[发明专利]一种基于自动ICA去除EEG信号中核磁伪迹的方法

说明书

本发明公开了一种基于自动ICA去除EEG信号中核磁伪迹的方法，所述方法包括以下步骤：1)对含有核磁伪迹的EEG信号进行基础去噪处理，得到去除了大部分核磁伪迹的EEG信号X'(t)；2)对信号X'(t)进行独立成分分离，并自动识别出其中的核磁伪迹残余成分，其余成分保持不变；3)提取步骤2)里核磁伪迹残余成分中的有效低频成分并将其保留；4)将步骤3)得到的核磁伪迹残余成分中的有效低频成分和步骤2)中保留的其余成分一起经过ICA逆变换重构，得到除噪后的EEG信号。所述在ICA的基础上根据核磁噪声的频率分布特性以及其与核磁扫描重复时间参数相关的周期特性自动选择核磁伪迹成分，并保留了其中的有用信息。

技术领域

本发明涉及EEG-fMRI混合脑电信号研究领域，具体涉及一种基于自动ICA去除EEG信号中核磁伪迹的方法。

背景技术

脑电信号的研究一直是生物医学领域以及脑神经信息研究领域的重点，也是人类观察大脑工作机制探寻大脑奥秘的最基本的方式。EEG信号具有毫秒级的时间分辨率，以头皮电位的变化记录大脑的神经活动。而功能磁共振技术通过神经成像让人们更加直观的看到大脑内部的结构及其血氧活动。功能磁共振的高空间分辨率和EEG信号的高时间分辨率让他们的结合具有更重要的意义和优势。

然而两种方法的结合也受到了很多限制，尤其是磁共振扫描给EEG记录带来的强烈干扰，主要是由于核磁扫描时梯度磁场切换引起的梯度伪迹，即本发明中所指的核磁伪迹。这种伪迹信号的典型波幅是EEG信号的100到1000倍，且它的频率通常会覆盖EEG信号的频率范围，因此用传统的去噪方法通常难以完全去除。最初由Allen等人在2000年提出的平均模板相减法(AAS)，利用梯度伪迹的周期性生成平均伪迹模板，然后与当前获得的EEG信号匹配并从中减去这个模板。这个方法在大量的文献中被证实是可用的，但是它只能去除大部分的核磁伪迹，某些通道中仍然会有残留的伪迹并未去除。于是接下来Allen等人又提出了自适应去噪法(ANC)来去除残留的伪迹，但是这个方法仍然不能去除所有的残余伪迹。接下来梯度伪迹的去除引发了大量的思考和尝试，有人提出了基于PCA(主成分分析)的最优基组法来去除残余伪迹，PCA是建立在噪声信号与脑电信号不相关的假设之上的，于是有人提出了ICA(独立成分分析)的方法来去除梯度伪迹，ICA是假设信号之间不仅是不相关的，而且是互相独立的，这比PCA的假设对信号有着更强的约束。ICA在梯度伪迹，心电伪迹，眼电伪迹等的去除上都得到了比较广泛的应用，比单独的AAS能够更有效的去除核磁伪迹，但是ICA虽然能够在一定程度上分离开来脑电信号和核磁伪迹信号，但是如何自动有效的识别出伪迹成分却一直都没有一个能广泛使用的方法。现在大多数文献都是通过直观的观察信号的波形与核磁伪迹的相似程度，信号的频谱分布，脑电地形图等方法手动的选择伪迹成分，并将伪迹成分直接置零再进行ICA逆变换从而得到去噪后的信号。这样手工选择伪迹成分不仅影响处理速度，制约了ICA除噪的应用场合，比如说不能应用于在线实时去噪，而且将伪迹成分直接置零也是有风险的，很有可能会丢失对研究者有用的一些成分，导致后面需要提取的特征并不明显，从而影响实验的质量。

发明内容

本发明的目的是针对上述现有技术的不足，提供了一种基于自动ICA去除EEG信号中核磁伪迹的方法，该方法在ICA的基础上根据核磁噪声的频率分布特性以及其与核磁扫描重复时间参数相关的周期特性自动选择核磁伪迹成分，并保留了其中的有用信息。

本发明的目的可以通过如下技术方案实现：

一种基于自动ICA去除EEG信号中核磁伪迹的方法，所述方法包括以下步骤：

1)对含有核磁伪迹的EEG信号进行基础去噪处理，得到去除了大部分核磁伪迹的EEG信号X'(t)；

2)对信号X'(t)进行独立成分分离，并自动识别出其中的核磁伪迹残余成分，其余成分保持不变；

3)提取步骤2)里核磁伪迹残余成分中的有效低频成分并将其保留；