[发明专利]一种基于fNIRS分析的ROI脑区通道优化筛选方法

说明书

本发明公开了一种基于fNIRS分析的ROI脑区通道优化筛选方法，具体包括：同步采集多通道近红外信号，并对其进行预处理，得到脑血氧浓度信号；对预处理后的多通道脑血氧信号计算多类时域特征集合，采用最小二乘法的特征融合算法对时域多特征集合进行特征融合，得到时域最优特征集；基于排列组合算法构建各ROI区通道第一集合，进一步采用先序遍历算法构建ROI区通道第二集合；采用局部‑全局寻优方法，确定使得局部评价指标和大脑全局评价指标最大的ROI区通道第二集合元素，得到大脑各ROI区最优通道组合，实现脑功能状态的有效监测；本发明能够反映大脑真实神经活动。

技术领域

本发明涉及一种基于fNIRS分析的ROI脑区通道优化筛选方法，属于功能近红外光谱技术领域。

背景技术

功能性近红外光谱技术(functional near-infrared spectroscopy，fNIRS)是一种多功能神经影像学工具，近年来在科学研究及临床医学领域中均得到广泛应用。fNIRS是一种新型无创性脑功能检测技术，可以通过实时检测大脑皮层中氧合血红蛋白(oxyhemoglobin，HbO)、脱氧血红蛋白(deoxyhemoglobin，HbR)和总氧血红蛋白(totalhemoglobin，HbT)浓度信号的变化，间接反映大脑的神经活动。fNIRS除了其明显的便携性，在神经领域的研究中还显示出更大的优势——更高的时间采样率及更广泛的应用范围，从而为脑功能成像的分析提供了有利的条件，并且以其更适合大规模数据采集等特点，为脑功能研究提供了一种安全有效的成像方式。

脑功能成像是研究大脑活动的基本手段之一，大脑的神经活动可以分为外部刺激诱发的神经活动和与外部刺激无关的自发神经活动两大类。诱发神经活动是大脑在执行特定的任务时，对外界刺激做出的响应。传统的脑功能成像研究主要关注诱发神经活动，通过特异性激活找到负责特定功能的脑区。但即使在不参与特定任务时，大脑也会自发产生神经活动。通过以往的研究，人类已经了解到大脑是一个复杂的动态交互系统，在结构和功能上相互联系的许多脑区共同工作才保证了有效的信息加工与信息交互。近些年，基于脑区的研究被广泛应用于各领域研究中，传统感兴趣脑区(regions of interest，ROI)的确定受到研究者主观因素的影响，且由于静息态脑成像存在“无任务”的特点，使得现有任务态成像分析方法(例如基于实验设计信息的一般线性模型等方法)不再适用，无法通过一般线性模型激活的方法选择ROI区范围内的激活通道。因此，传统ROI区内通道筛选方法的局限性在于缺少统一的选取标准，研究结果受研究者主观因素影响较大。

在传统的ROI区确定中，一般将覆盖该功能脑区位置的所有通道信号视为该脑区信号，这种方法可能会由于部分通道激活程度不高，使得该脑区整体激活程度降低，进而无法反映ROI区的真实神经活动，因此提出基于fNIRS分析的ROI脑区通道优化筛选方法来研究ROI区大脑激活情况是非常有必要的。

发明内容

本发明需要解决的技术问题是提供一种能够反映大脑真实神经活动的基于fNIRS分析的ROI脑区通道优化筛选方法，用以解决传统ROI区中由于部分通道激活程度不高，使得该脑区整体激活程度降低，无法揭示ROI区真实神经活动的局限性。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于fNIRS分析的ROI脑区通道优化筛选方法，包括以下步骤：

步骤1，同步采集多通道近红外信号，并对其进行坏导、坏段及运动伪影去除、滤波及血氧浓度转换的预处理，得到氧合血红蛋白HbO、脱氧血红蛋白HbR和总氧血红蛋白HbT浓度信号；

步骤2，对预处理后的多通道脑血氧信号计算多类时域特征集合，采用最小二乘法的特征融合算法对时域多特征集合进行特征融合，得到时域最优特征集；

步骤3，基于排列组合算法构建各ROI区通道第一集合，并采用先序遍历算法进一步构建ROI区通道第二集合；