基于特征分解的磁共振信號(hào)處理方法研究.pdf

1、功能磁共振成像(fMRI)是依據(jù)血氧合水平依賴（Blood Oxygenation Level Dependent，BOLD）原理進(jìn)行腦功能成像的檢測工具。fMRI作為目前人類所掌握的唯一無侵入、無創(chuàng)傷、可精確定位的研究手段，具有很高的空間分辨率和進(jìn)一步提高時(shí)間分辨率的潛力，特別適合于腦部疾病的檢測和大腦高級(jí)功能的研究，進(jìn)而揭示人類自身的神經(jīng)活動(dòng)規(guī)律。為彌補(bǔ)臨床經(jīng)驗(yàn)及提高診斷效率，發(fā)展一批高效、穩(wěn)健的算法已成為神經(jīng)科學(xué)家與臨床醫(yī)生的共同

2、期待。
　　本文從信號(hào)處理的角度，圍繞活動(dòng)源定位這一磁共振領(lǐng)域最重要的問題之一，采用特征分解為基本工具，開展了如下三方面的工作：
　　1．提出了一種改進(jìn)的主成分分析(Principle ComponentAnalysis，PCA)算法，并用于定位癲癇活動(dòng)。本算法在傳統(tǒng)PCA基礎(chǔ)上引入了延時(shí)以抑制高斯噪聲，提出了加權(quán)相關(guān)系數(shù)及對(duì)該系數(shù)的t檢驗(yàn)，并用計(jì)算機(jī)仿真驗(yàn)證了其有效性。首次將該算法用于膠質(zhì)瘤這一最大比例的腫瘤的活動(dòng)源定位，

3、得到了與臨床診斷一致并符合生理病理學(xué)的結(jié)論。
　　2．提出了聯(lián)合的SPM-ICA-PCA算法——該算法是在分析了基于模型驅(qū)動(dòng)的統(tǒng)計(jì)參數(shù)映射（Statistic Parameter Maping，SPM）、基于數(shù)據(jù)驅(qū)動(dòng)的獨(dú)立成分分析（Independent Component Analysis，ICA）與PCA算法的性能之后，從優(yōu)勢互補(bǔ)的角度提出的。在該聯(lián)合算法中，提出了活動(dòng)強(qiáng)度指標(biāo)來直觀反映不同腦區(qū)相對(duì)活動(dòng)強(qiáng)弱；提出了等效刺激響應(yīng)

4、模式這一概念，及尋求等效刺激響應(yīng)模式中的ICA成分選擇準(zhǔn)則；將該等效刺激響應(yīng)模式代入SPM軟件中進(jìn)行統(tǒng)計(jì)推斷與估計(jì)，從而將SPM軟件的適用范圍擴(kuò)展到包含靜息狀態(tài)的更廣的數(shù)據(jù)范圍。仿真與臨床數(shù)據(jù)處理結(jié)果都顯示了聯(lián)合算法的可行性與有效性。
　　3．磁共振信號(hào)處理的多重信號(hào)分類（Multiple Signal Classification Method，MUSIC）算法——首先分析了陣列信號(hào)處理中的MUSIC算法實(shí)質(zhì)與磁共振成像機(jī)理，找

5、出了相位差這一聯(lián)系的紐帶，推證了適于磁共振信號(hào)處理的MUSIC算法中起關(guān)鍵作用的導(dǎo)向矢量。該磁共振信號(hào)處理的MUSIC算法可將BOLD信號(hào)的求解簡化為矩陣的求逆運(yùn)算，并能精確的定位活動(dòng)源。將該算法用于真實(shí)的視覺刺激實(shí)驗(yàn)數(shù)據(jù)處理，獲得了符合生理學(xué)的結(jié)論，從實(shí)際應(yīng)用角度證實(shí)了該方法的有效性。
　　綜上所述，本文以fMRI原理與fMRI信號(hào)特征為基礎(chǔ)，對(duì)fMRI的信號(hào)處理和癲癇定位方法進(jìn)行了系統(tǒng)性的創(chuàng)新研究，增強(qiáng)了利用現(xiàn)代信號(hào)處理方法分