CN115177256B - 一种视频脑磁图*** - Google Patents
一种视频脑磁图*** Download PDFInfo
- Publication number
- CN115177256B CN115177256B CN202211107370.6A CN202211107370A CN115177256B CN 115177256 B CN115177256 B CN 115177256B CN 202211107370 A CN202211107370 A CN 202211107370A CN 115177256 B CN115177256 B CN 115177256B
- Authority
- CN
- China
- Prior art keywords
- data set
- magnetoencephalography
- magnetoencephalogram
- video
- noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
- A61B5/245—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
- A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
- A61B5/7289—Retrospective gating, i.e. associating measured signals or images with a physiological event after the actual measurement or image acquisition, e.g. by simultaneously recording an additional physiological signal during the measurement or image acquisition
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供了一种视频脑磁图***,该***包括磁屏蔽室,位于磁屏蔽室内的脑磁采集装置和视频获取装置,及位于磁屏蔽室外的同步数据处理装置,所述脑磁采集装置和视频获取装置均与同步数据处理装置通信连接,该同步数据处理装置包括脑磁噪声消除装置和信号同步视频数据分析模块,通过脑磁噪声消除装置对原始脑磁数据集进行脑磁数据处理,获得真实脑磁数据集,通过信号同步视频数据分析模块根据获得的真实脑磁数据集,结合视频获取装置获取的被测试者在磁屏蔽环境中的运动数据集,进行病灶的溯源定位和分析辅助诊断,显著丰富了诊断的信息来源,辅助对病人更精确的评估、精神疾病亚型的分类以及用药等临床治疗方案的制定。
Description
技术领域
本发明涉及医疗设备技术领域,具体涉及一种视频脑磁图***。
背景技术
脑磁图是一种通过测量神经电流在头外产生的磁场来推断大脑内部神经元活动的无创脑功能、脑成像和脑疾病诊断的技术。脑磁图具有超高的时间分辨率和空间分辨率,在神经、精神疾病的病灶诊断和认知神经科学研究中有重要的作用。
目前,临床上被广泛应用于鉴别发作性疾病的性质和类型的检查方法的医疗设备是视频脑电图,根据临床发作特点和脑电图改变区分神经、精神疾病的临床类型,以指导用药。
但是视频脑电图仅局限于获取神经***疾病患者(如癫痫病人)在发作期的剧烈动作数据,对于发作间期不足以引起大规模肢体抽搐等行为学发作的微小异常波动则不能得到有效的结合脑电数据进行分析辅助诊断,大大影响了判断患者病灶的效率和分析辅助诊断的评估精确性。
脑磁图相对于脑电图具有较高的空间分辨特性,但基于脑磁场的信号非常微弱,在头皮外约 0.1-1pT,因此,脑磁图的信号采集需要在磁屏蔽环境中。在磁屏蔽环境中,由于被测试者的肢体运动、头部移动等运动带来空间磁场的不均匀而产生的空间磁场噪声信号,严重影响着实现视频脑磁图***对疾病患者病灶的评估准确性。
因此,对于本领域研发人员来说,亟需研发一种能够有效、精确评估诊断疾病病灶的视频脑磁图***。
发明内容
有鉴于此,为解决上述问题中的至少一个,本发明实施例提供了一种视频脑磁图***。
为实现上述目的,本发明实施例提供了一种视频脑磁图***,该***包括磁屏蔽室,位于所述磁屏蔽室内的脑磁采集装置和视频获取装置,及位于所述磁屏蔽室外的同步数据处理装置,所述脑磁采集装置和所述视频获取装置均与所述同步数据处理装置通信连接;所述脑磁采集装置采集被测试者在磁屏蔽环境中的原始脑磁数据集;所述视频获取装置获取被测试者在磁屏蔽环境中的运动数据集;所述同步数据处理装置包括脑磁噪声消除装置和信号同步视频数据分析模块;所述脑磁噪声消除装置用于对所述原始脑磁数据集进行脑磁数据处理,获得真实脑磁数据集;所述信号同步视频数据分析模块用于根据所述真实脑磁数据集,结合所述视频获取装置获取的被测试者在磁屏蔽环境中的运动数据集,进行病灶的溯源定位和分析辅助诊断。
