CN103720471A - 一种基于因子分析的眼电伪迹去除方法 - Google Patents

一种基于因子分析的眼电伪迹去除方法 Download PDF

Info

Publication number
CN103720471A
CN103720471A CN201310721652.XA CN201310721652A CN103720471A CN 103720471 A CN103720471 A CN 103720471A CN 201310721652 A CN201310721652 A CN 201310721652A CN 103720471 A CN103720471 A CN 103720471A
Authority
CN
China
Prior art keywords
factor
eye
eeg signals
eeg
matrix
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.)
Granted
Application number
CN201310721652.XA
Other languages
English (en)
Other versions
CN103720471B (zh
Inventor
李凌
谭波
金贞兰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201310721652.XA priority Critical patent/CN103720471B/zh
Publication of CN103720471A publication Critical patent/CN103720471A/zh
Application granted granted Critical
Publication of CN103720471B publication Critical patent/CN103720471B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明公开了一种基于因子分析的眼电伪迹去除方法。本发明主要包括对脑电数据的基本预处理和提取出同步记录的眼电信号(EOG)；然后利用因子分析提取脑电信号中的所有因子；再结合相关分析求出各因子与同步记录的眼电信号的相关系数并找出其中具有最大相关系数的因子(确定为眼电伪迹因子)；将眼电伪迹因子剔除后还原得到去除眼电伪迹的脑电信号。本发明解决了传统的独立成分分析法人为主观判断眼电伪迹成分的问题，直接利用最大相关系数来确定眼电伪迹因子，同时相比独立成分分析法能更好地找到眼电相关的因子,能更佳地去除眼电伪迹,这对脑电分析技术具有重要意义。

