[发明专利]一种基于因子分析的眼电伪迹去除方法

说明书

技术领域

本发明涉及神经信息科学领域，尤其涉及的是一种基于因子分析的眼电伪迹去除方法。

背景技术

脑电信号是利用精密电子设备记录下大脑细胞群的自发性、节律性电活动，具有无创，高时间分辨率等优点。然而由于脑电信号是微弱的非平稳信号(一般是微伏量级)，特别容易受到眼电，心电，肌电等因素的干扰；其中眼电信号是最重要的干扰源，它与脑电信号掺杂在一起给脑电信号的后续分析带来诸多不便，也使脑电的研究受到了一定的限制。因此去除眼电伪迹是一直是脑电研究中比较受到关心的问题，这对脑电在临床上应用也具有相当大的意义。

最先研究者们去除脑电中眼电伪迹的方法主要是通过实验控制、设定阈值、回归等方法来完成的。实验控制方法只能去除部分眼电伪迹，并不能很好地对眨眼带来的眼电伪迹进行处理。而设定阈值的方法是通过设定一个阈值，把高于阈值的信号整体丢掉从而达到去除眼电的目的，这种方法也存在一个很大的问题是选择阈值并没有一个很好的标准; 如果阈值选择过高会导致大量的眼电伪迹信息留在脑电信号中，而阈值过低则会导致脑电中有用的信息丢失。回归方法通过计算眼电信号在头皮每个电极的衰减因子来消除眼电伪迹，相对前两种方法更加合理；但这种方法也只考虑了眼电信号向头表各电极的传播而并没有考虑脑电信号向眼睛部位的传播，因此这种方法也并不能更好地应用与眼电伪迹的去除。

目前去除脑电中眼电伪迹比较流行的方法是利用成分分解，主要是主成分分析(Principal Component Analysis: PCA)和独立成分分析(Independent Component Analysis: ICA)两种方法。主成分分析是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。独立成分分析是一种利用统计原理进行计算的方法。它是一个线性变换；这个变换把数据或信号分离成统计独立的非高斯的信号源的线性组合。这两种方法已经得到了较广的应用，已经在一些软件中集 成了这两种眼电伪迹的去除方法。然而这两种方法仍然都存在一个问题是需要人为地判断出哪一种成分是需要去除的眼电成分，比较繁琐且个体差异性较大。

因此，现有技术存在缺陷，需要改进。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，为了提高去除眼电伪迹的效率和准确度,使其更好地应用于临床，提出了一种基于因子分析的眼电伪迹去除方法。

本发明的技术方案如下：

一种基于因子分析的眼电伪迹去除方法，其步骤如下：

（1）采用脑电测量设备记录二维多导测量信号（32导，64导，128导），对该测试的原始脑电数据进行预处理（通常是去坏导，去漂移），提取出预处理后各导联脑电的时间序列(EEG)；同时提取与脑电同步采集的眼电信号（EOG信号）；

（2）将步骤（1）中预处理后的脑电信号进行因子分解（X=AF，X为脑电信号），得到该脑电信号分解后因子矩阵（F）及其对应的相关系数矩阵R，利用相关系数矩阵R计算出对应的载荷矩阵                                                （其中为相关矩阵R的特征值，U为特征值对应的特征向量)；

（3）计算脑电信号分解后的各因子与同步记录的眼电信号（EOG信号）间的相关系数，找出各因子中最大相关系数(γ_max)对应的因子，这个因子就确定为眼电伪迹的因子；

（4）将确定后的眼电伪迹的因子置零，得到不包含眼电伪迹的新的因子矩阵N_F，利用步骤（2）得到的载荷矩阵A来还原脑电信号，其中还原方式是N_EEG = A*N_F，此时得到的就是去除眼电伪迹干扰的脑电信号（N_EEG）。

所述的方法，步骤（1）中，脑电测量设备是标准的32导、64导、128导、256导电极的脑电信号记录系统之一。

所述的方法，步骤（2）中，在分解因子的时候尽量将所有的因子都进行分析并保存，这样在还原的时候能够保证脑电信号信息不会过多的丢失，更准确地找出眼电伪迹因子。

所述的方法，步骤（3）中，在计算每个因子与同步记录的眼电信号的相关系数时，可以直接通过相关系数的最大值来确定眼电伪迹的因子，消除了独立成分分析等传统分析方法的人为干扰。

所述的方法，步骤（4）中，可以利用脑电地形图来对去除眼电伪迹后的脑电信号进行观察，可以直接看出额叶区域是否还受眼电伪迹的影响。