进一步地,所述同步数据处理装置用于同步接收所述原始脑磁数据集和所述运动数据集,并基于磁屏蔽环境中的空间磁场数据集、所述运动数据集,通过所述脑磁噪声消除装置对所述原始脑磁数据集进行脑磁噪声处理,所述脑磁噪声消除装置包括脑磁信号接收模块、运动信号接收模块、噪声分析过滤模块;所述脑磁信号接收模块用于接收磁屏蔽环境中空间磁场数据集,及所述脑磁采集装置采集的原始脑磁数据集、脑磁噪声样本数据集;所述空间磁场数据集是磁屏蔽环境中固有存在的磁场数据集合;所述运动信号接收模块用于接收所述视频获取装置捕捉的运动数据集、运动样本数据集;所述噪声分析过滤模块包括脑磁噪声模型,所述噪声分析过滤模块用于对所述脑磁信号接收模块接收到的所述原始脑磁数据集根据所述脑磁噪声模型进行噪声分析与过滤,得到真实脑磁数据集。
进一步地,所述脑磁噪声模型是基于回归算法利用所述运动样本数据集及脑磁噪声样本数据集训练回归模型并优化参数,得到所述脑磁噪声模型。
进一步地,所述视频获取装置获取的所述运动数据集是通过按照预设记录间隔时间记录执行若干预设运动时的各运动记录点的运动位置数据,所述运动位置数据为各动作记录点的空间坐标,计算若干记录时间点相较前一记录时间点的位置移动量矩阵,经筛选、组合而获得所述运动样本数据集;
进一步地,所述脑磁采集装置包括脑磁探测仪,所述脑磁探测仪与所述同步数据处理装置连接,所述脑磁探测仪基于被测试者若干所述运动状态按照预设时间间隔记录各脑磁记录点的噪声磁场数据,获得所述脑磁噪声样本数据集。
进一步地,所述脑磁探测仪为基于以量子操控技术为核心的弱磁探测器,实现脑磁信号的探测。
进一步地,所述脑磁探测仪包括脑磁帽,所述脑磁帽上插接有若干个阵列排列的小型化原子磁强计。
进一步地,所述脑磁噪声消除装置还包括模型训练优化模块,所述模型训练优化模块用于训练和优化所述脑磁噪声模型。
进一步地,所述视频获取装置为视频采集摄像头、深感摄像头或运动传感器中的一种或多种的组合。
进一步地,所述运动数据集包括发作间期的微小异常波动引起的动作数据集。
进一步地,所述磁屏蔽室设置有空间磁补偿线圈。
本发明的有益效果:
本发明视频脑磁图***通过将脑磁采集装置采集到的原始脑磁数据集和视频获取装置获取到的运动数据集同步传送到同步数据处理装置中,该同步数据处理装置中的脑磁噪声消除装置基于接收的磁屏蔽环境中固有的空间磁场数据集及运动数据集对原始脑磁数据集进行脑磁噪声处理,获得去噪后的真实脑磁数据集,进而去除了被测试者因肢体运动、头部移动等运动带来的空间磁场不均匀而引入的磁场波动干扰,提升了脑磁数据的真实有效性,实现视频脑磁图***高质量探测,在呈现特定刺激和在静默状态下记录患者的脑部神经磁场信号,并同步记录其面部、肢体动作运动数据集,可互相佐证成为更丰富判定临床病症的依据,大大提升对疾病患者的评估准确性的有益效果。
再者,通过信号同步视频数据分析模块根据获得的真实脑磁数据集,结合视频获取装置获取的被测试者在磁屏蔽环境中的运动数据集,进行病灶的溯源定位和分析辅助诊断。相对于现有的视频脑电图***,基于脑磁信号的高空间分辨特性,视频脑磁图***可用于鉴别不止发作期、还能通过信号同步视频数据分析模块对发作间期的微小异常波动的信号源分析及微表情动作数据的辅助病灶定位分析;视频脑磁图可以同步获得这些肢体语言细节信息配合同步的脑磁信号分析定位,显著丰富了诊断的信息来源,辅助对病人更精确的评估、精神疾病亚型的分类以及用药等临床治疗方案的制定。尤其是信号同步视频数据分析模块在通过脑磁噪声消除装置对原始脑磁数据集进行脑磁数据处理后获得的真实脑磁数据集,保证了用于配合同步的脑磁信号更加有效、精准,进而确保视频脑磁图***对疾病患者的评估准确性。
附图说明
以下附图是用来提供对本申请的进一步理解,构成本申请的一部分,且仅旨在于对本发明做示意性的解释和说明,并非用以限制本发明的范围。在附图中:
图1为本申请实施例中的一种视频脑磁图***的结构示意图;
图2为本申请实施例中的一种脑磁噪声消除装置的结构示意图;
图3为本申请另一实施例的脑磁噪声模型构建方式说明流程图;
图4为本申请另一实施例中的脑磁噪声消除装置的磁场噪声消除步骤说明流程图;
图5为本申请另一实施例中的脑磁噪声样本数据集获得方式说明流程图;
图6为本申请另一实施例中的运动样本数据集获得方式说明流程图;
图7为本申请另一实施例中的训练回归模型构建方式说明流程图。
附图标记:
1、磁屏蔽室;2、脑磁采集装置;3、视频获取装置;4、同步数据处理装置;5、脑磁噪声消除装置;6、信号同步视频数据分析模块;51、脑磁信号接收模块;52、运动信号接收模块;53、噪声分析过滤模块;54、模型训练优化模块。
