一种基于Laplace噪声和Wasserstein正则的多试次EEG源成像方法

本发明属于生物医学成像领域，具体涉及一种基于laplace噪声和wasserstein正则的多试次eeg源成像方法。

背景技术：

1、脑电图(electroenc ephalography，eeg)是一种重要的脑功能成像技术，通过放置在头部的传感器记录大脑皮层神经活动产生的微小电位来无创地测量大脑活动。eeg具有诸多优势，比如无创性、无放射性、高时间分辨率和经济性。因此，eeg已在认知神经科学和临床上有着广泛的应用。根据头皮记录的eeg信号重构皮层脑活动称为eeg源成像。准确估计脑活动的位置和尺寸有助于我们理解认知过程的基本机理以及脑损伤的病理学特征。在临床上，比如癫痫治疗，准确确定病灶的位置和尺寸对手术治疗有着重要的意义。

2、eeg源成像是一个严重病态的逆问题，存在无穷多解满足eeg记录。因此我们需要先验假设约束解空间以得到唯一解。传统的方法是基于单试次的eeg源成像，如加权最小范数法(weighted mne，wmne)、低分辨率脑电磁成像法(low resolution brainelectromagnetic tomography，loreta)、稀疏贝叶斯学习(sparse bayesian learning,sbl)、sissy等，针对每个被试独立记录的eeg信号进行重构神经元激活区域。但eeg信号高度非平稳且易受噪声的影响。因此，即使在相同的认知任务下，基于单试次eeg的重构源在不同试次中可能存在显著差异。事实上，同一被试者在相同认知任务下的大脑活动神经元激活区域会有一些差异，但也会有很大部分重叠。

3、目前的多试次eeg源成像方法如gl、mtw不能提供准确的皮层激活范围信息，而这对于脑部疾病诊断非常重要。此外，这些多试次源成像方法大多假设噪声符合高斯分布，使用范数进行拟合噪声。但实验过程中eeg源信号不可避免受到头动、眼动等异常值污染，范数会夸大这些异常值的影响。

技术实现思路

1、为解决上述技术问题，本发明提出一种基于laplace噪声和wasserstein正则的多试次eeg源成像方法，包括以下步骤：

2、s1、获取被试的个人脑部解剖结构数据和eeg记录数据；

3、所述个人脑部解剖结构数据包括：mri体积、皮层包膜和头部表面信息，大脑皮层；

4、s2、将大脑皮层划分为若干个三角网格，每个三角代表一个源，根据人脑部解剖结构数据采用边界元法计算头部模型，得到导联矩阵和差分算子，采用迪杰斯特拉算法构建若干个源之间的最短路径，得到最小距离矩阵；

5、s3、将eeg记录数据投影到tbf空间；

6、s4、根据导联矩阵、差分算子和最小距离矩阵在投影空间建立基于laplace噪声和wasserstein正则的多试次鲁棒eeg弥散源成像模型，根据基于laplace噪声和wasserstein正则的多试次鲁棒eeg弥散源成像模型利用admm算法得到多试次估计源；

7、s5、采用sinkhorn算法对多试次估计源的能量分布进行迭代缩放求解wasserstein重心，更新基于laplace噪声和wasserstein正则的多试次鲁棒eeg弥散源成像模型的边界松弛值，并更新多试次估计源；

8、s6、将更新后的多试次估计源从tbf空间还原到原空间，采用brainstorm工具对还原后的多试次估计源进行成像。

9、本发明的有益效果：

10、本发明通过最小化多试次源与wasserstein重心之间的wasserstein距离来加强多试次源的空间相似性约束，降低了多试次eeg信号不稳定的影响；

11、本发明结合laplace噪声和wasserstein正则，使eeg估计源的时空分辨率高、尺寸估计准、鲁棒性强，为脑科学研究、神经疾病诊断和脑机接口等领域提供技术理论支持。

技术特征：

1.一种基于laplace噪声和wasserstein正则的多试次eeg源成像方法，其特征在于，包括：

2.根据权要求1所述的一种基于laplace噪声和wasserstein正则的多试次eeg源成像方法，其特征在于，采用边界元法计算头部模型，得到导联矩阵、差分算子，包括：将被试的解剖结构导入brainstorm工具，选择边界元法计算头部模型，导出导联矩阵l和差分算子v；

3.根据权利要求1所述的一种基于laplace噪声和wasserstein正则的多试次eeg源成像方法，其特征在于，采用迪杰斯特拉算法构建若干个源之间的最短路径，得到最小距离矩阵m，包括：

4.根据权利要求1所述的一种基于laplace噪声和wasserstein正则的多试次eeg源成像方法，其特征在于，将eeg记录数据投影到tbf空间，包括：

5.根据权利要求1所述的一种基于laplace噪声和wasserstein正则的多试次eeg源成像方法，其特征在于，根据导联矩阵、差分算子和最小距离矩阵在投影空间建立基于laplace噪声和wasserstein正则的多试次鲁棒eeg弥散源成像模型，包括：

6.根据权利要求1所述的一种基于laplace噪声和wasserstein正则的多试次eeg源成像方法，其特征在于，根据基于laplace噪声和wasserstein正则的多试次eeg源成像模型利用admm算法得到多试次估计源，包括：

7.根据权利要求1所述的一种基于laplace噪声和wasserstein正则的多试次eeg源成像方法，其特征在于，采用sinkhorn算法对多试次估计源的能量分布进行迭代缩放求解wasserstein重心，包括：

8.根据权利要求1所述的一种基于laplace噪声和wasserstein正则的多试次eeg源成像方法，其特征在于，将更新后的多试次估计源从tbf空间还原到原空间，包括：

技术总结
本发明属于生物医学成像领域，具体涉及一种基于Laplace噪声和Wasserstein正则的多试次EEG源成像方法，包括：进行数据收集及处理，计算头模型得到导联矩阵和差分算子，根据皮层源的位置得到源的最小距离矩阵；然后将EEG信号投影到TBF空间；再构建多试次EEG源成像方法模型；计算多试次源，将得到的估计源从TBF空间还原并成像。本发明通过最小化多试次源与Wasserstein重心之间的Wasserstein距离来加强多试次源的空间相似性约束，降低了多试次EEG信号不稳定的影响；结合Laplace噪声和Wasserstein正则，使EEG源成像的时空分辨率高、尺寸估计准、鲁棒性强。

技术研发人员：刘柯,王珍
受保护的技术使用者：重庆邮电大学
技术研发日：
技术公布日：2024/1/12