CN105212895A - 动态脑磁源定位方法 - Google Patents

Abstract

本发明公开了一种动态脑磁源定位方法，包括：采集脑MR结构图像和脑磁图MEG信号B，设定测量空间；设定源信号在大脑皮层形成的空间为源空间；确定所述测量空间和所述源空间的空间转换关系，继而确定MEG信号B和源信号矩阵X之间的关系式，构造时域子空间，将MEG信号B和源信号矩阵X分别投影到所述时域子空间上，并求解得出源信号X，提取源信号X中的位置信息及其强度信息，即完成了动态的脑磁源定位过程。本发明的动态脑磁源定位方法解决了动态脑磁源不易定位的技术问题，特别是解决了对突变脑磁源信号传递过程不易研究的技术问题。

Description

动态脑磁源定位方法

技术领域

本发明涉及生物信息技术领域，特别是一种动态脑磁源定位方法。

背景技术

脑功能正常运转不是由单个神经元或单一脑区独立完成，而是依靠神经元交互作用形成的神经功能连接网络。神经成像技术广泛用于医学技术领域。在现有的神经成像技术中，核磁共振MR和计算机断层扫描CT等因时间分辨率低，无法捕捉实时的神经异常连接，而以脑磁图(magnetoencephalography，MEG)为代表的脑功能成像技术，因时间分辨率高，成为辅助医学和认知神经学研究的重要工具。动态脑磁源定位是脑磁功能成像技术的关键技术问题。

动态脑磁源定位研究的是，当采集待测人头部的，例如静息状态下，由脑内发出的并被脑外传感器检测到的MEG信号，反推脑内神经源信号的位置和强度，进一步地探索脑神经连接是否异常。根据测量的脑外MEG信号反演脑内神经信号的活动位置和强度被称为MEG逆问题。

根据头脑表观的磁场强度反演定位磁源的空间活动位置时脑磁研究中的一个重要问题，其本质上是一个非线性优化逆问题，为了简化计算的复杂性，在脑磁源的反演定位中，常用一线性方法去逼近非线性问题。现有技术中具体是采用脑磁源成像技术去进行脑磁源定位的，传统最小范数估计法(MNE，minimumnormestimate)，是最具代表性的源成像方法，主要原理是，基于大脑在特定时刻只有局部神经元活动的前提，对欠定线性方程增加l₂范数约束，求解一副能量最小的电流密度分布图像，常用的方式为：

假设脑外有m个通道的MEG信号，脑内有n个均匀分布的源信号，那么在i时刻，脑内源信号与MEG信号的关系可以用以下离散化的线性模型表示：

b_i＝Ax_i+e_i

其中，b_i为第i时刻大小为m×1的MEG测量信号；x_i为第i时刻脑内源信号，大小为n×1；e_i是第i时刻和_bi同维度的噪声信号；A为引导场矩阵，代表脑内源信号与MEG测量信号的映射关系，大小为m×n。当矩阵A已知时，即可由b_i求出脑磁逆问题的解x_i。但矩阵A是病态的，其条件数，即最大特征值与最小特征值之比很大，因此直接求逆不合适，通常转化为求解最小二次泛函的问题。不难得知，上式最小二乘解对噪声e_i非常敏感，MEG测量信号中很小的噪声将对解产生很大的扰动，造成无用解。引入Tikhonov正则化技术来减小噪声对对解的影响。在i时刻，脑磁逆问题求解转化为求解下式的最小值问题：

$f=\arg min\left\{\right||{\mathrm{Ax}}_i-b_i|{|}_2^2+{\mathrm{\λ}}^2\left|\right|{\mathrm{Rx}}_i\left|{|}_2^2\right\}$

等式右边第一项表示测量数据和估计数据的拟合，第二项为正则项，表示解的先验信息，其中R为约束解空间的正则算子，当m个信号通道噪声均匀一致时，R取单位矩阵I，λ为正则化参数，调节拟合项和正则项在两项之间达到平衡。上式对应的解的形式为：

