CN102293647B - 一种联合脑电和功能磁共振信号的反馈系统 - Google Patents
一种联合脑电和功能磁共振信号的反馈系统 Download PDFInfo
- Publication number
- CN102293647B CN102293647B CN 201110151580 CN201110151580A CN102293647B CN 102293647 B CN102293647 B CN 102293647B CN 201110151580 CN201110151580 CN 201110151580 CN 201110151580 A CN201110151580 A CN 201110151580A CN 102293647 B CN102293647 B CN 102293647B
- Authority
- CN
- China
- Prior art keywords
- brain
- magnetic resonance
- data
- feature
- functional magnetic
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种联合脑电和功能磁共振信号的反馈系统,通过联合采集与分析脑电和功能磁共振信号,提取这两种信号同时反映的大脑特定活动状态的时空特征,将多模态信号应用在神经反馈调节中。本发明涉及的系统包括:数据检测与预处理模块、时空特征提取模块、显示与反馈模块。数据检测与预处理模块在线检测同步采集的脑电和功能磁共振信号,并标记两者的同步起始点,然后分别进行预处理;时空特征提取模块针对静息态和任务态数据分别提取不同的脑电特征,将其与功能磁共振数据一起进行统计建模分析,提取具有时空特性的大脑功能区域;并将反映大脑同一状态下的不同特征单独或联合进行反馈。本发明在临床康复、脑机接口等方面也具有重要应用价值。
Description
技术领域
本发明提供一种联合脑电和功能磁共振信号的反馈系统,属于生物信息处理技术领域,具体是指利用联合采集与分析脑电和功能磁共振信号,提取这两种信号同时反映的个体大脑特定活动状态的特征,并在线反馈给个体,通过训练个体调节大脑的活动特征,以达到调节改善相应的生理或心理表现。
背景技术
功能磁共振信号(fMRI)通过大脑血液动力学特性的变化来间接反映神经元的活动,因其功能定位的高空间分辨率被广泛应用在科研与临床;脑电信号(EEG)则近乎实时地记录了神经元的活动,因其较高的时间分辨率和对神经活动直接反映的特点同样被广泛应用在科研与临床,特别是EEG的节律波在大脑的加工过程中扮演着重要的角色。fMRI和EEG在时空特性上的互补性促使人们尝试同步采集EEG和fMRI数据,通过联合分析从神经活动电磁信息和代谢信息对大脑的功能和状态进行时空描述。目前,这两种信号均被分别应用于神经反馈系统中,通过适当的策略来自我调节大脑的特定信号,以达到改善大脑特定生理或心理表现的目的。
然而,EEG和fMRI数据的同步采集虽然随着磁适配的脑电设备出现成为可能,但扫描的方式以及同步采集中磁场环境对脑电信号的干扰,使得EEG信号的信噪比降低。此外,生物神经反馈过程强调特征反馈的快速性和有效性,尽管单独的基于EEG的神经反馈和基于fMRI的神经反馈可以实现了实时在线的反馈系统,但是现有的EEG/fMRI联合分析方法仍还仅仅是限于对离线数据的分析。
国内外调研表明,离线EEG/fMRI联合分析方法主要有两大类,一类称作数据融合、一类称作数据集成。数据融合方法对称地利用电信号和血液动力学信号,将EEG/fMRI对等地包含在适用于二者的同一个模型内,如Joint-ICA可以对分别来自ERP和fMRI的特征同时做ICA,寻找ERP时间变化与fMRI空间激活上的关系(Calhoun V.,Adali T.et al.2006.Neuronal chronometry of target detection:Fusion of hemodynamic and event-relatedpotential data.NeuroImage.30:544-553.);数据集成方法则是不对称地将一种数据作为另外一种数据的约束,如将fMRI的激活定位用于约束脑电数据的源定位分析结果(Stancak A,Polacek H,Vrana J,Rachmanova R,Hoechstetter K,Tintra J,Scherg M.2005.EEG sourceanalysis and fMRI reveal two electrical sources in the fronto-parietal operculumduring subepidermal finger stimulation.NeuroImage 25,8-20),或用EEG中提取出来的特征预测fMRI数据的时间定位与分段(Goncalves S.I.,de Munck J.C.,et al.2006.Correlating the alpha rhythm to BOLD using simultaneous EEG/fMRI:Inter-subjectvariability.NeuroImage 30:203-213.)