[发明专利]基于GRU神经网络的MEG源定位方法

权利要求书

1.一种基于GRU神经网络的MEG源定位方法，其特征在于，包括：

S10、根据采集的受试者的MRI数据，建立用于生成训练GRU神经网络的训练数据的头模型，所述头模型包括：大脑皮质层、脑组织、头皮组织和头骨；

S20、根据所述头模型，模拟神经元活动并设置电流偶极子和电导率，生成训练所述GRU神经网络的训练数据，所述训练数据包括模拟的MEG数据序列，和对应MEG数据序列的激活神经元簇的位置信息；

所述S20包括：

S21、根据用户触发的创建指令，创建边界元模型网格并设置头部表面实现三角测量的信息及脑组织、头皮组织和头骨的电导率，获得BEM头模型；

S22、基于对BEM头模型进行模拟神经元活动的指令，在预设的源空间内放置n个位置确定的电流偶极子，组成n个模拟激活源，获得头模型坐标系下的第一数据即n个模拟激活源信号；

S23、基于BEM头模型中分布设置的多通道的传感器阵列，建立多通道脑磁图坐标系；并获取头模型坐标系和多通道脑磁图坐标系的配准信息；其中，通过程序软件的方式在BEM头模型中设置多通道的传感器阵列，进而建立对应传感器阵列的多通道脑磁图坐标系；

S24、根据所述第一数据、配准信息和预先建立的激活源到传感器阵列的正向模型，获得引导场矩阵L；

S25、基于引导场矩阵L，n个模拟激活源信号，进行正向建模生成脑磁图传感器阵列数据；模拟激活源信号包括模拟激活源的位置和大小；

S26、对所述脑磁图传感器阵列数据进行修正，将修正后的脑磁图传感器阵列数据X和n个模拟激活源信号作为训练所述GRU神经网络的训练数据；

S30、采用所述训练数据训练预先搭建的GRU神经网络，所述GRU神经网络采用重复神经网络模块的链式形式，将数据按照时间轴展开，学习脑磁信号的变化；其中，训练数据中修正后的脑磁图传感器阵列数据X作为GRU神经网络的输入，以n个模拟激活源活动S为输出；通过训练，得到训练后的GRU神经网络；

S40、获取用于进行源定位的脑磁数据，并对所述脑磁数据进行预处理，将预处理后的脑磁数据输入训练后的GRU神经网络，获得用于可视化的源定位信息；

所述S40包括：

S41、借助于脑磁图测量系统中放置在受试者头部的m'个传感器，采集任务态下t个时刻的单任务多区域的真实数据，生成MEG信号X'；将MEG信号X'中多通道数据的初始状态对齐；

S42、采用手动和数据平均相结合的方法，识别并去除初始状态对齐的MEG信号X'中的坏通道，使用带通滤波器进行过滤并抑制伪影和基线校准，得到高信噪比的脑磁信号作为预处理后的脑磁数据；

S43、将预处理后的脑磁数据输入训练后的GRU神经网络，获得用于可视化的源定位信息；

所述对所述脑磁数据进行预处理包括：采用手动和数据平均相结合的方法，识别并去除初始状态对齐的脑磁数据中的坏通道，使用带通滤波器进行过滤并抑制伪影和基线校准，得到高信噪比的脑磁信号作为预处理后的脑磁数据。

2.根据权利要求1所述的方法，其特征在于，所述S10包括：

采用分水岭算法对所述受试者的MRI数据进行分割，基于分割的头皮、颅骨、脑脊液、灰质和白质，重建大脑皮质层、脑组织、头皮组织和头骨。

3.根据权利要求1所述的方法，其特征在于，所述S26中的对所述脑磁图传感器阵列数据进行修正，包括：

对所述脑磁图传感器阵列数据中加入高斯白噪声以模拟仪器噪声。