CN106354990B

CN106354990B - 一种EEG和fMRI一致性的检测方法

Info

Publication number: CN106354990B
Application number: CN201510420804.1A
Authority: CN
Inventors: 谢松云; 张娟丽; 刘畅; 李亚兵; 段绪
Original assignee: Northwestern Polytechnical University
Current assignee: Northwestern Polytechnical University
Priority date: 2015-07-13
Filing date: 2015-07-13
Publication date: 2020-10-16
Anticipated expiration: 2035-07-13
Also published as: CN106354990A

Abstract

本发明公开了一种检测fMRI信号和EEG信号之间一致性的方法，它实现了将BOLD‑fMRI信号转换成头皮BOLD‑电位，然后和同步EEG信号拓扑图和时间序列进行对比分析，基本步骤如下：(1)fMRI图像边缘提取和环形映射；(2)图像信息整合，将多层扫描信息整合到圆形区域；(3)空白区拟合填充；(4)电势转换，将BOLD‑fMRI信号转换成皮层电信号；(5)将转换的皮层BOLD‑电位加载到有限元模型(Finite Element Method，FEM)构建的头模型上，求解头皮电位分布；(6)将头皮BOLD‑电信号分布和同步获取的EEG信号进行拓扑图和时间序列对比，以分析研究fMRI和EEG信号之间的一致性。

Description

一种EEG和fMRI一致性的检测方法

技术领域

本发明涉及生物医学信号处理领域，是一种研究脑电图(Electroencephalogram，EEG)和功能性磁共振成像(Functional magnetic resonance imaging，fMRI)信号一致性的检测方法和技术，特别是将BOLD-fMRI信号转换成电位分布，将BOLD信号变换到和EEG具有相同含义的信号形式，最终实现了fMRI和EEG之间的一致性分析和检测。

背景技术

EEG和fMRI是目前两种无创的观察脑部活动的神经成像方式，其中血氧水平依赖效应功能磁共振成像(Blood oxygenation level dependent-functional magneticresonance imaging，BOLD-fMRI)是比较常用的fMRI检测方法。EEG是通过放置在头皮的电极记录的大脑皮层神经元放电活动信息，反映的是大脑的同步神经活动；BOLD-fMRI是对脑局部血液动力学响应引起的血氧含量变化的度量，其与神经元群的能量代谢消耗有关，两者成像的生理基础不同。

研究证明，血液动力响应和神经电活动之间是相关的，Logothetis NK等通过放置微电极到体细胞或神经细胞的轴突，通过测量记录神经元电位，比较局部场电位(LFPs)，单一单元活动(SUA)，多单元活动(MUA)等电位，发现了LFPs和血液动力响应有显著的相关性，表明BOLD信号和神经电活动之间存在着显著相关性。但是，EEG信号是大脑皮层神经元群的同步突触后电位(属于局部场电位)经过脑脊液和颅骨传播，最终在头皮上的电位分布，它是神经元活动在全脑水平上的综合表现，那么神经电活动经过传播在头皮上表现的EEG信号和BOLD信号之间是否还具有显著一致性，以及如何利用这一特性对大脑的状态进行检测是十分有意义的。

由于目前缺乏对EEG和fMRI两种信号的一致性检测的技术，所以对两者之间的一致性的判定不很明确，以往的研究积累显示在多数情况下，一致性是明显的，这也就是当前EEG和fMRI融合研究的基础。但另一方面，不一致的状况也并不鲜见。如一些大脑的电活动异常时的表现。也就是血氧水平的变动可以导致局部场电位(LFPs)的变动，但反之，局部场电位的变动并不一定导致血氧水平的改变。因此发明一种检测EEG和fMRI两种信号的一致性监测的技术是十分有必要的。

发明内容

本发明通过将BOLD-fMRI信号转换成头皮BOLD-电位，然后和同步EEG信号进行拓扑图和时间序列对比分析，以实现fMRI信号和EEG信号之间的一致性分析和检测，基本方案如下：

1.fMRI皮层信息提取，包括图像边缘提取和环形映射。首先对fMRI图像进行分割，以获取大脑图像，并且对分割后图像进行边缘提取，以获取大脑皮层图像信息，将获取的边缘信息遵循角度投影，映射到环形模板上；

2.图像信息整合，将多层扫描信息整合到圆形区域。为了构造出大脑皮层的整个神经活动分布，需要将各扫描Slice层的皮层信息图像整合。因为fMRI图像经过了时间校准预处理，所以直接将不同扫描层的信息集中在一张图形即可；

