论文部分内容阅读
随着科技的进步,同步脑电(EEG)—功能磁共振(f MRI)融合技术在科学研究和临床领域发挥着重要作用。脑电时间分辨率高,空间分辨率低,而功能磁共振正好与之相反,两者结合可以优势互补。然而,复杂的核磁环境会在脑电信号中产生许多伪迹,影响最大的是梯度场伪迹和心电伪迹。梯度场伪迹由磁场切换产生,而心电伪迹则是由静态磁场下,被试心跳相关运动产生。两种伪迹严重影响后续的融合研究。本文利用心电信号的时变特征,在约束独立成分分析(c ICA)算法的基础上提出了聚类-约束独立成分分析(cc ICA)方法和实时约束独立成分分析(rt-c ICA)方法,两种方法都能有效地去除心电伪迹;在独立向量分析(IVA)的基础上提出了约束独立向量分析(c IVA)方法来去除梯度场伪迹。针对模拟数据和真实数据,运用以上三种算法进行了伪迹去除研究。结果表明:(1)对于模拟数据的梯度场伪迹去除,c IVA算法得到信号的幅值误差(Er)值明显低于平均模板减法(AAS)算法和IVA算法(P<0.005);对于真实数据的梯度场伪迹去除,c IVA算法计算消耗明显低于AAS算法和IVA算法,去噪后信号的功率谱值也低于AAS算法和IVA算法。(2)对于模拟数据的心电伪迹去除,cc ICA算法和rt-c ICA算法得到的信号Er值明显低于AAS、最优基组法(OBS)和c ICA算法(P<0.005);对于真实核磁脑电数据的心电伪迹去除,cc ICA算法和rt-c ICA算法得到的信号改进功率谱值(INPS)明显高于其他方法(P<0.005);(3)此外,去除心电伪迹后的信号频谱图、残留伪迹比例、事件相关电位(ERP)和信噪比(SNR)等结果显示:cc ICA算法和rt-c ICA算法均优于其他算法。总之,本文提出三种伪迹去除改进算法,并用来处理模拟数据和真实数据,实验效果优于传统方法。本文的研究成果为同步脑电-功能核磁融合研究奠定了前期技术基础。