论文部分内容阅读
脑科学是21世纪生命科学研究的前沿与热点之一。脑电图(Electroencephalography, EEG)作为一种无创的探测技术，毫秒级的时间分辨率决定了其在脑科学研究中具有不可替代的作用。随着神经科学研究的深入，具有单一特点的脑电图成像技术已经不能满足研究的要求，融合分别具有空间分辨率的功能磁共振(functional Magnetic Resonance Image, fMRI)和因果关系的经颅磁刺激(Trans-cranial Magnetic Stimulation, TMS)的多模态成像技术已经得到的广泛的关注和研究应用。然而，脑电信号只有微伏量级，极易受到人体生理信号和空间电磁噪声等非生理信号的干扰，结果是阻碍脑电信号后续的读取、研究分析和应用。因此，去除脑电信号的噪声干扰，保留原始真实的脑电信息对于脑科学研究和临床应用具有重大的理论和实际意义。本工作针对脑电信号中内在生理信号噪声或是外界电磁噪声的干扰，基于现代信号处理技术，发展相应的方法进行脑电信号伪迹的去除，为后续的脑功能研究和临床应用提供真实可靠的脑电信号。主要内容如下：1.针对单一模态EEG信号中的眼电伪迹(Electrooculogram, EOG)去除问题，独立分量分析(Independent Component Analysis, ICA)方法可能存在着EOG不能充分去除或是引起真实EEG信号缺损的不足，利用系统辨识中的扩展自回归模型(AutoRegressive eXogenous, ARX)估计方法对这一缺陷进行改进，恢复信噪比更高的EEG信号；2.在EEG-fMRI融合引入的磁场伪迹干扰去除中，功能磁共振最优伪迹模板估计(fMRI Artifact Slice Template Removal, FASTR)方法同样可能存在着磁场伪迹不能充分去除或是引起真实EEG信号缺损的不足。本工作中，基于FASTR的去除结果，结合ARX方法对FASTR造成的EEG信号缺损进行一定程度的校正，实现对EEG信号的较为可靠估计；3.针对EEG-TMS同步记录中的瞬时磁场伪迹干扰，综合分析TMS伪迹的周期性特点，本文发展了模板估计、时域主成份分析(Principle Component Analysis,PCA)(TBA)相结合的方法对TMS伪迹进行去除。较传统的空域分解方法，其更能适用于具有较少导联的临床场合；4. fMRI研究表明，临床病理与病患的大脑功能网络连接异常是相关的。心因性非癫痫(Psychogenic Non-Epileptic Seizures, PNES)由于其不具有特征性的放电表现，诊断是临床上的一个难点。本文中，利用发展的眼电伪迹去除技术首先对基于静息态脑电进行伪迹去除，然后利用网络分析方法对比分析PNES病患和正常控制组的大脑功能连接网络，并尝试把计算得到的网络属性值作为特征，利用线性判别分析(Linear Discriminant Analysis, LDA)进行PNES和控制组的分类，为临床的诊断提供具有实际意义的价值信息。