${\hat{x}}_i=A^T{\left({\mathrm{AA}}^T+{\mathrm{\λ}}^2{R}^{T}R\right)}^{-1}{b}_i$

由此可见，代价函数估算出来的源信号各个时刻之间是相互独立的。传统MNE方法仅适用于静态逆问题，因此不适用于研究脑磁动态逆问题。

为此，目前现有的一种研究脑磁动态逆问题方法是引入时域平滑约束项构造双正则化，该方法的不足之处是：

1、此方法的前提是基于相邻时刻的信号变化最小的假设，这样的处理虽然能得到时域上平滑的估计解，但对于突变脑磁源信号(比如20到40毫秒的异常放电现象，时域上不是平滑的)这样的测量信号是不适用的；

2、此方法由于引入了两个正则项和正则化参数，增加了计算难度和计算量；

3、此方法需要人为选定时长t，要依据经验才能求解，可重复性差。

发明内容

针对上述技术问题，本发明中提出了一种动态脑磁源定位方法，该方法不同于传统最小范数估计算法(minimumnormestimate,MNE)，该方法为用于解决动态脑磁源定位的方法，其为通过在时域子空间使用最小L2范数解的来进行脑磁源定位方法。

该方法的实施可用于在非侵入性研究应用中实施以检测神经元活动和异常神经元网络的轨迹。例如，可用于多个脑磁源之间动态传递的脑网络。本发明解决了动态脑磁源不易定位的技术问题，特别是解决了对突变脑磁源信号传递过程不易研究的技术问题。

为了实现根据本发明的这些目的和其它优点，提供了一种动态脑磁源定位方法，包括以下步骤：

步骤1)采集待测试人头部的脑MR结构图像；在所述头部上布置m个磁信号采集传感器，且在某一时段内同步、连续采集t个时刻的磁信号，生成脑磁图MEG信号B；

步骤2)记录所述头部的参考点位置，并与所述脑MR结构图像上的相对应位置进行空间配准，形成统一的测量空间，记录每一个所述传感器在所述测量空间中的位置信息；

步骤3)对所述脑MR结构图像进行分割，保留大脑皮层，将大脑皮层区域均匀划分成n个位置确定的网格，且n远大于m，每个网格上分布有一个等效电流偶极子，即n个脑磁源信号，源信号在大脑皮层形成的空间为源空间；

步骤4)确定所述测量空间和所述源空间的空间转换关系，用引导场矩阵A表示，根据测得的脑磁图MEG信号B来反演计算源空间中对应的n个脑磁源信号的强度，用矩阵X表示每一个所述脑磁源信号的位置信息及其每个时刻脑磁源信号的强度信息，数学模型如下所示：

B＝AX+E1)

其中，E为噪声信号；

步骤5)将脑磁图MEG信号B分解到由第一信号U₁构成的第一空间，其表征了MEG信号B的电磁场域；同时将脑磁图MEG信号B分解到由第二信号V_B构成的第二空间，其表征了MEG信号B的时间序列信息，其中，B＝U₁V_B ^T，所述第二信号V_B由t个列向量构成；

步骤6)取第二信号V_B的前k个列向量构成第三空间V，其表征了MEG信号B的时域子空间，其中，k在1～t之间取值；将MEG信号B和源信号X分别投影到所述第三空间V上，在所述第三空间V中求解MEG信号B和源信号矩阵X的关系式，计算得出源信号矩阵X，提取源信号X中的位置信息及其强度信息，即完成了动态的脑磁源定位过程。

优选的，所述步骤1)中，通过核磁共振仪采集生成所述脑MR结构图像，通过脑磁仪采集所述MEG信号，所述脑磁仪包括头位置指示器和m个磁信号采集传感器，所述传感器均匀布置在所述头部头皮上采集相应位置处的磁信号强度，所述头位置指示器用于记录所述头部的参考点位置并且记录每一个所述传感器在所述头部的位置。