具体实施方式
下面将以图示揭露本申请的若干个实施方式,对本发明的技术方案进行清楚、完整地描述,构成本申请的一部分说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及说明是用来解释本发明,并不构成对本发明的不当限定,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或为电连接,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
另外,本发明各个实施例之间的技术方案可以互相结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求保护的范围之内。
实施例一
请参考图1所示的视频脑磁图***结构示意图,本实施例中的一种视频脑磁图***,该***包括磁屏蔽室1,位于所述磁屏蔽室1内的脑磁采集装置2和视频获取装置3,及位于所述磁屏蔽室1外的同步数据处理装置4;其中,脑磁采集装置2采集被测试者在磁屏蔽环境中的原始脑磁数据集;视频获取装置3获取被测试者在磁屏蔽环境中的运动数据集;同步数据处理装置4用于同步接收原始脑磁数据集和运动数据集,并基于运动数据集对原始脑磁数据集进行脑磁噪声处理,获得真实脑磁数据集。
进一步地,本实施例中的同步数据处理装置4包括脑磁噪声消除装置5和信号同步视频数据分析模块6;具体地,同步数据处理装置用于同步接收原始脑磁数据集和运动数据集,并基于磁屏蔽环境中的空间磁场数据集、运动数据集,通过该脑磁噪声消除装置5对原始脑磁数据集进行脑磁噪声处理;通过信号同步视频数据分析模块6用于根据经脑磁噪声消除装置5数据处理后的所述真实脑磁数据集,并结合视频获取装置获取的被测试者在磁屏蔽环境中的运动数据集,进行致病灶的溯源定位和分析,有效辅助临床医生对疾病患者的准确评估及精确诊断。
需要说明的是,本实施例中的所述同步数据处理装置能够用于同步处理视频脑磁图***中的视频信号和脑磁信号,通过计算机软件把每一时刻的脑磁图和视频图像一一对应起来,实现了脑磁图的"四维"管理,显示特定脑磁波时刻的图像,进行患者疾病(如癫痫疾病及其它精神类疾病)发作时的病灶定位分析。对于具体致病灶的溯源定位和分析辅助诊断方式采用现有结合肢体语言信息的定位分析辅助诊断方式即可实现,在此不过多赘述。
具体在临床应用上,视频脑磁图***根据视频记录到的神经、精神病人发作间期与棘波相关的一些微小躯体动作(如头面部肌肉的微小抽搐、肢体的不自主抽动等)以及发作期较大的肢体动作(如面部肌肉的大幅度抽搐、四肢剧烈抽动等),结合同步记录的脑神经元放电引起的脑磁信号,通过信号同步视频数据分析模块6进行神经***异常活动起始位点的溯源定位和分析的综合判断。相对于视频脑电图***而言,由于脑磁信号具有显著优于脑电信号的空间解析能力,通过视频脑磁图***中的脑磁信号能够更有效地分辨出疾病患者的起始灶并且可在发作间期捕捉与微小躯体动作相关的棘波信号,进而结合患者的躯体特征与相关的脑磁信号特征分析起始病灶在脑内的占位情况以及起始异常活动的传播过程。且通过视频脑***能够充分分析微小的脑异常活动位点信息和传播的路径分析,综合同步视频数据加以辅助佐证,提高脑疾病(如癫痫病、多动症、精神***症等)诊断的精确性,并且可以客观回放记录到的发作间期的微弱动作情况,同步观察发作间期的脑磁图情况,对于疾病诊断和致病灶定位分析具有重要意义。
实施例二
本实施例是在实施例一的基础上,作为一种优选的实施方式,如图2所示,本实施例中的脑磁噪声消除装置5包括脑磁信号接收模块51、运动信号接收模块52、噪声分析过滤模块53;其中,脑磁信号接收模块51用于接收脑磁采集装置2采集的原始脑磁数据集、脑磁噪声样本数据;运动信号接收模块52用于接收视频获取装置3捕捉的运动数据集、运动样本数据;噪声分析过滤模块53用于对脑磁信号接收模块51接收到的原始脑磁数据集根据脑磁噪声模型进行噪声分析与过滤,得到真实脑磁数据集。
如图4所示的脑磁噪声消除装置的磁场噪声消除步骤说明流程图;
在视频脑磁图***中,通过脑磁噪声消除装置的磁场噪声消除方法,包括如下步骤:
步骤1:获取磁屏蔽环境中的空间磁场数据集、运动数据集及原始脑磁数据集;所述空间磁场数据为由空间各位置的磁场强度值组成的磁场矩阵。
具体地,每隔预设采集时间间隔T0获取一次被测试者在脑磁采集环境中的运动数据及脑磁数据,剔除无效数据后分别组成运动数据集及原始脑磁数据集;
所述运动数据集由若干采集时间对应的若干运动记录点的运动数据组成;所述运动数据为位移向量;
所述原始脑磁数据集由若干采集时间对应的若干脑磁探测点的脑磁数据组成;所述脑磁数据为脑磁探测点处的磁场强度;
步骤2:以所述空间磁场数据集、所述原始脑磁数据集及所述运动数据集作为输入量,输入所述脑磁噪声模型,得到脑磁噪声数据集;
