶极子 )， 电极配准到头表 ( 如附图 2)。每个网格对应了 Talairach 标准解剖 空间中的不同位置 ( 图 3 中红色体素位置 )。利用边界元法 (Boundary Element Method， BEM)， 将得到的三层头模型输入到 Fieldtrip 软件中， 就可得到从皮。

19、层网格到头表的传递 矩阵 L Rnd。 0031 (3) 通过 EEG 正演模型计算各个通道和特定脑功能的相关程度 0032 由第 (1) 步 fMRI 任务数据的分析， 可得到与特定脑功能相关脑区的激活程度 ( 使 用t-检验的t值表示)， 由第(2)步构建的EEG正演模型， 可得到从皮层到头表电极处的传 递矩阵。在 EEG 正演模型的建立过程中， 为了便于模型的求解， 对皮层进行了离散网格化处 理， 所以这里需要将特定脑功能相关脑区的激活情况映射到离散的网格上。对于每个离散 网格， 使用其邻域 33 体素 t 值绝对值的均值代表网格的激活情况， 可得到 8196 维代表皮 层网格激活程度的。

20、向量 a， 通过传递矩阵， 就可得到各个通道和特定脑功能的相关程度值 E La， 这里取绝对值表示只关注相关程度的大小。 0033 (4) 根据得到的脑功能相关程度地形图对 EEG 通道进行选择 0034 步骤 (4) 根据步骤 (3) 得到各个通道和特定脑功能的相关程度值， 对每个通道和 特定脑功能的相关程度进行排序， 依据相关程度值从大到小的顺序进行选择。代表 n 个电 极 s 个采样点的数据， L Rnd代表由 EEG 正演模型得到的传递矩阵， R ds表示 d 个 EEG 信号源的动态过程。 说 明 书 CN 105395194 A 5 4/4 页 6 0035 将本发明方法应用在具体。

21、情绪识别实验中， 如下 ： 在中国情感图片系统 (Chinese Affective Picture System,CAPS)中依据愉悦度选取强正， 弱正， 中性， 弱负， 强负5种类型 图片作为情绪刺激材料， 使得五类图片在愉悦度上有统计意义上的显著差异 ( 两两间双样 本 F 检验， p0.05)。 0036 整个情绪识别实验包括150个trial， 每张图片呈现一次。 一个trial的具体设计 如附图 4 所示， 首先是 4s 的静息， 屏幕中出现 “静息” 提示， 接着是 2s 的准备阶段， 期间要 求被试盯着屏幕中间的十字并保持注意力。随后是 4s 的情绪诱发图片呈现阶段， 要求被试。

22、 在此期间充分感受图片中的内容， 以便在接下来 4s 的评估阶段给出图片的愉悦度评分， 强 负、 弱负、 中性、 弱正、 强正 5 种情绪体验分别对应 1 5 数字键。被试按键反应后， 屏幕中 “评估” 两字会消失， 表明按键成功。整个实验刺激序列通过 E-prime 软件编程完成。 0037 选取 3 名被试分别在进行 EEG 和 fMRI 实验。EEG 数据采集使用奥地利 gtec 脑电 公司的 16 通道 g-USBamp 系统， fMRI 数据采集使用磁场强度为 3.0T 的 GE Discovery MRI 750 磁共振扫描仪获取。 0038 在情绪识别实验数据的分析中， 选择在情。

23、绪识别中最为广泛应用的功率谱特征。 使用相关性特征选择方法和基于 RBF 核的 SVM 分类器进行 5 折交叉检验。 0039 运用本发明方法进行 EEG 通道选择。比较了三种情况下的情绪情绪状态分类正 确率 ： 1、 未进行通道筛选前 ； 2、 运用本发明方法筛选7个和情绪最相关通道 ； 3、 在剩余通道 中随机选择 7 个通道 ( 进行 3 次， 求均值 )。结果如附图 5、 6、 7 所示， 表明由本发明方法筛 选通道后的分类正确率虽然比为筛选前有所下降， 但是明显高于随机选择其他通道下的结 果， 即表明由本发明方法筛选出来的通道确实比其他通道表现出来了较高的情绪相关性。 说 明 书 CN 105395194 A 6 1/4 页 7 图 1 图 2 说 明 书 附 图 CN 105395194 A 7 2/4 页 8 图 3 图 4 说 明 书 附 图 CN 105395194 A 8 3/4 页 9 图 5 图 6 说 明 书 附 图 CN 105395194 A 9 4/4 页 10 图 7 说 明 书 附 图 CN 105395194 A 10 。