[发明专利]一种基于机器学习的工作记忆任务脑磁图分类系统

权利要求书

1.一种基于机器学习的工作记忆任务脑磁图分类系统，其特征在于，包括脑磁图数据采集模块、脑磁图数据预处理模块、脑磁图源重建模块和机器学习分类模块；

所述脑磁图数据采集模块用于采集被试不同工作记忆任务态的脑磁图数据，并输入至脑磁图数据预处理模块；

所述脑磁图数据预处理模块用于对不同工作记忆任务态的脑磁图数据进行预处理，包括数据质量控制子模块、滤除低质量信道与数据段子模块和分离噪声伪影子模块；

所述数据质量控制子模块用于对不同工作记忆任务态的脑磁图数据进行质量校验；所述滤除低质量信道与数据段子模块用于滤除不满足需求的通道和数据段；所述分离噪声伪影子模块用于进行噪声去除和伪影识别；

所述脑磁图源重建模块用于对经过脑磁图数据预处理模块后的工作记忆脑磁图数据进行传感器信号分析及源级别的溯源重建分析，得到功率时间序列特征；

具体地，所述脑磁图源重建模块中传感器信号分析包括锁时分析和时频分析；所述时频分析得到信号频率随时间变化的关系；锁时分析用于得到大脑对某一事件的处理过程，得到事件前后的活动状态；所述脑磁图源重建模块中源级别的溯源重建分析目标是利用被试头部周围的磁场分布情况逆向推算出大脑内部的磁场变化，溯源重建分析采用波束形成技术，使用基于相干源动态成像方法或基于线性约束最小方差方法进行溯源重建；

所述机器学习分类模块用于根据脑磁图源重建模块中得到的功率时间序列特征通过主成分分析方法进行降维，最后采用机器学习模型，对被试所属的工作记忆任务进行分类。

2.根据权利要求1所述的一种基于机器学习的工作记忆任务脑磁图分类系统，其特征在于，所述数据质量控制子模块用于对脑磁图数据采集模块采集的脑磁图数据进行初步的数据校验，并输出数据质量信息的文档。

3.根据权利要求2所述的一种基于机器学习的工作记忆任务脑磁图分类系统，其特征在于，所述数据质量控制子模块记录的数据质量信息包括：脑磁图采样频率、记录数据时长、脑磁图通道数、参考通道数、心电图通道数、肌电图通道数、记录的事件数和平均线圈移动。

4.根据权利要求1所述的一种基于机器学习的工作记忆任务脑磁图分类系统，其特征在于，所述滤除低质量信道与数据段子模块用于通过检查每个脑磁图通道传感器与其相邻传感器之间的信号相似性来检测噪声通道，与相邻通道表现出低于相关性阈值或高于方差比阈值的通道和数据段将被标记为坏通道和坏数据段并从后续分析中移除。

5.根据权利要求1所述的一种基于机器学习的工作记忆任务脑磁图分类系统，其特征在于，所述分离噪声伪影子模块用于使用独立成分分析方法提取出各独立成分，并将其分类为大脑或噪声成分，再通过对独立成分信号之间的相关性、功率与时间序列之间的相关性以及频谱之间的相关性这三个参数进行阈值化，通过多次选择具有最高大脑成分和最低伪影污染的迭代来进行噪声去除和伪影识别。

6.根据权利要求1所述的一种基于机器学习的工作记忆任务脑磁图分类系统，其特征在于，所述机器学习分类模块中机器学习模型包括支持向量机模型、逻辑回归模型或随机森林模型。