所述脑磁噪声数据集由若干采集时间对应的若干脑磁探测点的脑磁噪声数据组成;所述脑磁噪声数据为噪声磁场强度,该噪声磁场强度是由于被测试者的肢体运动、头部移动而使磁屏蔽环境中的固有空间磁场产生不均匀性造成的;
步骤3:通过所述脑磁噪声数据集去除所述原始脑磁数据集中包含的噪声数据,获得去噪脑磁数据集,即真实脑磁数据集;
所述脑磁噪声数据集包括与所述原始脑磁数据集相匹配的若干采集时间及每个采集时间对应的若干脑磁探测点的噪声磁场强度值。
需要说明的是,本实施例中的运动数据集及脑磁噪声模型构建时所需的运动样本数据集通过包括运动传感器、视频采集摄像头、深感摄像头中的一种或多种方式组合获得的。采用运动传感器、视频采集摄像头及深感摄像头获取运动数据的方法均为常规技术手段,本领域技术人员通过上述实施例的说明均可顺利实现,在此不再赘述。
另外,作为一种优选的实施方式,本实施例中通过同步数据处理装置对原始脑磁数据集进行脑磁噪声处理,获得去噪脑磁数据集的计算公式为:
其中,B为真实脑磁数据集,Bi (0)为第i个原始脑磁数据集元素,代表第i个原始脑磁数据矩阵;Bi (N)为第i个脑磁噪声数据集元素,代表第i个脑磁噪声矩阵;Bi (0)与Bi (N)为同型矩阵,具体形式如下:
其中,uij (0)为ij位置处的原始磁场强度;
其中,uij (N)为ij位置处的脑磁噪声磁场强度。
本实施例中的脑磁采集装置包括脑磁探测仪,所述脑磁探测仪与所述同步数据处理装置的连接方式优选但不限于有线/无线电连接,只要能够实现二者能够传输通信数据的电连接即可;
再者,需要说明的是,对本实施例视频脑磁图***中的脑磁探测仪不做限制,只要能够脑磁信号的探测即可,优选但不限于为基于以量子操控技术为核心的弱磁探测器,更进一步地,脑磁探测仪优选但不限于包括脑磁帽,该脑磁帽上插接有若干个阵列排列的小型化原子磁强计,即,所述弱磁探测器为小型化原子磁强计;所述小型化原子磁强计包括碱金属原子气室、泵浦光源组件、探测光源组件和光电探测组件,所述泵浦光源组件发射的泵浦光路垂直于所述探测光源组件发射的探测光路,所述探测光路的探测激光穿过所述碱金属原子气室进入所述光电探测组件,所述泵浦光源组件、探测光源组件和光电探测组件空间立体排布,且均位于所述碱金属原子气室的同侧位置,所述碱金属原子气室的一侧面上设置有用于全反射泵浦光路的全反射镜,所述全反射镜使泵浦光路形成往返的双光路,进一步保障了碱金属原子气室内原子吸收能量产生能级跃迁,大大提高原子极化率的均匀度和原子磁强计的探测灵敏度,大大提升了脑磁的探测效率及探测质量,进而达到提高视频脑磁图***的探测精度。本实施例中的弱磁探测器为磁场灵敏器件,由碱金属气室、光源、加热片、光学元件、光电传感器、调制线圈和光电探测器器组成,其特点是体积小,便于佩戴,可在室温环境下正常工作。
利用本实施例的技术方案,通过本实施例中的同步数据处理装置中的脑磁噪声消除装置,来分析和消除脑磁探测过程中由于被测试者的肢体运动、头部移动而使磁屏蔽环境中的固有空间磁场产生不均匀性而产生的脑磁噪声,对原始脑磁数据集进行脑磁去噪处理,获得真实脑磁数据集,提升视频脑磁图***的探测效率和探测质量。
实施例三
本实施例是在实施例一、实施例二的基础上,作为一种优选的实施方式,如图3所示的脑磁噪声模型构建方式,具体如下:
获取空间磁场数据集,所述空间磁场分布数据集包含若干磁场环境下的空间磁场分布数据;
获取运动样本数据集,所述运动样本数据集包含若干运动状态下的运动数据;
所述运动数据由若干样本采集时间及样本采集时间对应的肢***移数据组成;所述肢***移数据为若干部位数据采集点的位移向量;
获取若干所述运动状态对应的脑磁噪声样本数据集,所述脑磁噪声样本数据集为不包含脑原始脑磁信号的磁场噪声数据的集合;
脑磁噪声样本数据集由若干样本采集时间及样本采集时间对应的磁场噪声数据集组成;所述磁场噪声数据集为若干脑磁探测点的噪声磁场强度值。
基于回归算法利用所述空间磁场数据集、所述运动样本数据集及脑磁噪声数据集训练回归模型并优化参数,得到脑磁噪声模型。
作为一种优选的实施方式,如图5所示的脑磁噪声样本数据集获得方式具体如下:
在所述被测试者执行若干预设运动时,由脑磁探测仪按照预设时间间隔记录各脑磁记录点的噪声磁场数据,得到原始脑磁噪声样本数据集;
对原始脑磁噪声样本数据进行筛选得到所述脑磁噪声样本数据集。
所述噪声磁场数据由所述被测试者佩戴的脑磁探测仪采集;在获取所述脑磁噪声样本数据时,所述脑磁探测仪上的小型化原子磁强计的探测面与人脑的距离被设置为预设距离D0。
需要说明的是,当所述脑磁探测仪上的小型化原子磁强计的探测面与人脑的距离被设置为预设距离D0时,人脑脑磁场强度在小型化原子磁强计的探测面处将衰减至不影响噪声磁场采集的程度,此时由脑磁探测仪采集到的磁场强度数据即为噪声磁场数据。
