[发明专利]一种多策略的NIRS干扰检测和去除方法

说明书

一种多策略的NIRS干扰检测和去除方法，包含三个步骤：步骤一，干扰检测，用NIRS信号与加速度信号对干扰进行检测，将干扰分为三种类型，即轻度干扰、中度干扰、重度干扰，并在此基础上确认信号是否发生了基线突变；步骤二，严重干扰处理阶段，将中度干扰、重度干扰和基线突变用插值的方法进行去除；步骤三，小波双阈值干扰去除，得到干净的NIRS信号。本发明采用多种策略来检测NIRS信号中的干扰，适合于短时测量和长时监测等多个应用场景，同时将干扰分为不同的类型并予以不同的处理方式，最后根据检测阈值和处理阈值的双保险策略，可以在有效去除干扰的同时尽可能多地保留有用信息，相比于传统的NIRS干扰去除算法，具有准确性和可靠性都得到了提高。

技术领域

本发明属于生物医学信号处理技术领域，是针对近红外光谱信号的一种多策略的NIRS干扰检测和去除方法。

背景技术

近红光谱技术(NIRS)是监测脑功能的一个有效方法。NIRS可以反映目标区域的血液动力学信息，通过获取经过人体组织散射的光信号，再利用朗伯-比尔定律进行计算，就可以得到相应组织的含氧血红蛋白的浓度变化(Δ[HbO₂])和脱氧血红蛋白的浓度变化(Δ[Hb])等相关信息。NIRS相对于功能磁共振成像(fMRI)、计算机断层扫描(CT)等传统方法有着无创监测、低成本和易操作性等优点，使之可以应用于许多新的领域，如康复、脑机接口等，同样也被广泛应用于人类睡眠、社会认知等科学研究领域。

然而，NIRS信号(包括含氧血红蛋白浓度变化的信号、脱氧血红蛋白浓度变化的信号等)对于运动干扰非常敏感，这些干扰通常是由光测量探头和被测组织之间的相对位移引起的。监测对象大幅度运动或突然的抖动往往会显著改变探头和被测组织之间的光耦合过程，从而在NIRS光信号中引入噪声，又因为从光信号得到血氧信号是一个非线性的计算过程，最终计算得到的血氧浓度变化信号将会含有更多不可控的干扰信号。而被测对象不同的运动形式会在NIRS信号中造成不同形态的运动伪迹，以前额佩戴的NIRS监测系统为例，快速的头部晃动会在NIRS信号中引入大幅度、高频率的干扰；而缓慢的头部转动会引起持续的低幅低频干扰；同时因为头位的改变，还会伴随有信号的基线突变情况。当受试者的身体状态无法被控制，监测部位的运动不可避免时(如睡眠监测)，运动干扰的问题就显得尤为突出，多种多样的运动干扰会严重污染光信号，使得之后的信号分析工作受到影响。

在分析NIRS信号之前，首要的任务就是找到一种合适的干扰去除算法。目前有一系列的常用干扰去除算法，但是各自都存在不可避免的缺点。一种常用的做法是舍去包含运动干扰的整段信号，但是这种方法在去除干扰的同时，其中包含的有用信号也会被去除。自适应滤波技术可以通过引入一个参考信号来减小运动干扰的影响，但参考信号的选择却增加了额外的难度。维纳滤波和卡尔曼滤波在有些情况下会取得比较好的效果，但是这两种方法都需要对所处理的信号有一个比较好的先验认识。小波分解被广泛尝试应用于NIRS信号的干扰去噪过程，Molavi和Dumont采用离散小波去噪的方法，假设信号的小波系数是正态分布，从而判断出其中的离群值并处理，再进行小波重构得到去噪处理后的NIRS信号，取得了比较好的干扰去除效果；但是因为在离散小波离群值判断时使用单一阈值进行判断，对于较为干净的信号，这种强制去除一定比例小波系数的方法反而会失去一些有用的信息；而且，小波分解对于头动引起的大的基线突变是无能为力的。Virtanen等人提出一种基于加速度信号的干扰去除算法，这种方法可以去除NIRS信号中基线突变的趋势，但是他们使用干扰片段的平均值来代替整段信号的值，毫无疑问会使得干扰段内的有用信息被忽略掉。Scholkmann等人尝试了样条插值的方法对NIRS信号进行干扰去除，但是很难找到一个适合各种各样运动干扰的全局阈值，并且这个方法中还有很多其他的参数需要不断调整，这些都增加了方法使用的复杂性。