。然而,这些方法不是对数据有限制,如只适用于任务态数据或静息态(无任务状态)数据,就是对模型适用性有限,如算法复杂,难以在线分析等等,因此,联合EEG和fMRI信号的反馈系统尚未见报道。生物神经反馈的关键技术在于数据的实时处理与分析、特征的准确提取与反馈。因此,EEG/fMRI互补特征的提取、不同大脑活动状态的反馈与调节,这些领域的研究与发明将有利地推进生物反馈技术的发展。
发明内容
为此,本发明提出了一种联合脑电和功能磁共振信号的反馈系统,它可以在线提取特定任务状态或静息态下大脑活动的时空特征,如:不同节律脑波的变化以及与之相关的大脑活动区域的变化,并根据调节需求选取响应的特征信息反馈,通过特定策略调节反馈信号的强弱,从而通过训练达到调节大脑的认知功能、或心理表现、或生理症状,为促进学习与发展以及临床康复训练提供新的途径。
一种联合脑电和功能磁共振信号的反馈系统,包括:
数据检测与预处理模块,用于检测脑电信号与功能磁共振信号并标记其同步点,分别对这两种信号进行预处理;
时空特征提取模块,提取脑电信号特征作为回归量,与功能磁共振数据进行统计建模分析,在线提取与脑电特征相关的大脑功能区域;
显示与反馈模块,显示脑电与功能磁共振信号联合提取的特征;将可调节的脑电特征或功能磁共振特征反馈给个体。
所述的数据检测与预处理模块,用于实时检测同步采集的EEG和fMRI数据,并分别对两种数据进行预处理。同步采集采用连续扫描方式,磁共振扫描仪每完成一次成像的时间(即一个扫描脉冲重复间隔时间TR)就实时传输一幅扫描图像,磁适配脑电仪同时采集脑电信号并记录同步信号;根据检测到的数据文件和实验设置分别对两种原始数据进行格式转换,同时标记两种数据的同步起始点;EEG数据进行在线去除射频干扰、去除心电干扰的预处理后,根据标记的同步起始点提取EEG数据段;fMRI数据进行在线头动检测并校正,去除信号基线漂移,降低脑磁图像中的伪影和噪声。
所述的时空特征提取模块,用于提取基于EEG/fMRI数据的时空特征信息。对于静息态数据,对EEG数据段进行傅立叶变换,提取不同的脑节律波能量作为特征;对于任务态数据,对EEG数据段提取刺激诱发的脑电成分的幅度、潜伏期、相位或能量作为特征;将所提取的脑电特征与血液动力学响应函数进行卷积,再与fMRI图像数据一起进行统计建模分析,提取与上述特征相关的大脑功能区域分布。脑电特征与大脑空间模式均可以显示与记录,供反馈与后期分析、评估所用。
所述显示与反馈模块,用于显示提取的时空特征信息,如每个TR的大脑活动空间模式和对应的EEG能量变化,并将所选特征反馈给个体,可以是脑电特征采用刻度量化的方式,也可以是特定脑区的信号变化百分比采用时间序列的形式,甚至是将这两种方式结合起来呈现给个体。个体通过采用一定的调节策略(针对不同的实验目的有不同的适用策略),使反馈信号随着任务的变化增强或减弱以达到自主调节大脑的特定功能或行为表现。
本发明的优势在于提供了一种时空分辨率俱佳的神经反馈模式,通过同步采集EEG和fMRI数据,将二者关联的时空特征信息信息提取出来,同时实时反馈给个体,让其了解自己大脑的活动状态,并有意识地学习控制自己的大脑活动水平,通过反复训练产生持久效应,改善大脑的认知功能或行为表现。这种反馈的模式突出了神经活动的电生理特性和血液动力学特性的融合,将基于脑波的反馈训练与基于功能皮层的反馈训练结合起来,既可以帮助特定生理疾病的患者,如癫痫、中风患者的康复,也可以帮助一些心理疾病的患者,如抑郁症患者的改善,甚至可以帮助正常人的某些认知能力,如数学学习或运动技能的强化与改善。与离线的训练相比,基于脑电和磁共振信号的反馈方式更能准确反映、充分调动受训者的内在潜力,效果较好。
附图说明
图1:本发明的硬件组成框图
图2:本发明的数据处理流程图
图3:EEG去噪后的波形及同时采集的fMRI图像
图4:本发明的大脑时空特征分析结果示意图
图5:本发明的反馈显示图
具体实施方式
图1为联合脑电和功能磁共振信号的反馈系统硬件组成框图,包括:
(1)磁共振扫描仪和磁适配脑电仪,磁共振扫描仪采用平面回波成像序列,序列设置要求一个TR传输一幅扫描图像,对应着一个时间点的功能像,扫描图像经图像重构通过局域网至控制主台传输到实时fMRI处理系统;磁适配脑电仪同时采集脑电信号,并与通过磁共振外围设备接口记录的同步信号传输到实时EEG处理系统。
(2)实时EEG处理系统,记录EEG数据以及同步信号,包括每个TR开始扫描的时间信息、磁共振扫描仪的系统时钟信号和每个刺激事件开始的时间信息;对记录的EEG数据进行格式转换、预处理、特征提取;将该特征传递给实时fMRI数据处理及反馈信号产生服务器,如果服务器可以实现多线程任务处理,实时EEG处理系统可集成到服务器中。