进一步地,所述原始脑磁噪声样本数据集由若干记录时间点及各记录时间点对应的脑磁噪声矩阵组成,所述脑磁噪声矩阵由噪声磁场数据组成的矩阵,矩阵元素按照脑磁记录点位置进行设置。
其中,所述原始脑磁噪声样本数据集包括若干原始脑磁噪声样本数据子集M0;一个原始脑磁噪声样本数据子集用于记录一次某一测试人员执行某一预设运动时产生的脑磁噪声数据。
所述原始脑磁噪声样本数据子集M0由若干记录时间点对应的脑磁噪声矩阵组成,即M0=[ M01, M02,……, M0j];
其中,M0j,(j=1,2,…,k)为记录时间点j的脑磁噪声矩阵,表示如下:
其中,M0j的元素为各脑磁记录点位置处的磁场强度值。
所述脑磁噪声样本数据包括若干脑磁噪声样本数据子集M;
所述脑磁噪声样本数据子集M通过剔除M0中的无效记录数据(包括空数据、异常数据)得到,剔除规则为:若M中的元素包含无效记录数据,则舍弃该元素。
当筛选得到脑磁噪声样本数据后,需根据所剔除数据对应的记录时间在所述运动样本数据集中剔除相应数据,保证所述脑磁噪声样本数据与所述运动样本数据集的元素数量相等且序号匹配。
需要说明的是,所述脑磁噪声样本数据集与所述运动样本数据集应当同步获得,即在获取所述脑磁噪声样本数据集时同时获取所述运动样本数据集,以确保二者的记录时间点保持一致。
作为一种优选的实施方式,如图6所示的运动样本数据集获得方式具体如下:
选择若干被测试者在所述磁屏蔽室中执行若干预设运动;
按照预设记录间隔时间记录执行若干预设运动时的各运动记录点的运动位置数据,得到原始运动位置样本数据集;
计算若干记录时间点相较前一记录时间点的位置移动量矩阵,经筛选、组合得到所述运动样本数据集。
进一步地,所述运动位置数据为各动作记录点的空间坐标;所述原始运动位置样本数据集由若干记录时间点及各记录时间点对应的位置矩阵组成;所述位置矩阵是由所述运动位置数据组成的矩阵;
具体地,所述原始运动位置样本数据集包括若干原始运动位置样本数据子集P;一个原始运动位置样本数据子集用于记录一次某一测试人员执行某一预设运动时产生的运动数据。
所述原始运动位置样本数据子集P可表示为:P=[P1,P2,……,Pn];
其中Pi,(i=1,2,……,n)为在记录时间点i时的位置矩阵,所述位置矩阵是由所述位置数据组成的矩阵,表示如下:
其中,P iX 、P iY 、P iZ 分别为在记录时间点i时沿X、Y、Z轴的坐标量矩阵,,P iX 、P iY 、P iZ 的元素分别为各记录点沿X、Y、Z轴的坐标值;具体表示如下:
所述运动样本数据集包括若干运动样本数据子集Q;
其中Qi,(i=1,2,……,n)为在记录时间点i时的位置移动量矩阵,表示如下:
其中,Q iX 、Q iY 、Q iZ 分别为在记录时间点i时沿X、Y、Z轴的位置移动量矩阵,Q iX 、Q iY 、Q iZ 的元素分别为各记录点沿X、Y、Z轴相较于记录时间点i-1的位移量。
i的计算方法为:
其中Pi为记录时间点i时的位置矩阵,Pi-1为记录时间点i前一记录时间点时的位置矩阵。
所述运动记录点由躯体运动记录点及头部运动记录点组成;
所述头部运动记录点设置于脑磁仪器上,具***置根据脑磁仪器上的探测器位置而定;
一般地,在每一处探测器位置上均设置运动记录点;亦可在实际模型训练过程中根据数据处理效果增加、去除、移动运动记录点,提高运动记录点记录数据的有效性。
实施例四
本实施例是在实施例一、实施例二、实施例三的基础上,作为一种优选的实施方式,结合图2所示的脑磁噪声消除装置结构示意图,本实施例中的脑磁噪声消除装置5还包括模型训练优化模块54,该模型训练优化模块54用于训练和优化脑磁噪声模型。
结合图7所示的训练回归模型构建方式,具体如下:
以所述运动样本数据集为输入样本,以所述脑磁噪声样本数据集为目标输出样本;选取回归算法并通过所选取的回归算法对所述输入样本进行回归分析得到预测输出样本;基于所述目标输出样本与所述预测输出样本确定预设目标函数的输出值,以所述输出值为依据调整所述回归算法的参数,直到满足预设模型指标,输出模型信息。
所述目标函数的形式为:
其中,J(f)为正则化,用于描述回归模型的复杂度;L(y i , f(x i ))为代价函数,形式如下:
其中,x i 为输入值,y i 为目标输出值,f(x i )为预测输出值;
J(f)可采用L1范数(拉索回归)或L2范数(岭回归)实现。
所述回归算法采用一般线性回归、广义线性回归、逐步回归、岭回归、拉索回归、弹性网回归、神经网络中的一种或多种算法的组合实现。
上述回归算法均为现有的成熟技术手段,本领域技术人员根据实施例的描述均可顺利实现上述回归算法,在此不赘述。
需要说明的是,在训练所述回归模型时,应将运动样本数据集中的数据通过坐标系变换规则变换至脑磁噪声样本数据集所采用的坐标系(即所述脑磁仪坐标系)下的数据;所述坐标系变换规则可根据运动坐标系与脑磁仪坐标系的设立规则计算得到,为常规技术手段,不再赘述。