3.空白区拟合填充，以获取完整的大脑皮层信息。由于分层扫描的原因，层与层之间信息缺失，通过临近加权算法实现对这些空白区域填充，获取完整的大脑血液动力学响应分布。待拟合区域内的任意空白像素点的拟合值取决于最邻近有效值的加权平均值，即不断地扩大空白像素点周边的搜索范围，直到在一定的范围内存在大于6个有效值像素；

4.电势转换，将BOLD-fMRI信号转换成皮层电信号。将大脑皮层血氧动力学分布转换成电学信号。大脑皮层的血氧动力学分布以像素的灰度值形式体现，相应部位的神经元的放电概率值的范围在0-255之间。图像中的每一像素点都代表了大脑皮层的相应区域，像素点的灰度值则表示了这一区域范围内神经元的放电概率。由此，采用像素阵列传播的方式来确定指定像素位置的电势值大小；

5.将转换的皮层BOLD-电位加载到球头模型上，求解头皮电位分布，至此，BOLD信号转换成了和EEG具有相同意义的信号；

6.将头皮BOLD-电信号分布和同步获取的EEG信号进行拓扑图对比和时间序列对比，以分析研究fMRI和EEG信号之间的一致性。

本方案的有益效果在于：通过应用本发明提供的对EEG和fMRI信号之间进行一致性检测技术，可以深入进行两者一致性的分析研究，建立健康人群的一致性分布，作为标准图谱，为进一步地进行脑功能检测研究提供一种新手段。本发明技术可以用于大脑功能和大脑病变检测，提供一种新的技术作为诊断依据。例如，目前世界上有数以百万计的大脑电活动异常的病人，在对这些病变初期检测时，本技术有可能发挥重要作用。同时本技术还可以用于EEG和fMRI融合的脑功能状态检测，EEG和fMRI同步检测是一种新的高性能的脑功能检测技术，它的基础是在于fMRI信号和EEG信号的一致性，采用本技术可以提高该技术的性能。

附图说明

图1整体技术方案流程图

图2构造的16*16点阵图

图3经过电势转换得到的皮层BOLD-电位分布图

图4有限元求解结果(头皮BOLD-电位)与同步EEG拓扑图的比较

图5有限元求解结果(头皮BOLD-电位)与采样EEG信号的比较

图6EEG信号主成分分析(Principal Component Analysis，PCA)处理后与有限元求解结果(头皮BOLD-电位)的比较

具体实施方式

下面结合附图，对本发明的具体实施方式作详细说明。

本发明提出的整体方案流程如图1所示。

步骤一：fMRI图像边缘提取模块

首先对fMRI图像进行分割，以获取大脑图像，并且对分割后图像进行边缘提取，以获取大脑皮层图像信息，将获取的边缘信息遵循角度投影，映射到环形模板上；

步骤二：fMRI图像信息整合模块

为了构造出大脑皮层的整个神经活动分布，需要将各扫描Slice层的皮层信息图像整合。因为fMRI图像经过了时间校准预处理，所以直接将不同扫描层的信息集中在一张图形即可；

步骤三：fMRI图像空白区填充模块

由于分层扫描的原因，层与层之间信息缺失，通过临近加权算法实现对这些空白区域填充，获取完整的大脑血液动力学响应分布。待拟合区域内的任意空白像素点的拟合值取决于最邻近有效值的加权平均值，即不断地扩大空白像素点周边的搜索范围，直到在一定的范围内存在大于6个有效值像素。临近加权算法如公式1所示：

式中g_obj是待填充的空白像素点的灰度值，g_i是空白像素周边的有效像素灰度值，r_i为有效像素距空白像素距离。

步骤四：BOLD-fMRI电势转换模块

将大脑皮层血氧动力学分布转换成电学信号。大脑皮层的血氧动力学分布以像素的灰度值形式体现，相应部位的神经元的放电概率值的范围在0-255之间。图像中的每一像素点都代表了大脑皮层的相应区域，像素点的灰度值则表示了这一区域范围内神经元的放电概率。由此，采用像素阵列传播的方式来确定指定像素位置的电势值大小。具体的实施过程如下：

1)以待估计点为中心，在周围构造16*16的像素阵列，如图2所示。在图2中每一个点代表一个神经元，各点之间的距离取神经细胞之间的平均距离30nm。

2)根据待估计点的像素灰度值(假设该点的灰度值为n)，在阵列中随机选取n个点作为被激活的神经元模型。

3)已知神经元动作电位可以达到40mv。因此，将这个电压值作为阵列中被选中的点阵的初始值。

4)被选中的点阵距离中心待求点的距离决定了动作电位的衰减程度。衰减参照电磁场传播的公式，如式2所示。选取介电常数按照人体肌肉的参数选取，在公式2中假设神经元的电信号满足泊松方程，方程建立的区域包括点阵的整个范围，第一个边界条件表示激活的神经元电势40mv，第二个边界条件表示无穷远处的电势为0，

