基于最小二乘支持向量機(jī)的近紅外腦功能信號(hào)提取方法
【專利摘要】基于最小二乘支持向量機(jī)的近紅外腦功能信號(hào)提取方法，本發(fā)明涉及近紅外腦功能信號(hào)提取方法。本發(fā)明目的是為了解決近紅外腦功能活動(dòng)信號(hào)的檢測(cè)精度低的問(wèn)題。具體過(guò)稱為：一：獲得兩個(gè)不同波長(zhǎng)的近紅外光在不同距離下的光密度變化量的時(shí)間信號(hào)；二：得到氧合血紅蛋白濃度變化時(shí)間信號(hào)和還原血紅蛋白濃度變化時(shí)間信號(hào)；三：獲得腦功能活動(dòng)信號(hào)；四：獲得W(t)的W*(t)；五：得到腦功能活動(dòng)信號(hào)E(t)：六：得到剔除誤差干擾后的腦功能活動(dòng)信號(hào)；七：構(gòu)造拉格朗日函數(shù)得線性方程組；八：求解線性方程組得到拉格朗日乘子向量α和偏置量b的數(shù)值解，此時(shí)利用最小二乘支持向量機(jī)回歸函數(shù)處理后的腦功能活動(dòng)信號(hào)表示為E*(t)。本發(fā)明用于腦功能信號(hào)提取。
【專利說(shuō)明】
基于最小二乘支持向量機(jī)的近紅外腦功能信號(hào)提取方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及近紅外腦功能信號(hào)提取方法。
【背景技術(shù)】
[0002] 近紅外光譜技術(shù)可通過(guò)檢測(cè)大腦皮層中的氧合血紅蛋白和還原血紅蛋白濃度變 化信息，提供腦功能活動(dòng)過(guò)程中的大腦皮層血氧代謝信息，從而用于腦功能活動(dòng)狀態(tài)檢測(cè)。 與功能性磁共振成像、正電子放射斷層掃描、腦電圖檢測(cè)等其它腦功能檢測(cè)方法相比，近紅 外光譜技術(shù)具有經(jīng)濟(jì)、安全、非侵入、使用方便、易實(shí)施等優(yōu)點(diǎn)。但是，在采用近紅外光譜技 術(shù)對(duì)腦功能活動(dòng)進(jìn)行檢測(cè)時(shí)，人體的心跳、呼吸、人體低頻振蕩及人體超低頻振蕩等生理活 動(dòng)會(huì)對(duì)測(cè)量信號(hào)產(chǎn)生干擾，也稱之為生理干擾。這種生理干擾現(xiàn)象不僅出現(xiàn)在頭皮、顱骨和 腦脊髓液等外部腦組織中，也同時(shí)出現(xiàn)在腦灰質(zhì)和腦白質(zhì)等深層腦組織之中，并對(duì)腦功能 活動(dòng)檢測(cè)信號(hào)的提取產(chǎn)生嚴(yán)重影響。
[0003] 對(duì)于存在生理干擾情況下的近紅外腦功能檢測(cè)，通常是可以采用基于多距測(cè)量方 法的自適應(yīng)濾波技術(shù)實(shí)現(xiàn)對(duì)腦功能活動(dòng)信號(hào)的提取。但是，當(dāng)人體的心跳、呼吸、低頻振蕩 或超低頻振蕩等生理干擾與腦功能信號(hào)的頻帶嚴(yán)重重疊時(shí)，經(jīng)過(guò)該方法處理得到的腦功能 活動(dòng)信號(hào)通常存在誤差干擾，導(dǎo)致近紅外腦功能活動(dòng)信號(hào)的檢測(cè)精度低，使得該方法在實(shí) 際應(yīng)用中受到一定限制。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明目的是為了解決當(dāng)生理干擾與腦功能信號(hào)頻帶嚴(yán)重重疊時(shí)，采用基于多距 測(cè)量方法的自適應(yīng)濾波技術(shù)得到的腦功能活動(dòng)信號(hào)存在誤差干擾，導(dǎo)致近紅外腦功能活動(dòng) 信號(hào)的檢測(cè)精度低的問(wèn)題，而提出了基于遞歸最小二乘自適應(yīng)濾波及最小二乘支持向量機(jī) 的近紅外腦功能信號(hào)提取方法。
[0005] 上述的發(fā)明目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：
[0006] 步驟一:在待測(cè)腦組織頭皮表面放置一個(gè)由雙波長(zhǎng)光源S與檢測(cè)器^和檢測(cè)器出所構(gòu) 成的近紅外探頭，雙波長(zhǎng)光源S與檢測(cè)器認(rèn)之間的直線距離為R 1，雙波長(zhǎng)光源S與檢測(cè)器出之間的 直線距離為R2,雙波長(zhǎng)光源S發(fā)出兩種近紅外光的波長(zhǎng)分別為&和\ 2,檢測(cè)器D1和檢測(cè)器氏用于獲 取大腦安靜狀態(tài)下的漫反射光強(qiáng)和大腦誘發(fā)激勵(lì)狀態(tài)下的漫反射光強(qiáng)，從而獲得兩個(gè)不同波 長(zhǎng)的近紅外光在不同距離下的光密度變化量的時(shí)間信號(hào)：從％('〇、⑴(〇 和髮噸⑴：
[0007] 其中，t為采樣時(shí)刻，t = l，2,…，Ν，Ν為正整數(shù)；（此處表示t的取值范圍是從1到N);
[0008] AOD^(Z)為雙波長(zhǎng)光源S發(fā)出近紅外光的波長(zhǎng)為心時(shí)，與雙波長(zhǎng)光源S的直線距離 為心的檢測(cè)器^獲得的光密度變化量的時(shí)間信號(hào)；
[0009] ΔΟΖ：?;^/)為雙波長(zhǎng)光源S發(fā)出近紅外光的波長(zhǎng)為人2時(shí)，與雙波長(zhǎng)光源S的直線距離 為心的檢測(cè)器^獲得的光密度變化量的時(shí)間信號(hào)；
[0010] Δ0/)^(/)為雙波長(zhǎng)光源S發(fā)出近紅外光的波長(zhǎng)為&時(shí)，與雙波長(zhǎng)光源S的直線距離 為R2的檢測(cè)器出獲得的光密度變化量的時(shí)間信號(hào)；
[0011] ΔΟΖ^(/)為雙波長(zhǎng)光源S發(fā)出近紅外光的波長(zhǎng)為人2時(shí)，與雙波長(zhǎng)光源S的直線距離 為R2的檢測(cè)器出獲得的光密度變化量的時(shí)間信號(hào)；
[0012] 步驟二:對(duì)步驟一獲得的兩個(gè)不同波長(zhǎng)的近紅外光在不同距離下的光密度變化量 時(shí)間信號(hào)進(jìn)行修正郎伯比爾定律計(jì)算，從而分別得到檢測(cè)器DdP檢測(cè)器0 2處的氧合血紅蛋 白濃度變化時(shí)間信號(hào)和還原血紅蛋白濃度變化時(shí)間信號(hào)