优选地,所述运动坐标系与所述脑磁仪坐标系可采用同一坐标系(即采用相同的坐标原点及正方向),避免坐标变换带来的额外计算过程。
实施例五
本实施例是在实施例一、实施例二、实施例三和实施例四的基础上,作为一种优选的实施方式,本实施例中的磁屏蔽室的墙面内设置有空间磁补偿线圈,所述空间磁补偿线圈用于降低空间环境的磁场梯度的作用,进一步保证视频脑磁图***的可靠性和可实施性。
综上,本发明视频脑磁图***通过将脑磁采集装置采集到的原始脑磁数据集和视频获取装置获取到的运动数据集同步传送到同步数据处理装置中,该同步数据处理装置基于接收的运动数据集对相对应的原始脑磁数据集进行脑磁噪声处理,获得去噪后的真实脑磁数据集,进而去除了被测试者因肢体运动、头部移动等运动带来的空间磁场不均匀而引入的磁场波动干扰,提升了脑磁数据的真实有效性,实现视频脑磁图***高质量探测,在呈现特定刺激和在静默状态下记录患者的脑部神经磁场信号,并同步记录其面部、肢体动作运动数据集,可互相佐证成为更丰富判定临床病症的依据,大大提升对疾病患者的评估准确性的有益效果。
再者,通过信号同步视频数据分析模块根据获得的真实脑磁数据集,结合视频获取装置获取的被测试者在磁屏蔽环境中的运动数据集,进行病灶的溯源定位和分析辅助诊断。相对于现有的视频脑电图***,基于脑磁信号的高空间分辨特性,视频脑磁图***可用于鉴别不止发作期、还能通过信号同步视频数据分析模块对发作间期的微小异常波动的信号源分析及微表情动作数据的辅助病灶定位分析;视频脑磁图可以同步获得这些肢体语言细节信息配合同步的脑磁信号分析定位,显著丰富了诊断的信息来源,辅助对病人更精确的评估、精神疾病亚型的分类以及用药等临床治疗方案的制定。尤其是信号同步视频数据分析模块在通过脑磁噪声消除装置对原始脑磁数据集进行脑磁数据处理后获得的真实脑磁数据集,保证了用于配合同步的脑磁信号更加有效、精准,进而确保视频脑磁图***对疾病患者的评估准确性。
上述说明示出并描述了本申请的优选实施方式,但如前对象,应当理解本申请并非局限于本文所披露的形式,不应看作是对其他实施方式的排除,而可用于各种其他组合、修改和环境,并能够在本文对象构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围,则都应在本申请所附权利要求的保护范围内。
Claims (9)
1.一种视频脑磁图***,其特征在于,包括磁屏蔽室,位于所述磁屏蔽室内的脑磁采集装置和视频获取装置,及位于所述磁屏蔽室外的同步数据处理装置,所述脑磁采集装置和所述视频获取装置均与所述同步数据处理装置通信连接;
所述脑磁采集装置采集被测试者在磁屏蔽环境中的原始脑磁数据集;
所述视频获取装置获取被测试者在磁屏蔽环境中的运动数据集,所述运动数据集包括发作间期的微小抽搐或不自主抽动的异常波动引起的动作数据集;
所述同步数据处理装置用于同步处理视频脑磁图***中的视频信号和脑磁信号,包括脑磁噪声消除装置和信号同步视频数据分析模块;
所述脑磁噪声消除装置用于对所述原始脑磁数据集进行脑磁数据处理,获得真实脑磁数据集,该真实脑磁数据集获得的计算公式为:
其中,B为真实脑磁数据集,Bi (0)为第i个原始脑磁数据集元素,代表第i个原始脑磁数据矩阵;Bi (N)为第i个脑磁噪声数据集元素,代表第i个脑磁噪声矩阵;Bi (0)与Bi (N)为同型矩阵,具体形式如下:
其中,uij (0)为ij位置处的原始磁场强度;uij (N)为ij位置处的脑磁噪声磁场强度;
所述信号同步视频数据分析模块用于根据所述真实脑磁数据集,结合所述视频获取装置获取的被测试者在磁屏蔽环境中的运动数据集,进行病灶的溯源定位和分析辅助诊断。
2.如权利要求1所述的一种视频脑磁图***,其特征在于,所述同步数据处理装置用于同步接收所述原始脑磁数据集和所述运动数据集,并基于磁屏蔽环境中的空间磁场数据集、所述运动数据集,通过所述脑磁噪声消除装置对所述原始脑磁数据集进行脑磁噪声处理,所述脑磁噪声消除装置包括脑磁信号接收模块、运动信号接收模块、噪声分析过滤模块;
所述脑磁信号接收模块用于接收磁屏蔽环境中的空间磁场数据集,及所述脑磁采集装置采集的原始脑磁数据集、脑磁噪声样本数据集;
所述运动信号接收模块用于接收所述视频获取装置捕捉的运动数据集、运动样本数据集;
所述噪声分析过滤模块包括脑磁噪声模型,所述噪声分析过滤模块用于对所述脑磁信号接收模块接收到的所述原始脑磁数据集,根据所述脑磁噪声模型进行噪声分析与过滤,得到真实脑磁数据集。
3.如权利要求2所述的一种视频脑磁图***,其特征在于,所述脑磁噪声模型是基于回归算法利用所述空间磁场数据集、所述运动样本数据集及所述脑磁噪声样本数据集训练回归模型并优化参数而得到。