这里选取点阵区域10倍远的地方为无穷远处。

φ|_{(x，y)＝selected}＝40

φ|_{|x|＞2250&|y|＞2250}＝0

5)根据公式2，将n个点阵的衰减值叠加到待估计点中心区域，求解这个微分方程在(x，y)＝(0，0)处的解，得到这一点的电势估计值。

6)对每一个像素进行上述计算得到头模型电势载荷分布，图3表示的是4个volume经转换得到的四个时刻中的头模型电势载荷分布结果。

步骤五：头模型加载及求解模块

将转换的皮层BOLD-电位分布加载到球头模型上，求解头皮上的电位分布BOLD-头皮电位分布。采用有限元分析软件ANSYS进行求解，进而得到模型表面的电势分布。

步骤六：将获取的BOLD-头皮电位和同步采集的EEG进行拓扑图和时间序列对比分析。

实验结果画出不同时刻由FEM求解的头皮BOLD-电位拓扑图，并和同步EEG的拓扑图进行对比，如图4所示。通过对比发现，在大脑的顶叶、额叶、枕叶都存在很大的相似度，在顶叶出现了较大的负向峰值，且被额叶、右侧颞叶和枕叶部分的正向峰值分布所包围。经求解的BOLD-电位分布与同步EEG数据的拓扑图电势分布在总体的分布态势上相吻合。然后对同步EEG按照volume采集时间点进行采样，然后和头皮BOLD-电位进行比较，以最直接的方式得出两种信号的相似性，结果表明：两组信号在顶叶部分的相似性是最大的，额叶部分的结果也与EEG信号保持着良好的一致性，而枕叶和颞叶部分信号的相似性较差，如图5所示。我们对EEG信号采用PCA方法进行降维，提取前170个主成分，构成170采样点的序列，和头皮BOLD-电位进行比较，结果表明，BOLD-电位构成了降维处理后的EEG信号的包络，反映了EEG信号的总体走势，同时顶叶、额叶和枕叶的包络特征得到良好的反映，而颞叶部分的特征失真，如图6所示。

本方案通过将BOLD-fMRI信号转换成头皮电信号的方法，提供了一种对EEG和fMRI信号进行一致性分析的手段。实验的结果验证了此方案的有效性，达到了预期的目标。

Claims

1.一种EEG和fMRI一致性的检测方法，通过将BOLD-fMRI图像转换成头皮BOLD-电位，进而和同步EEG信号进行对比分析，进行fMRI图像和EEG信号之间的一致性检测；具体包括以下特征：

1)通过将BOLD-fMRI图像整合和填充后进行电势转换，将每一层的BOLD-fMRI图像转换成相应的皮层BOLD-电位；

2)将转换的皮层BOLD-电位加载到圆环区域上，求解头皮BOLD-电位分布，所述圆环区域为构建的球头模型的一个切面；

3)将头皮BOLD-电位分布和同步获取的EEG信号对比，以分析研究fMRI和EEG信号之间的一致性。

2.基于权利要求1所述的一种EEG和fMRI一致性的检测方法，采用以下BOLD-fMRI图像提取和整合方法：

1)fMRI皮层信息提取，包括fMRI图像边缘提取和环形映射；

2)图像信息整合，将多层扫描信息整合到特定区域；

3)空白区拟合填充，以获取完整的大脑皮层信息。

3.基于权利要求1所述的一种EEG和fMRI一致性的检测方法，采用以下电势转换以生成皮层BOLD-电位方法：

1)以待估计点为中心，在周围构造若干个点的的像素阵列，阵列中每一个点代表一个神经元，在阵列中随机选取n个点阵作为被激活的神经元模型，设定神经元动作电位；

2)被选中的点阵距离中心待求点的距离决定了动作电位的衰减程度，衰减参照求解静电分布的方法，求解泊松方程，得到该点的电势估计值；

3)对每一个像素进行上述计算得到皮层BOLD-电位分布。

4.基于权利要求1所述的一种EEG和fMRI一致性的检测方法，采用以下方法进行BOLD-电位和EEG一致性比对：

1)将皮层BOLD-电位加载到头模型上，有限元分析软件ANSYS进行求解计算获取头皮BOLD-电位分布；

2)头皮BOLD-电位与同步EEG进行拓扑图比较和时间序列对比。