Description

一种基于因子分析的眼电伪迹去除方法
技术领域
本发明涉及神经信息科学领域，尤其涉及的是一种基于因子分析的眼电伪迹去除方法。
背景技术
脑电信号是利用精密电子设备记录下大脑细胞群的自发性、节律性电活动，具有无创，高时间分辨率等优点。然而由于脑电信号是微弱的非平稳信号(一般是微伏量级)，特别容易受到眼电，心电，肌电等因素的干扰；其中眼电信号是最重要的干扰源，它与脑电信号掺杂在一起给脑电信号的后续分析带来诸多不便，也使脑电的研究受到了一定的限制。因此去除眼电伪迹是一直是脑电研究中比较受到关心的问题，这对脑电在临床上应用也具有相当大的意义。
最先研究者们去除脑电中眼电伪迹的方法主要是通过实验控制、设定阈值、回归等方法来完成的。实验控制方法只能去除部分眼电伪迹，并不能很好地对眨眼带来的眼电伪迹进行处理。而设定阈值的方法是通过设定一个阈值，把高于阈值的信号整体丢掉从而达到去除眼电的目的，这种方法也存在一个很大的问题是选择阈值并没有一个很好的标准; 如果阈值选择过高会导致大量的眼电伪迹信息留在脑电信号中，而阈值过低则会导致脑电中有用的信息丢失。回归方法通过计算眼电信号在头皮每个电极的衰减因子来消除眼电伪迹，相对前两种方法更加合理；但这种方法也只考虑了眼电信号向头表各电极的传播而并没有考虑脑电信号向眼睛部位的传播，因此这种方法也并不能更好地应用与眼电伪迹的去除。
目前去除脑电中眼电伪迹比较流行的方法是利用成分分解，主要是主成分分析(Principal Component Analysis: PCA)和独立成分分析(Independent Component Analysis: ICA)两种方法。主成分分析是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。独立成分分析是一种利用统计原理进行计算的方法。它是一个线性变换；这个变换把数据或信号分离成统计独立的非高斯的信号源的线性组合。这两种方法已经得到了较广的应用，已经在一些软件中集 成了这两种眼电伪迹的去除方法。然而这两种方法仍然都存在一个问题是需要人为地判断出哪一种成分是需要去除的眼电成分，比较繁琐且个体差异性较大。
因此，现有技术存在缺陷，需要改进。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，为了提高去除眼电伪迹的效率和准确度,使其更好地应用于临床，提出了一种基于因子分析的眼电伪迹去除方法。
本发明的技术方案如下：
一种基于因子分析的眼电伪迹去除方法，其步骤如下：
（1）采用脑电测量设备记录二维多导测量信号（32导，64导，128导），对该测试的原始脑电数据进行预处理（通常是去坏导，去漂移），提取出预处理后各导联脑电的时间序列(EEG)；同时提取与脑电同步采集的眼电信号（EOG信号）；
（2）将步骤（1）中预处理后的脑电信号进行因子分解（X=AF，X为脑电信号），得到该脑电信号分解后因子矩阵（F）及其对应的相关系数矩阵R，利用相关系数矩阵R计算出对应的载荷矩阵                                                
Figure 492350DEST_PATH_IMAGE001
（其中
Figure 753567DEST_PATH_IMAGE002
为相关矩阵R的特征值，U为特征值对应的特征向量)；
（3）计算脑电信号分解后的各因子与同步记录的眼电信号（EOG信号）间的相关系数，找出各因子中最大相关系数(γmax)对应的因子，这个因子就确定为眼电伪迹的因子；
（4）将确定后的眼电伪迹的因子置零，得到不包含眼电伪迹的新的因子矩阵N_F，利用步骤（2）得到的载荷矩阵A来还原脑电信号，其中还原方式是N_EEG = A*N_F，此时得到的就是去除眼电伪迹干扰的脑电信号（N_EEG）。
所述的方法，步骤（1）中，脑电测量设备是标准的32导、64导、128导、256导电极的脑电信号记录系统之一。
所述的方法，步骤（2）中，在分解因子的时候尽量将所有的因子都进行分析并保存，这样在还原的时候能够保证脑电信号信息不会过多的丢失，更准确地找出眼电伪迹因子。
所述的方法，步骤（3）中，在计算每个因子与同步记录的眼电信号的相关系数时，可以直接通过相关系数的最大值来确定眼电伪迹的因子，消除了独立成分分析等传统分析方法的人为干扰。
所述的方法，步骤（4）中，可以利用脑电地形图来对去除眼电伪迹后的脑电信号进行观察，可以直接看出额叶区域是否还受眼电伪迹的影响。
利用本发明提出的一种基于因子分析的眼电伪迹去除方法可以有效地去除脑电信号中的眼电伪迹的干扰。本发明整个过程都能系统化地在Matlab中快速完成，去除效果相对其他方法更好、更准确，同时对于眨眼造成的眼电伪迹也具有较好的效果。这也为以后的脑电研究提供了一定的帮助。
附图说明
图1是本发明在脑电信号中去除眼电伪迹的主流程图。
图2是一段真实的含眼电伪迹(包含眨眼)的脑电信号。
图3是本发明提取的因子以及常规ICA提取的成分与同步记录的EOG之间的相关系数值。
图4本发明和ICA方法去除眼电伪迹还原的脑电信号
具体实施方式
以下结合具体实施例，对本发明进行详细说明。
实施例1
（1）本例中采用的是32导脑电采集系统记录的脑电数据(采样率为500Hz，其中选取了2s的数据),将原始数据进行一些基本的预处理(去坏导，去漂移等)，得到预处理后各导脑电信号；同时提取出同步记录的眼电信号(EOG信号)。
（2）将步骤（1）预处理后的脑电信号进行因子分解(X=AF)，得到该脑电信号分解后因子矩阵(F)及其对应的相关系数矩阵R，利用相关系数矩阵R计算出对应的载荷矩阵
Figure 235495DEST_PATH_IMAGE001
（其中
Figure 291176DEST_PATH_IMAGE002
为相关矩阵R的特征值，U为特征值对应的特征向量)。
（3）计算脑电信号分解后的各因子与同步记录的眼电信号(EOG信号)间的相关系数，找出各因子中最大相关系数(γmax)对应的因子，这个因子就确定为眼电伪迹的因子 (本发明例中找出的最相关因子与EOG的相关系数值是0.815，而ICA找出的最相关成分的相关系数值为0.595)。
（4）将确定后的眼电伪迹的因子置零,得到不包含眼电伪迹的新的因子矩阵N_F，利用步骤B得到的载荷矩阵A来还原脑电信号，其中还原方式是N_EEG = A*N_F，此时得到的就是去除眼电伪迹干扰的脑电信号(N_EEG)。
为了进一步说明本发明的有益效果，将本发明处理后的结果与传统流行的ICA方法去除眼电伪迹的方法进行了对比。
图2是本发明以及ICA方法待处理的原始脑电信号，通过地形图定位可以明显看出在170ms处有一个明显眨眼的眼电伪迹，同时可以看出整个脑电信号受到眼电的干扰很强（主要集中在大脑前部区域的电极）。图3是本发明得到的因子和ICA方法得到的成分与同步记录的眼电信号间的相关性值。从图中知本发明找出的最相关因子与EOG间的相关系数值是γmax=0.815，而ICA找出的最相关成分的相关系数值为γmax=0.595。本发明找出的因子比ICA方法找出的成分更贴近真实眼电信号（EOG）。图4是分别用两种方式去除眼电伪迹后还原的脑电信号，从图4（A）中地形图可以看出眼电伪迹去除效果比较好，眨眼对大脑前部区域脑电信号的影响也较好地被去除，同时对原始信号的信号保留得较好。图4（B）是采用ICA方法去除眼电伪迹的结果，虽然也去除了部分的眼电伪迹，但发现把原始脑电信号的一些信息给去掉。综上本发明方法不仅效果上好于独立成分分析，而且整个去除过程都可以由程序来完成，不再需要主观判断哪一个成分是需要去除的眼电成分。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (2)

1.一种基于因子分析的眼电伪迹去除方法，其特征是，包括以下步骤：
（1）采用脑电测量设备记录二维多导测量信号，对该测试的原始脑电数据进行预处理；提取出预处理后各导联脑电的时间序列；同时提取与脑电同步采集的眼电信号；
（2）将步骤（1）中预处理后的脑电信号进行因子分解X=AF，X为脑电信号；得到该脑电信号分解后因子矩阵F及其对应的相关系数矩阵R，利用相关系数矩阵R计算出对应的载荷矩阵                                                
Figure 151218DEST_PATH_IMAGE001
，其中
Figure 692490DEST_PATH_IMAGE002
为相关矩阵R的特征值，U为特征值对应的特征向量；
（3）计算脑电信号分解后的各因子与同步记录的眼电信号间的相关系数，找出各因子中最大相关系数γmax对应的因子，该因子就确定为眼电伪迹的因子；
（4）将确定后的眼电伪迹的因子置零，得到不包含眼电伪迹的新的因子矩阵N_F，利用步骤（2）得到的载荷矩阵A来还原脑电信号，其中还原方式是N_EEG = A*N_F，得到去除眼电伪迹干扰的脑电信号N_EEG。
2.根据权利要求1所述的方法，其特征是，步骤（1）中脑电测量设备是标准的32导、64导、128导、256导电极的脑电信号记录系统之一。
CN201310721652.XA 2013-12-24 2013-12-24 一种基于因子分析的眼电伪迹去除方法 Expired - Fee Related CN103720471B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310721652.XA CN103720471B (zh) 2013-12-24 2013-12-24 一种基于因子分析的眼电伪迹去除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310721652.XA CN103720471B (zh) 2013-12-24 2013-12-24 一种基于因子分析的眼电伪迹去除方法

Publications (2)

Publication Number Publication Date
CN103720471A true CN103720471A (zh) 2014-04-16
CN103720471B CN103720471B (zh) 2015-12-09

Family

ID=50444953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310721652.XA Expired - Fee Related CN103720471B (zh) 2013-12-24 2013-12-24 一种基于因子分析的眼电伪迹去除方法

Country Status (1)