4.如权利要求2所述的一种视频脑磁图***,其特征在于,所述运动样本数据集是通过按照预设记录间隔时间记录执行若干预设动作时的各动作记录点的运动位置数据,所述运动位置数据为各动作记录点的空间坐标,计算若干记录时间点相较前一记录时间点的位置移动量矩阵,经筛选、组合而获得所述运动样本数据集。
5.如权利要求2所述的一种视频脑磁图***,其特征在于,所述脑磁采集装置包括脑磁探测仪,所述脑磁探测仪与所述同步数据处理装置连接,所述脑磁探测仪基于被测试者若干动作状态按照预设间隔时间记录各脑磁记录点的噪声磁场数据,获得所述脑磁噪声样本数据集。
6.如权利要求5所述的一种视频脑磁图***,其特征在于,所述脑磁探测仪为基于以量子操控技术为核心的弱磁探测器,实现脑磁信号的探测。
7.如权利要求6所述的一种视频脑磁图***,其特征在于,所述脑磁探测仪包括脑磁帽,所述脑磁帽上插接有若干个阵列排列的小型化原子磁强计。
8.如权利要求2所述的一种视频脑磁图***,其特征在于,所述脑磁噪声消除装置还包括模型训练优化模块,所述模型训练优化模块用于训练和优化所述脑磁噪声模型。
9.如权利要求1所述的一种视频脑磁图***,其特征在于,所述磁屏蔽室设置有空间磁补偿线圈。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211107370.6A CN115177256B (zh) | 2022-09-13 | 2022-09-13 | 一种视频脑磁图*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211107370.6A CN115177256B (zh) | 2022-09-13 | 2022-09-13 | 一种视频脑磁图*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115177256A CN115177256A (zh) | 2022-10-14 |
CN115177256B true CN115177256B (zh) | 2022-11-29 |
Family
ID=83524661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211107370.6A Active CN115177256B (zh) | 2022-09-13 | 2022-09-13 | 一种视频脑磁图*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115177256B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107518898A (zh) * | 2017-08-08 | 2017-12-29 | 北京航空航天大学 | 基于传感器阵列分解和波束成形的脑磁图源定位装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009195571A (ja) * | 2008-02-22 | 2009-09-03 | Kanazawa Inst Of Technology | ノイズ除去方法とその方法を利用可能な生体情報計測装置および脳磁場計測装置 |
CN102791332A (zh) * | 2009-11-04 | 2012-11-21 | 代理并代表亚利桑那州立大学的亚利桑那董事会 | 调节大脑活动的设备和方法 |
DE102016104913B4 (de) * | 2016-03-16 | 2018-04-26 | Forschungszentrum Jülich GmbH | Vorrichtung zur effektiven, invasiven und amplitudenmodulierten Neurostimulation |
CN113967019B (zh) * | 2021-05-28 | 2022-11-08 | 北京昆迈医疗科技有限公司 | 脑磁图***和脑磁图***的操作方法 |
CN113768505A (zh) * | 2021-08-11 | 2021-12-10 | 季华实验室 | 一种穿戴式脑磁图仪环境噪声抑制***及方法 |
CN113827246A (zh) * | 2021-11-25 | 2021-12-24 | 北京航空航天大学杭州创新研究院 | 脑磁数据采集分析方法及*** |
-
2022