优选的，所述步骤2)中，所述头部参考点位置为双侧耳前点和鼻根，将所述头部的双侧耳前点和鼻根位置与所述脑MR结构图像中的双侧耳前点和鼻根位置进行空间位置配准。

优选的，所述脑磁仪采集的MEG信号为由所述待测试人头部脑内的所述脑磁源产生并传递到脑外的磁场强度信号。

优选的，所述脑磁仪采集到的数据经过去眼电、滤波以及基线校准后得到所述MEG信号。

优选的，所述步骤4)中，采用边界元或有限元方法结合所述测量空间求解正问题获取所述引导场矩阵A。

优选的，所述步骤5)中，对MEG信号B进行奇异值分解：

B＝U_BΛ_BV_B ^T2)

其中，U_B为由t个m维列向量构成的B的列空间，Λ_B为奇异值矩阵，U_BΛ_B＝U₁，即所述第一空间，V_B为由t个t维的列向量构成的B的行空间，即所述第二空间。

优选的，所述步骤6)中，将MEG信号B和源信号矩阵X投影到所述第三空间V，数学模型如下：

BV＝AXV+EV

B_temp＝AX_temp+ξ3)

其中，B_temp为MEG信号B在第三空间V上的投影，X_temp为源信号矩阵X在第三空间V上的动态脑磁源的解，ξ为噪声信号，引入Tikhonov正则化求式3)的最小L2范数的解，即求X_temp的估计值其中I和I_k均为单位矩阵，正则化参数λ由L-curve准则选取。

优选的，步骤6)中还包括：将计算得出信号反投影到所述源空间上，得到源空间上的动态脑磁源信号矩阵 $\hat{X}={\widehat{\stackrel{\‾}{X}}}_{temp}{V}^T,$ ${\stackrel{\‾}{X}}_{temp}={\[{X_{temp}}^T\left(1\right),{X_{temp}}^T\left(2\right),...,{X_{temp}}^T\left(k\right)\]}^T,$ 即为最逼近真实源信号矩阵X的解矩阵，根据估算的源信号矩阵X进行源成像。

优选的，所述第三空间V的秩为k。

本发明至少包括以下有益效果：

1、实现了时序脑磁信号源的逆向估算求解，脑磁源动态定位更快更精确；

2、更加真实地还原了脑磁源在整个时域上的动态传递过程；

3、重建的脑磁源强度随时间的变化过程更加逼近真实的神经元传导性质；

4、本发明的动态脑磁源定位结果可用于后续的神经功能连接的研究上。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明的动态脑磁源定位方法的流程示意图；

图2为本发明的动态脑磁源的求解过程示意图；

图3(a)为所述测量空间左半区域的示意图；

图3(b)为所述测量空间右半区域的示意图；

图4(a)为所述源空间左半区域的示意图；

图4(b)为所述源空间右半区域的示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本发明所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。

本发明的脑磁源信号强弱的定位方法不用在疾病诊断过程中。

如图1-4所示，本发明提供了一种动态脑磁源定位方法，具体包括以下步骤：

步骤1)通过核磁共振仪对待测试人头部进行扫描，生成脑MR结构图像；通过脑磁仪采集所述MEG信号，所述脑磁仪包括m个磁信号采集传感器和头位置指示器，所述传感器均匀布置在所述头部上采集相应位置处的磁信号强度，所述头位置指示器用于记录所述头部的参考点位置并且记录每一个所述传感器在所述头部的位置。每一个所述传感器在某一时段内同步连续采集t个时刻的磁信号，生成脑磁图MEG信号，记为B，其包含有每一个所述传感器在每个时刻测量所得的磁信号强度信息；其中，MEG信号B以m×t维矩阵B＝[b(1),b(2),…,b(t)]代表在脑外测量的t个时刻m个通道的MEG信号，其中b(i)是第i时刻、大小为m×1的MEG信号向量，i为正整数，且1≤i≤t-1。