Country Link
CN (1) CN103720471B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104809434A (zh) * 2015-04-22 2015-07-29 哈尔滨工业大学 一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法
CN106236083A (zh) * 2016-09-21 2016-12-21 广州视源电子科技股份有限公司 睡眠状态分析中去除眼电伪迹的设备
CN106344011A (zh) * 2016-10-21 2017-01-25 电子科技大学 一种基于因子分析的诱发脑电信号提取方法
CN106473705A (zh) * 2016-09-21 2017-03-08 广州视源电子科技股份有限公司 用于睡眠状态监测的脑电信号处理方法和系统
CN106473704A (zh) * 2016-09-21 2017-03-08 广州视源电子科技股份有限公司 睡眠状态分析中去除眼电伪迹的方法和系统
CN106778475A (zh) * 2016-11-18 2017-05-31 同济大学 一种最优导联集选择方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1883384A (zh) * 2006-06-22 2006-12-27 复旦大学 一种脑电信号伪迹成分的自动识别和去除方法
EP1800600A1 (en) * 2005-12-22 2007-06-27 General Electric Company Electrode configuration for central nervous system monitoring
CN101474070A (zh) * 2009-01-21 2009-07-08 电子科技大学 一种脑电信号中眼电伪迹的去除方法
CN101869477A (zh) * 2010-05-14 2010-10-27 北京工业大学 一种自适应脑电信号中眼电伪迹的自动去除方法
CN102697493A (zh) * 2012-05-03 2012-10-03 北京工业大学 一种快速的脑电信号中眼电伪迹自动识别和去除的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1800600A1 (en) * 2005-12-22 2007-06-27 General Electric Company Electrode configuration for central nervous system monitoring
CN1883384A (zh) * 2006-06-22 2006-12-27 复旦大学 一种脑电信号伪迹成分的自动识别和去除方法
CN101474070A (zh) * 2009-01-21 2009-07-08 电子科技大学 一种脑电信号中眼电伪迹的去除方法
CN101869477A (zh) * 2010-05-14 2010-10-27 北京工业大学 一种自适应脑电信号中眼电伪迹的自动去除方法
CN102697493A (zh) * 2012-05-03 2012-10-03 北京工业大学 一种快速的脑电信号中眼电伪迹自动识别和去除的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
李凌等: "基于因子分析方法的相位同步脑电源的时-空动力学分析", 《物理学报》, vol. 60, no. 4, 31 December 2011 (2011-12-31) *
李明爱等: "脑电信号中眼电伪迹自动去除方法的研究", 《电子学报》, vol. 41, no. 6, 30 June 2013 (2013-06-30), pages 1207 - 1213 *
王魁等: "脑电信号脑电信号脑电信号脑电信号中眼电伪迹中眼电伪迹中眼电伪迹中眼电伪迹的自的自的自的自动去除算法动去除算法动去除算法动去除算法", 《计算机工程》, vol. 37, no. 23, 31 December 2011 (2011-12-31), pages 257 - 260 *
计瑜: "一种基于盲源分离的眼电伪迹自动去除方法", 《浙江大学学报》, vol. 47, no. 3, 31 March 2013 (2013-03-31), pages 415 - 421 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104809434A (zh) * 2015-04-22 2015-07-29 哈尔滨工业大学 一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法
CN104809434B (zh) * 2015-04-22 2018-03-16 哈尔滨工业大学 一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法
CN106236083A (zh) * 2016-09-21 2016-12-21 广州视源电子科技股份有限公司 睡眠状态分析中去除眼电伪迹的设备
CN106473705A (zh) * 2016-09-21 2017-03-08 广州视源电子科技股份有限公司 用于睡眠状态监测的脑电信号处理方法和系统
CN106473704A (zh) * 2016-09-21 2017-03-08 广州视源电子科技股份有限公司 睡眠状态分析中去除眼电伪迹的方法和系统
CN106236083B (zh) * 2016-09-21 2018-02-16 广州视源电子科技股份有限公司 睡眠状态分析中去除眼电伪迹的设备
WO2018053968A1 (zh) * 2016-09-21 2018-03-29 广州视源电子科技股份有限公司 睡眠状态分析中去除眼电伪迹的设备
CN106473705B (zh) * 2016-09-21 2019-05-07 广州视源电子科技股份有限公司 用于睡眠状态监测的脑电信号处理方法和系统
CN106344011A (zh) * 2016-10-21 2017-01-25 电子科技大学 一种基于因子分析的诱发脑电信号提取方法
CN106344011B (zh) * 2016-10-21 2019-04-05 电子科技大学 一种基于因子分析的诱发脑电信号提取方法
CN106778475A (zh) * 2016-11-18 2017-05-31 同济大学 一种最优导联集选择方法及系统
CN106778475B (zh) * 2016-11-18 2020-06-09 同济大学 一种最优导联集选择方法及系统

Also Published As

Publication number Publication date
CN103720471B (zh) 2015-12-09

Similar Documents

Publication Publication Date Title
CN103720471B (zh) 一种基于因子分析的眼电伪迹去除方法
CN104586387B (zh) 一种时、频、空域多参数脑电特征提取与融合方法
Chouhan et al. Detection of QRS complexes in 12-lead ECG using adaptive quantized threshold
CN104688220B (zh) 一种去除脑电信号中眼电伪迹的方法
CN101474070B (zh) 一种脑电信号中眼电伪迹的去除方法
CN104706349B (zh) 一种基于脉搏波信号的心电信号构建方法
CN110338786A (zh) 一种癫痫样放电的识别与分类方法、系统、装置和介质
CN110059564B (zh) 基于功率谱密度和互相关熵谱密度融合的特征提取方法
Kang et al. A method of denoising multi-channel EEG signals fast based on PCA and DEBSS algorithm
CN104905786A (zh) 一种心电伪迹在线去除算法
CN106805945A (zh) 一种少数通道的脑电信号中肌电伪迹的消除方法
CN107622259B (zh) 一种t波检测方法、心电数据分析方法及装置
CN110584660A (zh) 基于脑源成像与相关性分析的电极选择方法
CN101972143A (zh) 基于盲源提取的房颤监测方法
CN106264521A (zh) 多通道脑电信号中下颌干扰的自动去除方法
CN106485208A (zh) 单通道脑电信号中眼电干扰的自动去除方法
Li et al. A low-complexity ECG processing algorithm based on the Haar wavelet transform for portable health-care devices
CN109009098B (zh) 一种运动想象状态下的脑电信号特征识别方法
CN114587381A (zh) 基于多通道脑电智能筛选与加权样本生成的棘波检测方法
CN113850192A (zh) 基于emd-csp脑电特征学习与智能融合的眨眼伪迹检测方法
CN111887843A (zh) 融合性癫痫发作期自动检测方法及系统
Bian et al. Research on steady state visual evoked potentials based on wavelet packet technology for brain-computer interface
CN115607164A (zh) 心电特征波分割方法、系统、装置及可读存储介质
CN105708451A (zh) 一种脑电信号质量实时判定方法
Ahmadi et al. Impact of referencing scheme on decoding performance of LFP-based brain-machine interface

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: 20151209

Termination date: 20161224