(3)实时fMRI数据处理及反馈信号产生服务器,对扫描传输来的数据进行格式转换、预处理后,结合脑电特征与fMRI图像数据进行在线统计建模分析,提取包含两种数据时空特征的大脑功能区域分布;脑电特征与大脑空间模式均可以显示与记录。该系统所需计算机要求能够输出至少三路视频信号,其中两路视频信号提供给实验操作者,另外一路发送给受训个体。
(4)特征反馈,可选取脑电特征、或者感兴趣脑区的信号作为反馈信号,将反馈信号发送至强磁场兼容刺激呈现设备提供给个体,反馈信号每一个TR更新一次。
图2为本发明的数据处理流程图,包括:
EEG数据预处理之前需要将脑电设备记录的格式转换为后续处理系统定义的数据格式,包括数据体和同步信息。预处理主要包括去除射频干扰和去除心电干扰,其中射频干扰因频谱成分丰富、幅度大、周期性强,采用平均叠加的方法可以有效地去除;心电干扰本发明采用实时最优基组法去除,通过实时检测心电峰值R值,利用PCA构造心电伪迹的模板,将EEG数据减去所得到的心电伪迹模板,实验结果表明,可以在线去除EEG中各电极受到的心电干扰伪迹。图3是EEG去噪后的波形及同时采集的fMRI图像。
去除干扰噪声后,根据同步信息标记的同步起始点提取EEG数据段,对于静息态数据,以每个TR开始扫描的时间为同步起始点提取一次扫描所对应的EEG数据段,进行傅立叶变换,提取不同的脑节律波能量作为特征,如8-12Hz的能量作为α波的能量;对于任务态数据,以每个刺激事件开始的时间为同步起始点提取EEG数据段,提取刺激诱发的脑电成分的幅度、潜伏期、相位或能量作为特征,如N1、P300等成分。
fMRI数据预处理之前也需要将在线读取到的DICOM图像数据转换为后续模块所需格式的图像数据,同时提取其中的扫描参数并存储为配置文件。预处理主要包括头动校正、基线校正和空间平滑。
头动校正采用刚体变换,通过搜索关键体元数量的确定和简化迭代算法提升计算的速度,并添加了实时动态地显示头动参数的功能,使头动的6个参数(3个沿x,y,z轴方向的平移参数和3个围绕坐标平面的旋转参数)以曲线的形式动态呈现出来,便于实验者观察到被扫描个体的头动情况。空间平滑采用三维的高斯核函数进行图像的低通滤波,使数据更接近高斯随机场模型,适合于后面的统计分析。
统计建模分析是将EEG特征和fMRI数据联合起来通过建模、参数估计、统计校验提取包含两种数据时空特征的大脑功能区域分布。建模时采用的模型是滑窗式广义线性模型:y=βX+e。y是fMRI图像数据中每个体素的时间序列信号,e是服从标准正态分布的误差向量,β则是要估计的最优的回归因子权重值。X与数据类型有关,对于静息态数据,X是脑电特征与血液动力学响应函数的卷积;对于任务态数据,模型可扩展为y=β1X1+β2X2+e,X1是实验设计矩阵,X2是脑电特征与血液动力学响应函数的卷积,采用递归最小二乘法对每个窗口内的数据点估计β值,随着窗口的移动,更新β的估计值。由于窗口数据量有限,参数估计非常快速并且能保证消耗的计算时间是个固定值。对β进行统计量的计算和假设检验就可以判断该体素的β值是否显著。
图4是基于静息态的大脑时空特征分析结果图,描述的是某个TR对应的空间上与α波能量正(红黄)负(蓝绿)相关的脑区,以及随着α波能量随着每个TR的扫描而变化的情况。
特征反馈可以直接利用前面已提取的EEG或fMRI的特征,如α波的能量、P300的幅度、感兴趣脑区的时间序列信号等;也可以将这些特征再计算或联合作为反馈信号。反馈的方式可以是连续变化的信号,也可以是每一时刻的变化量。反馈信号每一个TR更新一次。图5的刻度反馈方式中反馈信号的值可以是某一时刻α波的能量等可以量化的参数,而时间序列反馈方式中反馈信号的值可以是调节过程中感兴趣脑区的fMRI序列值。
本发明还可以应用在其他几个方面:
(1)在线检测。本发明的实时动态显示头动参数的功能可以用来检测被扫描个体是否有头动现象,对于头动严重者可以及时纠正或终止实验;本发明的脑电特征和大脑空间模式的显示可以用来在线判断被扫描个体的脑电信号的异常性或大脑反应的正确性,这种可以在个体不离开实验仪器的同时评价任务执行水平和数据质量的能力对大脑功能研究和临床应用都非常重要。
(2)脑机接口。本发明提取的两种信号的特征可以作为脑机接口技术中的一种新的联合控制信号,如α波的能量和感兴趣脑区的活动强度,利用分类器进行分类检测,再将检测后的结果用来控制设备,可以为特殊脑疾病的治疗康复提供新的途径。
(3)临床外科手术。尽管磁共振结构像有比较高的解剖分辨率,但脑组织所起到的功能作用却是结构像所无法提供的,fMRI的一种普遍应用是鉴别在神经外科手术中需要保护的区域,医生们想了解移除某一特定脑组织可能产生的后果。本发明可以作为辅助手段应用在术前扫描,给医生提供与手术相关的重要信息,甚至可以和传统的电生理学方法联合使用,用来指导大脑皮层电极的放置位置。
Claims (3)
1.一种联合脑电和功能磁共振信号的反馈系统,其特征在于,包括:
数据检测与预处理模块,用于检测脑电信号与功能磁共振信号并标记其同步起始点,对脑电信号进行基于平均叠加法的在线去除射频干扰和基于实时最优基组法的在线去除心电干扰的预处理,并根据同步起始点进行脑电信号分段,对功能磁共振信号进行基于快速迭代算法的在线头动校正和基于高斯滤波的空间平滑的预处理;
时空特征提取模块,提取脑电信号特征作为回归量,与功能磁共振数据进行统计建模分析,采用滑窗式广义线性模型和递归最小二乘法在线提取与脑电特征相关的大脑功能区域;
显示与反馈模块,将可调节的脑电特征或功能磁共振特征反馈给个体。
2.如权利要求1所述的一种联合脑电和功能磁共振信号的反馈系统,其时空特征提取模块特征在于,对静息态数据,提取不同脑节律波能量作为特征;对任务态数据,提取诱发脑电成分的幅度、潜伏期或相位作为特征;将所提取脑电特征与血液动力学响应函数卷积后,再与功能磁共振数据一起进行统计建模分析,提取与脑电特征相关的大脑功能区域。
3.如权利要求1所述的一种联合脑电和功能磁共振信号的反馈系统,其显示与反馈模块特征在于,显示脑电与功能磁共振信号联合提取的特征;将脑电特征采用刻度量化的方式呈现给个体,或将大脑特定区域的信号变化百分比采用时间序列的形式呈现给个体,或将这两种方式结合起来呈现给个体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110151580 CN102293647B (zh) | 2011-06-08 | 2011-06-08 | 一种联合脑电和功能磁共振信号的反馈系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110151580 CN102293647B (zh) | 2011-06-08 | 2011-06-08 | 一种联合脑电和功能磁共振信号的反馈系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102293647A CN102293647A (zh) | 2011-12-28 |
CN102293647B true CN102293647B (zh) | 2013-07-17 |
Family
ID=45354510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110151580 Expired - Fee Related CN102293647B (zh) | 2011-06-08 | 2011-06-08 | 一种联合脑电和功能磁共振信号的反馈系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102293647B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012205629A1 (de) * | 2012-04-05 | 2013-10-10 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Verfahren und Magnetresonanzanlage zur funktionalen MR-Bildgebung eines vorbestimmten Volumenabschnitts eines Gehirns eines lebenden Untersuchungsobjekts |
CN102783947B (zh) * | 2012-08-27 | 2014-06-04 | 北京理工大学 | 可并联扩展多通道脑电采集装置 |
CN103942424B (zh) * | 2014-04-13 | 2017-02-08 | 北京师范大学 | 一种大尺度皮层网络信息流个体化三维动态可视化方法 |
CN104887252A (zh) * | 2015-06-12 | 2015-09-09 | 郝英霞 | 精神疾病检测装置 |
CN105395194B (zh) * | 2015-12-14 | 2018-03-16 | 中国人民解放军信息工程大学 | 一种功能磁共振成像辅助的脑电通道选择方法 |
US20210282700A1 (en) * | 2017-03-10 | 2021-09-16 | Koninklijke Philips N.V. | Seizure characterization with magnetic resonance imaging (mri) fused with an electroencephalography (eeg) model |
CN108846810A (zh) * | 2018-05-29 | 2018-11-20 | 重庆邮电大学 | 一种静息态功能磁共振影像噪声抑制的预处理优化方法 |
EP3785625A1 (en) | 2019-08-29 | 2021-03-03 | Koninklijke Philips N.V. | System for integrated eeg - functional magnetic resonance image data acquisition |
CN111616704A (zh) * | 2020-06-24 | 2020-09-04 | 天津大学 | 针对句子听力任务大脑动态功能网络交互模式的研究方法 |
CN112259241B (zh) * | 2020-10-23 | 2024-02-13 | 广州中医药大学第一附属医院 | 基于动态因果模型抑郁症脑功能连接改变检测系统及方法 |
CN113100780B (zh) * | 2021-03-04 | 2022-07-26 | 北京大学 | 同步脑电-功能磁共振数据的自动化处理方法 |
CN113855050B (zh) * | 2021-11-04 | 2024-01-02 | 深圳大学 | 一种脑电神经反馈训练的参数设置方法、装置及相关介质 |
CN117438080B (zh) * | 2023-12-19 | 2024-03-12 | 四川大学华西第二医院 | 一种儿童脑部发育状态的综合判断方法及系统 |
-
2011
- 2011-06-08 CN CN 201110151580 patent/CN102293647B/zh not_active Expired - Fee Related
Non-Patent Citations (4)
Title |
---|
A parallel Framework for Simultaneous EEG/fMRI Analysis:Methodology and Simulation;Xu Lei;《NeuroImage》;20100930;第52卷(第3期);967 * |
Nikolaus Weiskopf.Principles of a Brain-Computer Interface Based on Real-time Functional Magnetic Resonance Imaging.《IEEE Transactions On Biomedical Engineering》.2004,第51卷(第6期),966-970. |
Principles of a Brain-Computer Interface Based on Real-time Functional Magnetic Resonance Imaging;Nikolaus Weiskopf;《IEEE Transactions On Biomedical Engineering》;20040630;第51卷(第6期);1124,1130,1132-1134 * |
Xu Lei.A parallel Framework for Simultaneous EEG/fMRI Analysis:Methodology and Simulation.《NeuroImage》.2010,第52卷(第3期),1123-1134. |
Also Published As
Publication number | Publication date |
---|---|
CN102293647A (zh) | 2011-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102293647B (zh) | 一种联合脑电和功能磁共振信号的反馈系统 | |
Bönstrup et al. | A rapid form of offline consolidation in skill learning | |
Wu et al. | Resting-state cortical connectivity predicts motor skill acquisition | |
Weiskopf et al. | Self-regulation of local brain activity using real-time functional magnetic resonance imaging (fMRI) | |
Pfurtscheller et al. | Motor imagery and direct brain-computer communication | |
Ciuciu et al. | Interplay between functional connectivity and scale-free dynamics in intrinsic fMRI networks | |
van der Meer et al. | Carbon-wire loop based artifact correction outperforms post-processing EEG/fMRI corrections—A validation of a real-time simultaneous EEG/fMRI correction method | |
Majeed et al. | Spatiotemporal dynamics of low frequency BOLD fluctuations in rats and humans | |
Srivastava et al. | ICA-based procedures for removing ballistocardiogram artifacts from EEG data acquired in the MRI scanner | |
Moosmann et al. | Joint independent component analysis for simultaneous EEG–fMRI: principle and simulation | |
Weiskopf et al. | Real-time functional magnetic resonance imaging: methods and applications | |
Donner et al. | Population activity in the human dorsal pathway predicts the accuracy of visual motion detection | |
Smith et al. | Non-invasive detection of high gamma band activity during motor imagery | |
Zhou et al. | Detecting directional influence in fMRI connectivity analysis using PCA based Granger causality | |
Wong et al. | Automatic EEG-assisted retrospective motion correction for fMRI (aE-REMCOR) | |
Bortoletto et al. | Asymmetric transcallosal conduction delay leads to finer bimanual coordination | |
Chen et al. | Investigating mechanisms of fast BOLD responses: The effects of stimulus intensity and of spatial heterogeneity of hemodynamics | |
De Munck et al. | A maximum-likelihood estimator for trial-to-trial variations in noisy MEG/EEG data sets | |
Ciccarelli et al. | Simultaneous real-time EEG-fMRI neurofeedback: A systematic review | |
Mihelj et al. | Mental individuation of imagined finger movements can be achieved using TMS-based neurofeedback | |
Berchicci et al. | Prompting future events: Effects of temporal cueing and time on task on brain preparation to action | |
Giulia et al. | The impact of neurofeedback on effective connectivity networks in chronic stroke patients: an exploratory study | |
Cetin et al. | Multimodal based classification of schizophrenia patients | |
Li et al. | Subject-based dipole selection for decoding motor imagery tasks | |
Ortiz-Rios et al. | Dynamic reconfiguration of macaque brain networks during natural vision |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130717 Termination date: 20200608 |