[0013] t為采樣時(shí)刻，t = l，2,…，Ν，Ν為正整數(shù)；
[0014] 為與雙波長(zhǎng)光源S的直線距離為R1的檢測(cè)器0:測(cè)量得到的氧合血紅 蛋白濃度變化量的時(shí)間信號(hào)；
[0015] AfHHbp (/)為與雙波長(zhǎng)光源S的直線距離為辦的檢測(cè)器量得到的還原血紅蛋 白濃度變化量的時(shí)間信號(hào)；
[0016] 為與雙波長(zhǎng)光源S的直線距離為R2的檢測(cè)器02測(cè)量得到的氧合血紅 蛋白濃度變化量的時(shí)間信號(hào)；
[0017] ⑴為與雙波長(zhǎng)光源S的直線距離為1?2的檢測(cè)器仏測(cè)量得到的還原血紅蛋 白濃度變化量的時(shí)間信號(hào)；
[0018] 步驟三：利用步驟二得到的A[HbO:f'⑴和A[:Hb02f 2 (:，)或者Δ[ΗΗ# (0和 AfHHbfi 構(gòu)建自適應(yīng)濾波函數(shù)，從而獲得腦功能活動(dòng)信號(hào)，具體表示為：
[0019] E(t)=D(t)-XT(t)ff(t)
[0020] 其中，E(t)為腦功能活動(dòng)信號(hào)，代表經(jīng)過(guò)自適應(yīng)濾波函數(shù)消減生理干擾后獲得的 氧合血紅蛋白濃度變化量的時(shí)間信號(hào)△ [HbO2](t)或還原血紅蛋白濃度變化量的時(shí)間信號(hào) A [HHbKt);
[0021] D(t)表示步驟二中獲取的A[Hb()2f:⑴或⑴，包含人體生理干擾與誘 發(fā)響應(yīng)的腦功能活動(dòng)信號(hào)；
[0022] X(t)為列向量，表示為X(t) = [x(t) x(t-l) x(t_2)…x(t_M)]T，M是自適應(yīng)濾 波器的階數(shù)，為正整數(shù)，x(t-M)為信號(hào)x(t)的M個(gè)單元延遲，T為轉(zhuǎn)置矩陣運(yùn)算符號(hào)；
[0023] 義(1:一1)為信號(hào)1(1:)的一個(gè)單元延長(zhǎng)3(1: - 2)為信號(hào)1(1:)的二個(gè)單元延長(zhǎng)3(1:) 表示步驟二中獲取的A[HbO:f.:(，)或Δ[ΗΗ<(，），主要由人體生理干擾組成，為自適應(yīng)濾 波函數(shù)的參考信號(hào)；
[0024] t為采樣時(shí)刻，t = l，2,…，Ν，Ν為正整數(shù)；
[0025]由于t的取值是1到N的正整數(shù)，因此對(duì)于任意的t，t_l表示t的前一采樣時(shí)刻，同理 t_2為t的前兩個(gè)采樣時(shí)刻，因此此處x(t - 1)為信號(hào)x(t)的一個(gè)單元延遲，x(t - 2)為信號(hào)X (t)的二個(gè)單元延遲。
[0026]這個(gè)符號(hào)T是轉(zhuǎn)置矩陣的運(yùn)算表示符號(hào)。即X(t)表示列向量，則XT(t)為X(t)的轉(zhuǎn) 置矩陣，因此XT(t)為行向量；
[0027] W(t) = [W0(t)Wl(t)W2(t)…WM(t)]T為自適應(yīng)濾波函數(shù)的系數(shù)向量，W0(t)、Wl(t)、W2 (t)…WM(t)為列向量X(t) = [x(t) X(t-l) x(t-2)…X(t-M)]T中各對(duì)應(yīng)元素的系數(shù)，其 中，WQ(t)為X(t)的系數(shù)、Wl(t)為X(t-l)的系數(shù)、W2(t)為X(t-2)的系數(shù)、WM(t)為X(t-M)的系 數(shù)；
[0028] 步驟四：將步驟三獲得的腦功能活動(dòng)信號(hào)E(t)的累積平方誤差性能函數(shù)J(t)最小 化，獲得自適應(yīng)濾波函數(shù)的系數(shù)向量W(t)的最優(yōu)化系數(shù)向量f(t)，累積平方誤差性能函數(shù) J(t)表示為：
[0029]
[0030]其中，X為指數(shù)加權(quán)因子，k = 0，l，2,…，t;k，t均為正整數(shù)；
[0031] t為采樣時(shí)刻，t = l，2,…，N，N為正整數(shù)；
[0032] D(k)表示步驟二中獲取采樣時(shí)刻為k時(shí)的A[HbO:p(/c)或A[HHbf⑷；X(k) = [x (k) x(k-l) x(k-2)…x(k-M)]T，x(k)表示步驟二中獲取采樣時(shí)刻為k時(shí)的 A[HbO:2]:Sl_.(^.) 或Δ[ΗΗ?3_]Α#)，x(k-l)為信號(hào)x(k)的一個(gè)單元延長(zhǎng);x(k-2)為信號(hào)x(k)的二個(gè)單元延長(zhǎng);X (k-M)為信號(hào)x(k)的M個(gè)單元延遲；
[0033] 對(duì)累積平方誤差性能函數(shù)J(t)相對(duì)于W(t)求導(dǎo)，則有：
[0034]
[0035] 令上式為零，則自適應(yīng)濾波函數(shù)最優(yōu)化系數(shù)向量表示為：
[0036] W*(t)=R-Ht)P(t)
[0037] 其中，R(t)為X(t)的確定性相關(guān)矩陣，P(t)為X(t)與D(t)之間的確定性互相關(guān)向 量；
[0038] 步驟五:根據(jù)步驟四得到的自適應(yīng)濾波函數(shù)最優(yōu)化系數(shù)向量f(t)得到腦功能活 動(dòng)信號(hào)E(t):
[0039]
[0040] 步驟六:對(duì)步驟五得到的腦功能活動(dòng)信號(hào)E(t)進(jìn)行最小二乘支持向量機(jī)回歸處 理，即采用如下形式的回歸函數(shù)來(lái)表示剔除誤差干擾后的腦功能活動(dòng)信號(hào)：
[0041]
[0042] 其中，E\t)表示剔除誤差干擾后的腦功能活動(dòng)信號(hào)，Vt為權(quán)值向量為特征向 量，t = l，2,…，N，b為偏置量；
[0043]此時(shí)，最小二乘支持向量機(jī)回歸轉(zhuǎn)化為處理如下的最優(yōu)化問(wèn)題：
[0044]
[0045] .V/. EU) - V'φ0-) + }^ + β,,? =Λ.2,....,?·Χ%?Μ.%?
[0046] 其中，γ為規(guī)則化參數(shù);e為利用自適應(yīng)濾波函數(shù)所求取得腦功能活動(dòng)信號(hào)與利用 最小二乘支持向量機(jī)回歸函數(shù)表示的腦功能活動(dòng)信號(hào)之間的誤差向量，表示為e = [ ei，…， eN]τ，1彡i彡t; Q表示函數(shù)；自變量是V和e ; s · t ·為使得E (i)滿足^ + C ;E (i)為腦功 能活動(dòng)信號(hào)；
[0047] 步驟七:為求步驟六中的最優(yōu)化問(wèn)題，構(gòu)造如下的拉格朗日函數(shù)：
[0048]
[0049]其中，<^為拉格朗日乘子，則根據(jù)最優(yōu)化條件得：
[0050]
[0051] 對(duì)上式消去權(quán)值向量V和誤差向量e，得如下線性方程組：
[0052]
[0053] 其中，E=[E(l)，E(2)，…，E(N)]，lN=[l，…，l]τ，I為NXN的單位矩陣，α=[ αl，…， aN]τ為拉格朗日乘子向量，Ω為N XN的對(duì)稱矩陣，令j = 1，2，…，t，t為正整數(shù)，則Ω的第i j項(xiàng) 元素表示為：
[0054]
[0055]
[0056] 式中，於(〇_為t中第i個(gè)特征向量，i = l，2，'"，t;於C/)為t中第j個(gè)特征向量，j = 1， 2，···，t;
[0057] 步驟八:求解步驟七中的線性方程組，得到拉格朗日乘子向量a和偏置量b的數(shù)值 解，此時(shí)利用最小二乘支持向量機(jī)回歸函數(shù)處理后的腦功能活動(dòng)信號(hào)表示為：
[0058]
[0059] K(t，j)表示內(nèi)積核函數(shù)。
[0060]發(fā)明效果
[0061 ]本發(fā)明的優(yōu)點(diǎn)在于針對(duì)多距離自適應(yīng)濾波技術(shù)實(shí)現(xiàn)近紅外腦功能活動(dòng)檢測(cè)時(shí)，當(dāng) 人體生理干擾與腦功能活動(dòng)信號(hào)頻帶嚴(yán)重重疊情況下，獲取的近紅外腦功能活動(dòng)信號(hào)中存 在誤差干擾，導(dǎo)致近紅外腦功能活動(dòng)信號(hào)的檢測(cè)精度低這一問(wèn)題，將基于多距離自適應(yīng)濾 波技術(shù)獲取的腦功能活動(dòng)信號(hào)看作是真實(shí)近紅外腦功能活動(dòng)信號(hào)與誤差干擾的線性組合， 并利用最小二乘支持向量機(jī)回歸算法對(duì)真實(shí)近紅外腦功能活動(dòng)信號(hào)進(jìn)行回歸處理，從而實(shí) 現(xiàn)消除誤差干擾影響，實(shí)現(xiàn)對(duì)真實(shí)近紅外腦功能活動(dòng)信號(hào)的高精度檢測(cè)，獲得高質(zhì)量的腦 功能活動(dòng)檢測(cè)信號(hào)。最小二乘支持向量機(jī)回歸方法是基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則的機(jī)器學(xué)習(xí) 方法，與傳統(tǒng)基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的學(xué)習(xí)方法相比，它體現(xiàn)了模型復(fù)雜度與學(xué)習(xí)能力之間 的折中思想，可有效抑制過(guò)擬合問(wèn)題并提高回歸處理精度，同時(shí)該方法采用等式約束將優(yōu) 化問(wèn)題簡(jiǎn)化為線性方程組求解，從而消減該方法的計(jì)算復(fù)雜度，使其適用于近紅外腦功能 活動(dòng)信號(hào)的處理分析。
【附圖說(shuō)明】
[0062]圖1為本發(fā)明流程圖；
[0063]圖2為本發(fā)明中采用的多距離近紅外腦功能活動(dòng)檢測(cè)探頭與五層腦組織模型結(jié)構(gòu) 示意圖，其中S代表雙波長(zhǎng)光源，D1表示近端檢測(cè)器，D2表示遠(yuǎn)端檢測(cè)器，心表示雙波長(zhǎng)光源S 與近端檢測(cè)器D 1之間的直線距離，1?2表示雙波長(zhǎng)光源S與遠(yuǎn)端檢測(cè)器D2之間的直線距離，L 1 為頭皮，L2為顱骨，L3為腦脊髓液，L4為腦灰質(zhì)，L5為腦白質(zhì)。
【具體實(shí)施方式】
【具體實(shí)施方式】 [0064] 一：結(jié)合圖1和圖2說(shuō)明本實(shí)施方式，本實(shí)施方式的基于最小二乘支 持向量機(jī)的近紅外腦功能信號(hào)提取方法，具體是按照以下步驟制備的：
[0065] 步驟一:在待測(cè)腦組織頭皮表面放置一個(gè)由雙波長(zhǎng)光源S與檢測(cè)器以和檢測(cè)器出所構(gòu) 成的近紅外探頭，雙波長(zhǎng)光源S與檢測(cè)器仏之間的直線距離為R 1，雙波長(zhǎng)光源S與檢測(cè)器出之間的 直線距離為R2,雙波長(zhǎng)光源S發(fā)出兩種近紅外光的波長(zhǎng)分別為λ#Ρλ 2,檢測(cè)器D1和檢測(cè)器氏用于獲 取大腦安靜狀態(tài)下的漫反射光強(qiáng)和大腦誘發(fā)激勵(lì)狀態(tài)下的漫反射光強(qiáng)，從而獲得兩個(gè)不同波 長(zhǎng)的近紅外光在不同距離下的光密度變化量的時(shí)間信號(hào):(J) A0D!' (0 Δ^：(0 和廳;Μ，）·
[0066] 其中，t為采樣時(shí)刻，t = l，2,…，Ν，Ν為正整數(shù)；（此處表示t的取值范圍是從1到N);
[0067] 401?1 (〇為雙波長(zhǎng)光源S發(fā)出近紅外光的波長(zhǎng)為心時(shí)，與雙波長(zhǎng)光源S的直線距離 為心的檢測(cè)器以獲得的光密度變化量的時(shí)間信號(hào)；
[0068] ΔΟΟ^'(〇為雙波長(zhǎng)光源S發(fā)出近紅外光的波長(zhǎng)為人2時(shí)，與雙波長(zhǎng)光源S的直線距離 為心的檢測(cè)器以獲得的光密度變化量的時(shí)間信號(hào)；
[0069] 為雙波長(zhǎng)光源S發(fā)出近紅外光的波長(zhǎng)為&時(shí)，與雙波長(zhǎng)光源S的直線距離 為R2的檢測(cè)器出獲得的光密度變化量的時(shí)間信號(hào)；
[0070] 為雙波長(zhǎng)光源S發(fā)出近紅外光的波長(zhǎng)為人2時(shí)，與雙波長(zhǎng)光源S的直線距離 為R 2的檢測(cè)器出獲得的光密度變化量的時(shí)間信號(hào)；
[0071] 步驟二:對(duì)步驟一獲得的兩個(gè)不同波長(zhǎng)的近紅外光在不同距離下的光密度變化量 時(shí)間信號(hào)進(jìn)行修正郎伯比爾定律計(jì)算，從而分別得到檢測(cè)器DdP檢測(cè)器0 2處的氧合血紅蛋 白濃度變化時(shí)間信號(hào)和還原血紅蛋白濃度變化時(shí)間信號(hào)：A[HbO Jl⑴、A[HHb；p (/)、 A[Hb02]^ (?)^Ρ AfHHb]^ (?)；
[0072] t為采樣時(shí)刻，t = l，2,…，N，N為正整數(shù)；
[0073] 為與雙波長(zhǎng)光源S的直線距離為R1的檢測(cè)器0:測(cè)量得到的氧合血紅 蛋白濃度變化量的時(shí)間信號(hào)；
[0074] 為與雙波長(zhǎng)光源S的直線距離為心的檢測(cè)器DJ〗量得到的還原血紅蛋 白濃度變化量的時(shí)間信號(hào)；
[0075] A[HbO:];'O為與雙波長(zhǎng)光源S的直線距離為R2的檢測(cè)器0 2測(cè)量得到的氧合血紅 蛋白濃度變化量的時(shí)間信號(hào)；
[0076] ⑴為與雙波長(zhǎng)光源S的直線距離為吣的檢測(cè)器如則量得到的還原血紅蛋 白濃度變化量的時(shí)間信號(hào)；
[0077] 步驟三：利用步驟二得到的
和 HHbf (>；)構(gòu)建自適應(yīng)濾波函數(shù)，從而獲得腦功能活動(dòng)信號(hào)，具體表示為：
[0078] E(t)=D(t)-XT(t)ff(t)
[0079] 其中，E(t)為腦功能活動(dòng)信號(hào)，代表經(jīng)過(guò)自適應(yīng)濾波函數(shù)消減生理干擾后獲得的 氧合血紅蛋白濃度變化量的時(shí)間信號(hào)△ [HbO2](t)或還原血紅蛋白濃度變化量的時(shí)間信號(hào) A [HHbKt);
[0080] D(t)表示步驟二中獲取的(/)或A[HHbf2 (?)，包含人體生理干擾與誘 發(fā)響應(yīng)的腦功能活動(dòng)信號(hào)；
[0081] X(t)為列向量，表示為X(t) = [x(t) x(t-l) x(t_2)…x(t_M)]T，M是自適應(yīng)濾 波器的階數(shù)，為正整數(shù)，x(t-M)為信號(hào)x(t)的M個(gè)單元延遲，T為轉(zhuǎn)置矩陣運(yùn)算符號(hào)；
[0082] 義(1:一1)為信號(hào)1(1:)的一個(gè)單元延長(zhǎng)3(1: - 2)為信號(hào)1(1:)的二個(gè)單元延長(zhǎng)3(1:) 表示步驟二中獲取的<HbO:f⑴或Δ|；ΗΗ<⑴，主要由人體生理干擾組成，為自適應(yīng)濾 波函數(shù)的參考信號(hào)；
[0083] t為采樣時(shí)刻，t = l，2,…，Ν，Ν為正整數(shù)；
[0084]由于t的取值是1到N的正整數(shù)，因此對(duì)于任意的t，t_l表示t的前一采樣時(shí)刻，同理 t_2為t的前兩個(gè)采樣時(shí)刻，因此此處x(t - 1)為信號(hào)x(t)的一個(gè)單元延遲，x(t - 2)為信號(hào)X (t)的二個(gè)單元延遲。
[0085] 這個(gè)符號(hào)T是轉(zhuǎn)置矩陣的運(yùn)算表示符號(hào)。即X(t)表示列向量，則XT(t)為X(t)的轉(zhuǎn) 置矩陣，因此X T(t)為行向量；
[0086] W(t) = [W0(t)Wl(t)W2(t)…WM(t)]T為自適應(yīng)濾波函數(shù)的系數(shù)向量，W0(t)、Wl(t)、W2 (t)…WM(t)為列向量X(t) = [x(t) X(t-l) x(t-2)…X(t-M)]T中各對(duì)應(yīng)元素的系數(shù)，其 中，WQ(t)為X(t)的系數(shù)、Wl(t)為X(t-l)的系數(shù)、W2(t)為X(t-2)的系數(shù)、WM(t)為X(t-M)的系 數(shù)；
[0087] 步驟四：將步驟三獲得的腦功能活動(dòng)信號(hào)E(t)的累積平方誤差性能函數(shù)J(t)最小 化，獲得自適應(yīng)濾波函數(shù)的系數(shù)向量W(t)的最優(yōu)化系數(shù)向量f(t)，累積平方誤差性能函數(shù) J(t)表示為：
[0088]
[0089]其中，x為指數(shù)加權(quán)因子，k = 0，l，2,…，t;k，t均為正整數(shù)；
[0090] t為采樣時(shí)刻，t = l，2,…，N，N為正整數(shù)；
[0091] 此處公式的含義是t 一共有N個(gè)采樣時(shí)刻，那么對(duì)于其中的每一個(gè)采樣時(shí)刻，即上 式中的J(t)和W( t)中的t為1至N中的任意一個(gè)正整數(shù)Q，I《Q《N;此時(shí)等式右側(cè)中的k的取值 范圍就是k = 0，l，2, ···，〇;因此k的取值范圍是隨著當(dāng)前t的取值不同而變化的，其最大值為 當(dāng)前的t的取值；
[0092] D(k)表示步驟二中獲取采樣時(shí)刻為k時(shí)的Δ[ΗΚ):/Η幻或a) :X(k) = [X (k) x(k-l) x(k-2)…x(k-M)]T，x(k)表示步驟二中獲取采樣時(shí)刻為k時(shí)的Δ[ΗΜ):]/α(々} 或么[1 ;1111)^1__(^):，1(1^-1)為信號(hào)1(10的一個(gè)單元延長(zhǎng);1(1^-2)為信號(hào)1(10的二個(gè)單元延長(zhǎng)0 (k-M)為信號(hào)x(k)的M個(gè)單元延遲；
[0093] 此處公式中存在D(k)和XT(k)，其中k的定義是從屬于前面對(duì)采樣時(shí)刻t的定義，即 k的取值范圍最大為當(dāng)前的t值;t=l，2，···，N;前面已經(jīng)對(duì)D(t)進(jìn)行定義如下:D(t)表示步 驟二中獲取的A[HbO :f:(/)或Δ[ΗΗΗ/Λ(/):即D(k)表示步驟二中獲取采樣時(shí)刻為k時(shí)的 Δ[ΗbO:]"' (幻或Δ[ΗΗ1"Η々);前面已經(jīng)對(duì)X⑴和X(t)進(jìn)行定義如下：
[0094] X(t)為列向量，表示為X(t) = [x(t)x(t-l)x(t-2)"_x(t-M) ]T，M是自適應(yīng)濾波器 的階數(shù)，為正整數(shù)，x(t-M)為信號(hào)x(t)的M個(gè)單元延遲，T為轉(zhuǎn)置矩陣運(yùn)算符號(hào);x(t)表示步 驟二中獲取的A[HbO :_f'⑴或Δ[ΒΗΙ)]/?! (〇 ;
[0095] 因此X (k)表示步驟二中獲取采樣時(shí)刻為k時(shí)的δ[ι*ο2：Γ α)或δ[ηηι^ (I：)，x (k) = [x(k) x(k-l) x(k-2) ··· x(k-M)]T
[0096] 對(duì)累積平方誤差性能函數(shù)J(t)相對(duì)于W(t)求導(dǎo)，則有：
[0097]
[0098] 々、上A刀令，則曰厄膽脒股圈雙取1兀1七樂(lè)雙NM表示為：
[0099] W*(t)=R-Ht)P(t)
[0100] 其中，R(t)為X(t)的確定性相關(guān)矩陣，P(t)為X(t)與D(t)之間的確定性互相關(guān)向 量；
[0101] 前面定義了x(t)為自適應(yīng)濾波函數(shù)的參考信號(hào)，X(t) = [x(t) X(t-l) x(t-2)… 義(卜10]7是由自適應(yīng)濾波函數(shù)的參考信號(hào)所構(gòu)成的參考信號(hào)向量;XT(t)是X(t)的轉(zhuǎn)置；
[0102] 此外，D(t)的含義就是前面所定義的：D(t)表示步驟二中獲取的A[HbCgwH0或 A[HHbf:0)。X(t)的含義就是前面所定義的：X(t)表示步驟二中獲取的Δ[Η?302]?、呕?br>[0103] 在前面引入D(t)和x(t)的定義是為了后續(xù)簡(jiǎn)化介紹算法，D(t)表示步驟二中獲取 的A[HbO:f_(0或A[HHb]"U/)，包含人體生理干擾與誘發(fā)響應(yīng)的腦功能活動(dòng)信號(hào);X⑴表示 步驟二中獲取的NHbO 2 f (〇或Δ[? Hb]"' (/)，主要由人體生理干擾組成，為自適應(yīng)濾波函數(shù) 的參考信號(hào)；
[0104] 在后續(xù)的算法介紹中:D(t)表示為A[HHb:rm吋，則相應(yīng)的x(t)為⑴；同 理，當(dāng)D(t)表示為A[Hb0 2]s:(〇時(shí)，則相應(yīng)的X⑴為A[Hb0O);必須是同一種濃度的變化 量相對(duì)應(yīng)。
[0105] 此處為減少歧義修改如下：
[0106] 其中，R(t)為X(t)的確定性相關(guān)矩陣，P(t)為X(t)與D(t)之間的確定性互相關(guān)向 量；
[0107] 步驟五:根據(jù)步驟四得到的自適應(yīng)濾波函數(shù)最優(yōu)化系數(shù)向量f(t)得到腦功能活 動(dòng)信號(hào)E(t):
[0108] E(t)=D(t)-XT(t)ff*(t)；
[0109] 步驟六:對(duì)步驟五得到的腦功能活動(dòng)信號(hào)E(t)進(jìn)行最小二乘支持向量機(jī)回歸處 理，即采用如下形式的回歸函數(shù)來(lái)表示剔除誤差干擾后的腦功能活動(dòng)信號(hào)：
[0110]
[0111]其中，E\t)表示剔除誤差干擾后的腦功能活動(dòng)信號(hào)，Vt為權(quán)值向量，PM為特征向 量，t = l，2,…，N，b為偏置量；
[0112]此時(shí)，最小二乘支持向量機(jī)回歸轉(zhuǎn)化為處理如下的最優(yōu)化問(wèn)題：
[0113]
[0114] λ'./1. ￡(/) = K V(/·) + /) + ?.，/_ =丨，2,…i;t為正整數(shù)
[0115] 其中，γ為規(guī)則化參數(shù);e為利用自適應(yīng)濾波函數(shù)所求取得腦功能活動(dòng)信號(hào)與利用 最小二乘支持向量機(jī)回歸函數(shù)表示的腦功能活動(dòng)信號(hào)之間的誤差向量，表示為e = [ ei，…， eN]T，1彡i彡t; Q表示函數(shù)；自變量是V和e ; s . t.為使得E(i)滿足Λ + (i)為腦功 能活動(dòng)信號(hào)；
[0116] 步驟七:為求步驟六中的最優(yōu)化問(wèn)題，構(gòu)造如下的拉格朗日函數(shù)：
[0117]
[0118]其中，〇1為拉格朗日乘子，則根據(jù)最優(yōu)化條件得：
[0119
[0120]對(duì)上式消去權(quán)值向量V和誤差向量e，得如下線性方程組：
[0121]
[0122] 其中，Ε=[Ε(1)，Ε(2)，···，Ε(Ν)]，1ν=[1，···，1]τ，Ι 為 NXN 的單位矩陣，α=[αι，···， αΝ]τ為拉格朗日乘子向量，Ω為N XN的對(duì)稱矩陣，令j = 1，2，…，t，t為正整數(shù)，則Ω的第i j項(xiàng) 元素表示為：
[0123] ,二爐=夂(/，力，其中K(i，j)表示內(nèi)積核函數(shù)，其定義為：內(nèi)積核函數(shù)能夠 將原空間在高維特征空間映射變換后的內(nèi)積計(jì)算，使用原始空間的函數(shù)形式進(jìn)行表述，而 無(wú)需知道具體的函數(shù)映射變換關(guān)系，通常對(duì)于一組給定的自變量X，共N個(gè)自變量
[0124] 其取值范圍或是可以表述為?、Χ2,…，XN
[0125] 則通常核函數(shù)可表示為：
[0126] K (.V,-V.) = φ! (.v)^9(.v;)
[0127] 此處，自變量x在高位特征空間的映射為例>)，相應(yīng)的具體的某一個(gè)Xi的映射就是
[0128] )，此處X表示所有的自變量XI、X2，…，XN中的任意一個(gè)，Xi則只表示特定的自變 量Xi;
[0129] 由于我們?cè)谇懊嬉呀?jīng)定義了 t的取值范圍是1到N，此處i、j同樣是相同的定義1到 N；
[0130]
[0131] 式中，於仿為t中第i個(gè)特征向量，i = l，2，···為t中第j個(gè)特征向量，j = l， 2，···，t;
[0132] 步驟八:求解步驟七中的線性方程組，得到拉格朗日乘子向量α和偏置量b的數(shù)值 解，此時(shí)利用最小二乘支持向量機(jī)回歸函數(shù)處理后的腦功能活動(dòng)信號(hào)表示為：
[0133]
[0134] K(t，j)表示內(nèi)積核函數(shù)。
【具體實(shí)施方式】 [0135] 二:本實(shí)施方式與一不同的是:所述步驟一中SmnKRK I Omm ； 30mm<R2<40mm ；
[0136] 其中，R1為雙波長(zhǎng)光源S與檢測(cè)器0:之間的直線距離;R2為雙波長(zhǎng)光源S與檢測(cè)器D 2 之間的距離。
[0137] 其它步驟及參數(shù)與【具體實(shí)施方式】一相同。
【具體實(shí)施方式】 [0138] 三:本實(shí)施方式與一或二不同的是:所述Ri為10mm，R2 為40_。其它步驟及參數(shù)與一或二相同。
【具體實(shí)施方式】 [0139] 四：本實(shí)施方式與一至三之一不同的是:所述步驟一 中雙波長(zhǎng)光源S發(fā)出兩種近紅外光的波長(zhǎng)A1STTOnmA 2SSSOnnu
[0140] 其它步驟及參數(shù)與【具體實(shí)施方式】一至三之一相同。
【具體實(shí)施方式】 [0141] 五:本實(shí)施方式與一至四之一不同的是:所述步驟二 中A
【具體實(shí)施方式】 [Hb(〕:f (0、Δ?'ΗΗ#1 (，）、Δ
【具體實(shí)施方式】 [ΗΜ):]/?:⑴和
[0142]
[0143]
[0144]
[0145]
[0146] 其中，EHHb(A1)是雙波長(zhǎng)光源S為波長(zhǎng)人:時(shí)的還原血紅蛋白消光系數(shù)；e HHb(X2)是雙 波長(zhǎng)光源S為波長(zhǎng)λ2時(shí)的還原血紅蛋白消光系數(shù)是雙波長(zhǎng)光源S為波長(zhǎng)A 1時(shí)的氧 合血紅蛋白消光系數(shù);毛)是雙波長(zhǎng)光源S為波長(zhǎng)人2時(shí)的氧合血紅蛋白消光系數(shù);DPF是 差分路徑因子。
[0147] 其它步驟及參數(shù)與【具體實(shí)施方式】一至四之一相同。
【具體實(shí)施方式】 [0148] 六:本實(shí)施方式與一至五之一不同的是:所述步驟四 中x = 0 · 99。
[0149] 其它步驟及參數(shù)與【具體實(shí)施方式】一至五之一相同。
[0150] 【具體實(shí)施方式】七:本實(shí)施方式與【具體實(shí)施方式】一至六之一不同的是:所述步驟四 中R(t)和P(t)分別表示為：
[0151]
[0152]
[0153] 其它步驟及參數(shù)與【具體實(shí)施方式】一至六之一相同。
【具體實(shí)施方式】 [0154] 八:本實(shí)施方式與一至七之一不同的是:所述步驟七 中的核函數(shù)為徑向基核函數(shù)。
[0155] 其它步驟及參數(shù)與【具體實(shí)施方式】一至七之一相同。
【主權(quán)項(xiàng)】
1.基于最小二乘支持向量機(jī)的近紅外腦功能信號(hào)提取方法，其特征在于:基于最小二 乘支持向量機(jī)的近紅外腦功能信號(hào)提取方法具體是按照W下步驟進(jìn)行的： 步驟一:在待測(cè)腦組織頭皮表面放置一個(gè)由雙波長(zhǎng)光源S與檢測(cè)器Di和檢測(cè)器化所構(gòu)成的 近紅外探頭，雙波長(zhǎng)光源S與檢測(cè)器Di之間的直線距離為化，雙波長(zhǎng)光源S與檢測(cè)器化之間的直 線距離為R2,雙波長(zhǎng)光源S發(fā)出兩種近紅外光的波長(zhǎng)分別為λι和λ2,檢測(cè)器Di和檢測(cè)器化用于獲 取大腦安靜狀態(tài)下的漫反射光強(qiáng)和大腦誘發(fā)激勵(lì)狀態(tài)下的漫反射光強(qiáng)，從而獲得兩個(gè)不同波 長(zhǎng)的近紅外光在不同距離下的光密度變化量的時(shí)間信號(hào)(0 (0 > (0 和Δ()巧(0; 其中，t為采樣時(shí)刻，t = l，2,…，Ν，Ν為正整數(shù)； （0為雙波長(zhǎng)光源S發(fā)出近紅外光的波長(zhǎng)為λι時(shí)，與雙波長(zhǎng)光源S的直線距離為Ri 的檢測(cè)器化獲得的光密度變化量的時(shí)間信號(hào)； ΔΟΖ·巧（?為雙波長(zhǎng)光源S發(fā)出近紅外光的波長(zhǎng)為λ2時(shí)，與雙波長(zhǎng)光源S的直線距離為Ri 的檢測(cè)器化獲得的光密度變化量的時(shí)間信號(hào)； ΔΟ^'-' (/)為雙波長(zhǎng)光源S發(fā)出近紅外光的波長(zhǎng)為λι時(shí)，與雙波長(zhǎng)光源S的直線距離為R2 的檢測(cè)器化獲得的光密度變化量的時(shí)間信號(hào)； (0為雙波長(zhǎng)光源S發(fā)出近紅外光的波長(zhǎng)為λ2時(shí)，與雙波長(zhǎng)光源S的直線距離為R2 的檢測(cè)器化獲得的光密度變化量的時(shí)間信號(hào)； 步驟二:對(duì)步驟一獲得的兩個(gè)不同波長(zhǎng)的近紅外光在不同距離下的光密度變化量時(shí)間 信號(hào)進(jìn)行修正郎伯比爾定律計(jì)算，從而分別得到檢測(cè)器化和檢測(cè)器化處的氧合血紅蛋白濃 度變化時(shí)間信號(hào)和還原血紅蛋白濃度變化時(shí)間信號(hào)t為采樣時(shí)刻，t = l，2,…，Ν，Ν為正整數(shù)； A[Hb〇J"|(〇為與雙波長(zhǎng)光源S的直線距離為Ri的檢測(cè)器化測(cè)量得到的氧合血紅蛋白濃 度變化量的時(shí)間信號(hào)； A[HHbf W為與雙波長(zhǎng)光源S的直線距離為Ri的檢測(cè)器化測(cè)量得到的還原血紅蛋白濃 度變化量的時(shí)間信號(hào)； A[HbO,f (0為與雙波長(zhǎng)光源S的直線距離為R2的檢測(cè)器化測(cè)量得到的氧合血紅蛋白 濃度變化量的時(shí)間信號(hào)； A[HHbf W為與雙波長(zhǎng)光源S的直線距離為R2的檢測(cè)器化測(cè)量得到的還原血紅蛋白濃 度變化量的時(shí)間信號(hào)； 步驟Ξ :利用步驟二得到的Δ[Η602]'、; (V)和A[HbO2廣(V)或者A[HHb]"| (0和 Δ[HHb]'''':?/)構(gòu)建自適應(yīng)濾波函數(shù)，從而獲得腦功能活動(dòng)信號(hào)，具體表示為： E(t)=D(t)-XT(t)W(t) 其中，E(t)為腦功能活動(dòng)信號(hào)，代表經(jīng)過(guò)自適應(yīng)濾波函數(shù)消減生理干擾后獲得的氧合 血紅蛋白濃度變化量的時(shí)間信號(hào)A[Hb〇2](t)或還原血紅蛋白濃度變化量的時(shí)間信號(hào)Δ 陽(yáng)冊(cè)](t); D(t)表示步驟二中獲取的X(t)為列向量，表示為乂(〇 = ^(*^(*-1)義(*-2)-，義(*-1)]\1是自適應(yīng)濾波器的階 數(shù)，為正整數(shù)，X (t-M)為信號(hào)X (t)的Μ個(gè)單元延遲，T為轉(zhuǎn)置矩陣運(yùn)算符號(hào)； x(t-l)為信號(hào)x(t)的一個(gè)單元延長(zhǎng);x(t-2)為信號(hào)x(t)的二個(gè)單元延長(zhǎng);x(t)表示 步驟二中獲取的為自適應(yīng)濾波函數(shù)的參考信號(hào)； W(t) = [W0(t)Wl(t)W2(t)…龍!；!:）]τ為自適應(yīng)濾波函數(shù)的系數(shù)向量，WO(t)、Wl(t)、W2 (t)…WM(t)為列向量X(t) = [x(t)x(t-l)x(t-2) - x(t-M)]T中各對(duì)應(yīng)元素的系數(shù)，其中，wo (t)為X(t)的系數(shù)、Wl(t)為X(t-l)的系數(shù)、W2(t)為X(t-2)的系數(shù)、WM(t)為X(t-M)的系數(shù)； 步驟四：將步驟Ξ獲得的腦功能活動(dòng)信號(hào)E(t)的累積平方誤差性能函數(shù)J(t)最小化， 獲得自適應(yīng)濾波函數(shù)的系數(shù)向量w(t)的最優(yōu)化系數(shù)向量r(t)，累積平方誤差性能函數(shù)J (t)表示為：其中，X為指數(shù)加權(quán)因子，k = 0，l，2,…，t;k，t均為正整數(shù)； D化讀示步驟二中獲取采樣時(shí)亥Ij為k時(shí)的A[HbO:f (A')或A[HHbf (幻；X化)=[X化)x化- 1 )x化-2).. .X化-M) ]τ，X化)表示步驟二中獲取采樣時(shí)刻為k時(shí)的Δ[ΗΜ):f (A')或A[HHb]"'從）， X化-1)為信號(hào)X化）的一個(gè)單元延長(zhǎng);x(k-2)為信號(hào)X化）的二個(gè)單元延長(zhǎng);X化-Μ)為信號(hào)X 化)的Μ個(gè)單元延遲； 對(duì)累積平方誤差性能函數(shù)J(t)相對(duì)于W(t)求導(dǎo)，則有：令上式為零，則自適應(yīng)濾波函數(shù)最優(yōu)化系數(shù)向量表示為： W*(t)=R-i(t)P(t) 其中，R(t)為X(t)的確定性相關(guān)矩陣，P(t)為X(t)與D(t)之間的確定性互相關(guān)向量； 步驟五:根據(jù)步驟四得到的自適應(yīng)濾波函數(shù)最優(yōu)化系數(shù)向量r^(t)得到腦功能活動(dòng)信號(hào) EW.步驟六:對(duì)步驟五得到的腦功能活動(dòng)信號(hào)E(t)進(jìn)行最小二乘支持向量機(jī)回歸處理，即 采用如下形式的回歸函數(shù)來(lái)表示剔除誤差干擾后的腦功能活動(dòng)信號(hào)：其中，E^t)表示剔除誤差干擾后的腦功能活動(dòng)信號(hào)，yT為權(quán)值向量，為特征向量，t =1，2,…，N，b為偏置量； 此時(shí)，最小二乘支持向量機(jī)回歸轉(zhuǎn)化為處理如下的最優(yōu)化問(wèn)題：.".￡·(/)二 Κ>(/) +A + 二 1，2,…，/:t為正整數(shù) 其中，丫為規(guī)則化參數(shù);e為利用自適應(yīng)濾波函數(shù)所求取得腦功能活動(dòng)信號(hào)與利用最小 二乘支持向量機(jī)回歸函數(shù)表示的腦功能活動(dòng)信號(hào)之間的誤差向量，表示為e = [ei,…，θΝ]τ， 1《;Q表示函數(shù)；自變量是V和e;S. t.為使得Ε(i)滿足レ''則0 + 6 +4.Ε(i)為腦功能活動(dòng) , 信號(hào)； 步驟屯:為求步驟六中的最優(yōu)化問(wèn)題，構(gòu)造如下的拉格朗日函數(shù)：其中，E=[Eα)，E(2)，...，E(N)]，lN=[l，...，l]τ，I為NXN的單位矩陣，日 = [日l(shuí)，...，日N]τ 為拉格朗日乘子向量，Ω為NXN的對(duì)稱矩陣，令j = 1，2，…，t，t為正整數(shù)，則Ω的第i j項(xiàng)元 素表示為： Ω,,=炒'(/>(./) = /((/、./)，其中K(i，j)表示內(nèi)積核函數(shù)，其定義為： 人'化 式中，療(0為沖第i個(gè)特征向量，i = l，2,…，t;參0)為沖第j個(gè)特征向量，j = l，2,…，t; 步驟八:求解步驟屯中的線性方程組，得到拉格朗日乘子向量α和偏置量b的數(shù)值解，此 時(shí)利用最小二乘支持向量機(jī)回歸函數(shù)處理后的腦功能活動(dòng)信號(hào)表示為：K(t，j)表示內(nèi)積核函數(shù)。2.根據(jù)權(quán)利要求1所述基于最小二乘支持向量機(jī)的近紅外腦功能信號(hào)提取方法，其特 征在于:所述步驟一中5mm<^<10mm;30mm<R2<40mm;其中，R功雙波長(zhǎng)光源S與檢測(cè)器化 之間的直線距離;R2為雙波長(zhǎng)光源S與檢測(cè)器化之間的距離。3. 根據(jù)權(quán)利要求2所述基于最小二乘支持向量機(jī)的近紅外腦功能信號(hào)提取方法，其特 征在于：所述Ri為10mm，R2為40mm。4. 根據(jù)權(quán)利要求3所述基于最小二乘支持向量機(jī)的近紅外腦功能信號(hào)提取方法，其特 征在于:所述步驟一中雙波長(zhǎng)光源S發(fā)出兩種近紅外光的波長(zhǎng)λι為770ηπι，λ2為850nm。5. 根據(jù)權(quán)利要求4所述基于最小二乘支持向量機(jī)的近紅外腦功能信號(hào)提取方法，其特 征在于:所述步驟二中A[HbO:]P'(〇、A[HHb]"|(〇、A[HbO:]" W和A[HHbp(〇的具體 計(jì)算公式為：其中，ε^(λι)是雙波長(zhǎng)光源S為波長(zhǎng)λι時(shí)的還原血紅蛋白消光系數(shù)；εκ^(λ2)是雙波長(zhǎng) 光源S為波長(zhǎng)λ2時(shí)的還原血紅蛋白消光系數(shù);Εη6〇,(Λ)是雙波長(zhǎng)光源S為波長(zhǎng)λι時(shí)的氧合血 紅蛋白消光系數(shù);是雙波長(zhǎng)光源S為波長(zhǎng)λ2時(shí)的氧合血紅蛋白消光系數(shù);DPF是差分 路徑因子。6. 根據(jù)權(quán)利要求5所述基于最小二乘支持向量機(jī)的近紅外腦功能信號(hào)提取方法，其特 征在于:所述步驟四中X = 0.99。7. 根據(jù)權(quán)利要求6所述基于最小二乘支持向量機(jī)的近紅外腦功能信號(hào)提取方法，其特 征在于:所述步驟四中R(t)和P(t)分別表示為：8. 根據(jù)權(quán)利要求7所述基于最小二乘支持向量機(jī)的近紅外腦功能信號(hào)提取方法，其特 征在于:所述步驟屯中的核函數(shù)為徑向基核函數(shù)。
【文檔編號(hào)】A61B5/1455GK105962950SQ201610532846
【公開(kāi)日】2016年9月28日
【申請(qǐng)日】2016年7月7日
【發(fā)明人】劉昕, 張巖, 劉丹, 王啟松, 孫金瑋
【申請(qǐng)人】哈爾濱工業(yè)大學(xué)