步骤2)所述头位置指示器记录所述头部的参考点位置，本实施例中，所述头部参考点位置为双侧耳前点和鼻根，将所述头部的双侧耳前点和鼻根位置与所述脑MR结构图像中的双侧耳前点和鼻根位置进行空间位置配准，使得所述脑MR结构图像与每一个所述传感器在同一坐标系中，形成同一的测量空间，如图3所示，记录每一个所述传感器在所述测量空间中的位置信息；

步骤3)对所述脑MR结构图像进行分割，保留大脑皮层，将大脑皮层区域均匀划分成n个位置确定的网格，且n远大于m，每个网格上分布有一个等效电流偶极子，即n个脑磁源信号，每个脑磁源信号大小即电流偶极子强度，脑磁源方向设定为与脑皮层表面垂直的方向，源信号在大脑皮层形成的空间即为源空间，如图4所示；

步骤4)根据所述测量空间和所述源空间的空间位置信息的映射关系，确定所述测量空间和所述源空间的空间转换关系，用引导场矩阵A表示，A是m×n维转换矩阵，由此根据测得的脑磁图MEG信号B来反演计算源空间中对应的n个脑磁源信号的强度，用X表示每一个所述脑磁源信号的位置信息及其每个时刻脑磁源信号的强度信息.

脑内源X与脑外MEG信号B之间的线性关系的计算模型如下所示：

B＝AX+E1)

其中，X为n×t维矩阵[x₁...x_i...x_t]，其中，X_i为某一时刻的n×1维源信号列向量，即某一时刻式1)的解，E为m×t维噪声信号矩阵，为已知量；当矩阵A已知时，即可由B求出脑磁逆问题的解X，也就是说求解式1)的逆问题即可得出所述源信号矩阵X，一般n远大于m，由此根据式1)求解得出的源信号矩阵X不唯一，且矩阵A是病态的，其条件数，即最大特征值与最小特征值之比很大，且当脑磁源信号在时间上跳变较大时，不适合直接求逆，通常转化到在同一时域子空间中求解最小二次泛函的问题，因此进入步骤5)；

步骤5)将脑磁图MEG信号B分解到由第一信号U₁构成的第一空间，其表征了MEG信号B各采集通道的电磁场域，同时将脑磁图MEG信号B分解到由第二信号V_B构成的第二空间，其表征了MEG信号B的时间序列信息，其中，B＝U₁V_B ^T，所述第二信号V_B由m个向量构成；可以理解的是，还可以以其他方式分解B，但必须保证分解后的某一空间携带有B的时序信息。

步骤6)取第二信号V_B的前k个向量构成第三空间V，其表征了MEG信号B的时域子空间，其中，k在1～t之间取值，k为矩阵V_B的截断系数，同时所述第三空间V的秩为k。同时将MEG信号B和源信号X投影到所述第三空间V，使得脑内源X与MEG信号B具有相同的时间序列，在所述第三空间V中求解式1)，计算得出源信号X，提取源信号X中的位置信息及其每个时刻测量信号的强度信息，即完成了动态的脑磁源定位过程。

脑磁仪是用于检测由大脑神经元电流产生的磁场来检查脑功能活动的检查技术。由神经元发出的在脑外检测到的磁场其幅度为fT量级(1fT＝10^(-15)T，T为磁感应强度单位特斯拉)。脑磁仪检测到的磁场由垂直于大脑皮层的神经元电流产生。据此将脑内源等效为电流偶极子，位置固定在大脑皮层上，且方向与大脑皮层垂直。采集带测试人头部脑磁数据时，头部置于脑磁仪器，例如ElektaNeuromag306导脑磁仪的测量传感器内，通过头位置指示器将头部参考点(双侧耳前点和鼻根)位置记录下来，用来与脑核磁共振(MR)结构图像的相应位置配准，统一坐标系。由脑外测量传感器空间位置和MEG信号数据反推脑内源的强度为脑磁源定位。该反推过程确定传感器相对于头部参考点的位置、MEG信号数据、转换矩阵A和等效电流偶极子的位置。从而得出最优解，实现了脑磁源的精确定位。本发明的动态脑磁源定位方法实现了时序脑磁信号源的逆向估算求解，脑磁源动态定位更快更精确；同时，更加真实地还原了脑磁源在整个时域上的动态传递过程；且重建的脑磁源强度随时间的变化过程更加逼近真实的神经元传导性质；进一步，本发明的动态脑磁源定位结果可用于后续的神经功能连接的研究上。

上述技术方案中，所述脑磁仪采集的MEG信号为由待测试人头部脑内的所述脑磁源产生并传递到脑外的磁场强度信号。所述脑磁仪采集到的数据经过去眼电、滤波以及基线校准等预处理步骤后，即可得到所需的MEG信号。

上述技术方案中，所述步骤4)中，采用边界元或有限元方法结合所述测量空间求解正问题获取所述引导场矩阵A。本实施例中采用的边界元方法。

另一种实施例中，所述步骤5)中，对信号B具体进行奇异值分解：

B＝U_BΛ_BV_B ^T2)

其中，U_B为由t个m维列向量构成的B的列空间，Λ_B为奇异值矩阵，U_BΛ_B＝U₁，即所述第一空间，V_B为由t个t维的列向量构成的B的行空间，即所述第二空间。U_B＝[u₁,u₂,...,u_t]的列向量构成了B的列空间，表征了MEG信号各通道的电磁场域，V_B＝[v₁,v₂,...,v_t]的列向量构成了B的行空间，表征了MEG信号的时域信息。定义MEG信号的时域子空间由V_B的前k列构成，即V＝[v₁,v₂,...,v_k]，k为正整数，且在1～t之间取值，将MEG信号B和源信号X投影到所述第三空间V上，数学处理模型如下：

BV＝AXV+EV

B_temp＝AX_temp+ξ3)

其中，B_temp为在时域子空间V上的投影，大小为m×k；X_temp为在时域子空间V上的动态脑磁源的解，大小为n×k，ξ为噪声信号，为已知量，引入Tikhonov正则化求式3)的最小L2范数的解，其对应的目标函数转变为：

$f=\mathrm{argmin}\{\underset{i=1}{\overset{k}{\Σ}}\left|\right|{\mathrm{AX}}_{temp}\left(i\right)-B_{temp}\left(i\right)|{|}_2^2+{\mathrm{\λ}}^2\underset{i=1}{\overset{k}{\Σ}}\left|\right|X_{temp}\left(i\right)|{|}_2^2\}$

引用Kronecker积定义，上式可以转化成如下形式：

$f=\mathrm{argmin}\left\{\right||\stackrel{\‾}{A}{\stackrel{\‾}{X}}_{temp}-{\stackrel{\‾}{B}}_{temp}|{|}_2^2+{\mathrm{\λ}}^2\left|\right|{\stackrel{\‾}{X}}_{temp}\left|{|}_2^2\right\}$

上式中， $\stackrel{\‾}{A}=I_t\⊗A,$ ${\stackrel{\‾}{X}}_{temp}={\[{X_{temp}}^T\left(1\right),{X_{temp}}^T\left(2\right),...,{X_{temp}}^T\left(k\right)\]}^T,$ I和I_k均为单位矩阵，正则化参数λ由L-curve准则选取，上式对应的解的形式为：

${\widehat{\stackrel{\‾}{X}}}_{temp}={\stackrel{\‾}{A}}^T{\left(\stackrel{\‾}{A}{\stackrel{\‾}{A}}^T+{\mathrm{\λ}}^{2}I\right)}^{-1}{\stackrel{\‾}{B}}_{temp}$

将计算得出信号反投影到所述源空间上，得到动态脑磁源信号矩阵 ${\stackrel{\‾}{X}}_{temp}={\[{X_{temp}}^T\left(1\right),{X_{temp}}^T\left(2\right),...,{X_{temp}}^T\left(k\right)\]}^T,$ 为最逼近真实源信号矩阵X的解矩阵。且具有与MEG测量信号时序信息一致的源信号矩阵，本实施例中，近似的可以将等同X，提取源信号中的位置信息及其强度信息，即完成了动态的脑磁源定位过程。为X的估算信号，X中每一个元素表示某一时刻对应该位置处的源信号强度，每一个脑磁源的位置为已知量，将X中每一列向量中n个元素匹配到大脑皮层n个精确位置上，从而可以的在某一时段内对n个位置确定的脑磁源的信号强弱进行准确分析，n个精确位置上的脑磁源信号强度随时间的变化就可以重建获知，也就是完成了脑磁源信号强弱在脑模型上的快速准确定位，任意时刻每个位置上脑磁源信号的强度即可获知，从而可以对脑磁源信号进行重建并成像，得到源图像，可以重建脑磁源强度随时间的变化过程，从而更加逼近真实的神经元传导性质。

可以理解的是，也可以直接构造第四空间，第四空间为VV^T，将MEG信号B和源信号X投影到所述第四空间VV^T，数学模型如下：

BVV^T＝AXVV^T+EVV^T4)

B_temp＝AX_temp+ξ

其中，B_temp为投影在第四空间VV^T的脑磁MEG信号，X_temp为投影在第四空间VV^T上的动态脑磁源信号，其为最逼近真实源信号矩阵X的解矩阵，ξ为噪声信号，为已知量，引入Tikhonov正则化求式4)的最小L2范数的解，即求X_temp的估计值其中I和I_k均为单位矩阵，正则化参数λ由L-curve准则选取，求解得出X_temp，其即为为最逼近真实源信号矩阵X的解矩阵，提取X_temp中的位置信息及其每个时刻测量信号的强度信息，即完成了动态的脑磁源定位过程。

该动态脑磁源的定位方法的求解过程更加简化方便，且源信号矩阵X更加逼近真实的神经元传导性质，便于认知神经学、脑神经疾病的研究。

可以理解的是，本发明的动态脑磁源定位方法也可用于根据脑电信号来进行源定位。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (10)

1.一种动态脑磁源定位方法，其特征在于，包括以下步骤：

步骤1)采集待测试人头部的脑MR结构图像；在所述头部上布置m个磁信号采集传感器，且在某一时段内同步、连续采集t个时刻的磁信号，生成脑磁图MEG信号B；

步骤2)记录所述头部的参考点位置，并与所述脑MR结构图像上的相对应位置进行空间配准，形成统一的测量空间，记录每一个所述传感器在所述测量空间中的位置信息；

步骤3)对所述脑MR结构图像进行分割，保留大脑皮层，将大脑皮层区域均匀划分成n个位置确定的网格，且n远大于m，每个网格上分布有一个等效电流偶极子，即n个脑磁源信号，源信号在大脑皮层形成的空间为源空间；

步骤4)确定所述测量空间和所述源空间的空间转换关系，用引导场矩阵A表示，根据测得的脑磁图MEG信号B来反演计算源空间中对应的n个脑磁源信号的强度，用矩阵X表示每一个所述脑磁源信号的位置信息及其每个时刻脑磁源信号的强度信息，数学模型如下所示：

B＝AX+E1)

其中，E为噪声信号；

步骤5)将脑磁图MEG信号B分解到由第一信号U₁构成的第一空间，其表征了MEG信号B的电磁场域；同时将脑磁图MEG信号B分解到由第二信号V_B构成的第二空间，其表征了MEG信号B的时间序列信息，其中，B＝U₁V_B ^T，所述第二信号V_B由t个列向量构成；

步骤6)取第二信号V_B的前k个列向量构成第三空间V，其表征了MEG信号B的时域子空间，其中，k在1～t之间取值；将MEG信号B和源信号X分别投影到所述第三空间V上，在所述第三空间V中求解MEG信号B和源信号矩阵X的关系式，计算得出源信号矩阵X，提取源信号X中的位置信息及其强度信息，即完成了动态的脑磁源定位过程。

2.如权利要求1所述的动态脑磁源定位方法，其特征在于，所述步骤1)中，通过核磁共振仪采集生成所述脑MR结构图像，通过脑磁仪采集所述MEG信号，所述脑磁仪包括头位置指示器和m个磁信号采集传感器，所述传感器均匀布置在所述头部头皮上采集相应位置处的磁信号强度，所述头位置指示器用于记录所述头部的参考点位置并且记录每一个所述传感器在所述头部的位置。

3.如权利要求2所述的动态脑磁源定位方法，其特征在于，所述步骤2)中，所述头部参考点位置为双侧耳前点和鼻根，将所述头部的双侧耳前点和鼻根位置与所述脑MR结构图像中的双侧耳前点和鼻根位置进行空间位置配准。

4.如权利要求2所述的动态脑磁源定位方法，其特征在于，所述脑磁仪采集的MEG信号为由所述待测试人头部脑内的所述脑磁源产生并传递到脑外的磁场强度信号。

5.如权利要求3或4所述的动态脑磁源定位方法，其特征在于，所述脑磁仪采集到的数据经过去眼电、滤波以及基线校准后得到所述MEG信号。

6.如权利要求1所述的动态脑磁源定位方法，其特征在于，所述步骤4)中，采用边界元或有限元方法结合所述测量空间求解正问题获取所述引导场矩阵A。

7.如权利要求6所述的动态脑磁源定位方法，其特征在于，所述步骤5)中，对MEG信号B进行奇异值分解：

B＝U_BΛ_BV_B ^T2)

其中，U_B为由t个m维列向量构成的B的列空间，Λ_B为奇异值矩阵，U_BΛ_B＝U₁，即所述第一空间，V_B为由t个t维的列向量构成的B的行空间，即所述第二空间。

8.如权利要求7所述的动态脑磁源定位方法，其特征在于，所述步骤6)中，将MEG信号B和源信号矩阵X投影到所述第三空间V，数学模型如下：

BV＝AXV+EV

3)

B_temp＝AX_temp+ξ

其中，B_temp为MEG信号B在第三空间V上的投影，X_temp为源信号矩阵X在第三空间V上的动态脑磁源的解，ξ为噪声信号，引入Tikhonov正则化求式3)的最小L2范数的解，即求X_temp的估计值其中I和I_t均为单位矩阵， ${\stackrel{\‾}{B}}_{temp}={\[{B_{temp}}^T\left(1\right),{B_{temp}}^T\left(2\right),...,{B_{temp}}^T\left(k\right)\]}^T,$ 正则化参数λ由L-curve准则选取。

9.如权利要求8所述的动态脑磁源定位方法，其特征在于，步骤6)中还包括：将计算得出信号反投影到所述源空间上，得到源空间上的动态脑磁源信号矩阵 $\hat{X}={\widehat{\stackrel{\‾}{X}}}_{temp}{V}^T,$ ${\stackrel{\‾}{X}}_{temp}={\[{X_{temp}}^T\left(1\right),{X_{temp}}^T\left(2\right),...,{X_{temp}}^T\left(k\right)\]}^T,$ 即为最逼近真实源信号矩阵X的解矩阵，根据估算的源信号矩阵X进行源成像。

10.如权利要求1所述的动态脑磁源定位方法，其特征在于，所述第三空间V的秩为k。