- 2022-09-13 CN CN202211107370.6A patent/CN115177256B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107518898A (zh) * | 2017-08-08 | 2017-12-29 | 北京航空航天大学 | 基于传感器阵列分解和波束成形的脑磁图源定位装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115177256A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111543949B (zh) | 一种基于脑磁图与脑电图的儿童asd诊断装置 | |
US20110028827A1 (en) | Spatiotemporal pattern classification of brain states | |
Chadwick et al. | Classifying eye and head movement artifacts in EEG signals | |
US20060173274A1 (en) | Functional magnetic resonance imaging guided transcranial magnetic stimulation deception inhibitor | |
WO2009036312A1 (en) | Device and method for assessing physiological parameters | |
CN111568446A (zh) | 结合人口学注意力机制的便携式脑电抑郁检测*** | |
JPS63226340A (ja) | 脳神経活動の位置と内部域の時間的関係を表示する方法とその装置 | |
Wei et al. | Edge sparse basis network: a deep learning framework for EEG source localization | |
Ward et al. | Wearables and the brain | |
CN110693510A (zh) | 一种注意力缺陷多动障碍辅助诊断装置及其使用方法 | |
CN117612710A (zh) | 一种基于脑电信号和人工智能分类的医疗诊断辅助*** | |
CN115177256B (zh) | 一种视频脑磁图*** | |
CN113558640A (zh) | 基于脑电特征的最小意识状态程度的评估方法 | |
Chen et al. | An interpretable deep learning optimized wearable daily detection system for Parkinson’s disease | |
CN115374831B (zh) | 多模态配准和时空特征注意的动静结合速度想象分类方法 | |
CN111543983A (zh) | 一种基于神经网络的脑电信号通道选择方法 | |
Yun-Mei et al. | The abnormal detection of electroencephalogram with three-dimensional deep convolutional neural networks | |
Narayanan et al. | Heuristic algorithm based approach to classify EEG signals into normal and focal | |
CN115736920A (zh) | 基于双模态融合的抑郁状态识别方法及*** | |
Kohout et al. | Robot-based image analysis for evaluating rehabilitation after brain surgery | |
Uhríková et al. | Action tremor analysis from ordinary video sequence | |
Chandra et al. | Classification of Electroencephalography for Neurobiological Spectrum Disorder Diagnosis | |
Becerra-García | Technology for processing saccadic electrooculograms in people with Spinocerebellar Ataxia type 2 | |
CN115841272B (zh) | 团队绩效预测方法、***和存储介质 | |
Li et al. | SCDM: Unified Representation Learning for EEG-to-fNIRS Cross-Modal Generation in MI-BCIs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |