CN114041797B - 一种脑磁测量头盔的传感器布局方法及系统 - Google Patents

一种脑磁测量头盔的传感器布局方法及系统 Download PDF

Info

Publication number
CN114041797B
CN114041797B CN202210029782.6A CN202210029782A CN114041797B CN 114041797 B CN114041797 B CN 114041797B CN 202210029782 A CN202210029782 A CN 202210029782A CN 114041797 B CN114041797 B CN 114041797B
Authority
CN
China
Prior art keywords
brain
scalp
surface data
data
coordinate system
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.)
Active
Application number
CN202210029782.6A
Other languages
English (en)
Other versions
CN114041797A (zh
Inventor
宁晓琳
王文丽
高阳
房建成
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.)
Hangzhou Innovation Research Institute of Beihang University
Original Assignee
Hangzhou Innovation Research Institute of Beihang University
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 Hangzhou Innovation Research Institute of Beihang University filed Critical Hangzhou Innovation Research Institute of Beihang University
Priority to CN202210029782.6A priority Critical patent/CN114041797B/zh
Publication of CN114041797A publication Critical patent/CN114041797A/zh
Application granted granted Critical
Publication of CN114041797B publication Critical patent/CN114041797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/242—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents
    • A61B5/245—Detecting biomagnetic fields, e.g. magnetic fields produced by bioelectric currents specially adapted for magnetoencephalographic [MEG] signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/04—Arrangements of multiple sensors of the same type
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Theoretical Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种脑磁测量头盔的传感器布局方法及系统，包括：S1、基于预先获取的脑部第一数据，获取脑部的头皮表面数据和皮质表面数据；所述预先获取的脑部第一数据为由核磁共振扫描脑部所得到的数据；S2、将所述脑部的头皮表面数据进行平滑处理，得到第一头皮表面数据；S3、基于所述第一头皮表面数据获取传感器在脑部的头皮表面数据中所对应的N个位置坐标；其中，N为预先设定值；S4、基于所述传感器在脑部的头皮表面数据所对应的N个位置坐标和皮质表面数据获取M个传感器在脑磁测量头盔中的分布方向和分布位置；其中M小于N。本发明同时考虑到了脑部的头皮表面和脑部的皮质表面从而最终得到的传感器分布位置非常合理。

Description

一种脑磁测量头盔的传感器布局方法及系统
技术领域
本发明涉及传感器布局技术领域，尤其涉及一种脑磁测量头盔的传感器布局方法及系统。
背景技术
脑磁图(Magnetoencephalography，MEG)是一项功能强大的神经成像技术，为大脑电生理学提供了一个无创窗口。传统的MEG系统是基于低温传感器(SQUID-MEG)来检测神经元组件中同步电流产生的小的颅外磁场，然而，这种系统有基本的局限性。近年来，非低温量子传感器，即光泵磁强计(OPMs)，与精确背景磁场控制的新技术相结合，有望消除这些限制，提供适应性强、运动鲁棒的OPM-MEG系统，提高数据质量，降低成本。尽管具有令人兴奋的潜力，但OPM-MEG仍是一项新兴技术，仍需进一步发展。虽然可以使用多通道系统，但大多数演示仍然使用位于特定大脑区域的少量传感器，而全头部阵列的引入将是向前迈出的重要一步。
但是，脑磁测量头盔的传感器的最佳分布设计仍然是一个悬而未决的问题。现有技术中是基于点填充算法对脑磁测量头盔的传感器进行布局，但是在该方法中，传感器是随机选择并移动的，从而会影响最终的传感器均匀分配的效果，因此现有技术中的传感器的在脑磁测量头盔中的布局分布不均匀，同时，该方法中传感器的分布并没有考虑到脑部的皮质表面仅仅考虑的脑部的头皮表面，但是，传感器主要又是针对皮质表面，因此现有的传感器布局方法最终的得到的传感器位置并不合理。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足，本发明提供一种脑磁测量头盔的传感器布局方法及系统，其解决了现有技术中存在的传感器分布不考虑脑部的皮质表面从而得到的传感器分布位置并不合理的技术问题。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
第一方面，本发明实施例提供一种脑磁测量头盔的传感器布局方法，包括：
S1、基于预先获取的脑部第一数据，获取脑部的头皮表面数据和皮质表面数据；
所述预先获取的脑部第一数据为由核磁共振扫描脑部所得到的数据；
S2、将所述脑部的头皮表面数据进行平滑处理，得到第一头皮表面数据；
S3、基于所述第一头皮表面数据获取传感器在脑部的头皮表面数据中所对应的N个位置坐标；
其中，N为预先设定值；
S4、基于所述传感器在脑部的头皮表面数据所对应的N个位置坐标和皮质表面数据获取M个传感器在脑磁测量头盔中的分布方向和分布位置；
其中M小于N。
优选的，所述S1包括：
S11、将预先获取的脑部第一数据转换至MNI空间坐标系中，获取MNI空间坐标系中的脑部第一数据；
S12、针对所述MNI空间坐标系中的脑部第一数据进行三维重建，获得在MNI空间坐标系中的脑部的头皮表面数据和皮质表面数据。
优选的，
所述在MNI空间坐标系中的脑部的头皮表面数据包括三维重建的头皮表面的三角网格和该头皮表面的三角网格的顶点；
所述皮质表面数据包括三维重建的皮质表面的三角网格和该皮质表面的三角网格的顶点。
优选的，
所述第一头皮表面数据满足第一预设条件；
所述第一预设条件为：所述第一头皮表面数据中所有的头皮表面的三角网格的顶点与所述第一头皮表面数据的中心的最大距离和最小距离相差不大于5毫米。
优选的，所述S3包括：
S31、采用Kasa fit方法将所述第一头皮表面数据和标准球形进行拟合，得到在MNI空间坐标系中的第一拟合球体并获取该第一拟合球体的球心和半径以及该第一拟合球体的整个表面的弧度值
Figure GDA0003526608890000031
S32、基于所述第一拟合球体的球心和半径，采用斐波那契球体算法获取该第一拟合球体表面的N个均匀分布的点；
S33、采用ICP算法将该第一拟合球体表面的N个均匀分布的点与第一头皮表面数据进行拟合，得到第二拟合球体；
S34、基于所述第二拟合球体，利用最近邻分类器获取N个均匀分布的点在第一头皮表面数据所对应的N个位置坐标；
S35、基于N个均匀分布的点在第一头皮表面数据所对应的N个位置坐标，获取该N个均匀分布的点在脑部的头皮表面数据所对应的N个位置坐标。
优选的，
所述第一拟合球体表面的N个均匀分布的点中的第i个均匀分布的点的位置坐标满足公式(1)；
其中，所述公式(1)为：
Figure GDA0003526608890000041
其中，r为第一拟合球体的半径；
xi为第i个均匀分布的点的位置在MNI空间坐标系中x轴的坐标值；
yi为第i个均匀分布的点的位置在MNI空间坐标系中y轴的坐标值；
zi为第i个均匀分布的点的位置在MNI空间坐标系中z轴的坐标值。
优选的，所述S4包括：
S41、基于在MNI空间坐标系中的皮质表面数据，获取在MNI空间坐标系中的皮质表面数据中所对应的MNI空间坐标系的z轴坐标的最小值zmin；
S42、基于在MNI空间坐标系中的皮质表面数据中对应的MNI空间坐标系的z轴坐标的最小值zmin获取在MNI空间坐标系中的第一拟合球体的第一切面以上表面的弧度值
Figure GDA0003526608890000042
所述第一拟合球体的第一切面为第一拟合球体在MNI空间坐标系中穿过MNI空间坐标系的z轴坐标的最小值zmin且MNI空间坐标系中的x-y平面的平面；
S43、基于所述N个均匀分布的点在脑部的头皮表面数据所对应的N个位置坐标和/或在MNI空间坐标系中的皮质表面数据中对应的MNI空间坐标系的z轴坐标的最小值zmin和/或以及整个第一拟合球体的表面的弧度值
Figure GDA0003526608890000043
第一拟合球体中第一切面以上表面的弧度值
Figure GDA0003526608890000044
获取M个传感器在脑磁测量头盔中的分布方向和分布位置。
优选的，所述S43具体包括：
S431、基于该N个均匀分布的点在脑部的头皮表面数据所对应的N个位置坐标，分别确定该N个均匀分布的点在脑部的头皮表面数据的所对应的N个位置坐标分别所在的三角网格的法线方向，并该法线方向作为传感器在脑磁测量头盔中的传感器的分布方向；
S432、基于所述N个均匀分布的点在脑部的头皮表面数据所对应的N个位置坐标和整个第一拟合球体的表面的弧度值
Figure GDA0003526608890000051
第一拟合球体中第一切面以上表面的弧度值
Figure GDA0003526608890000052
获取M个传感器在脑磁测量头盔中的分布位置；
其中，M满足公式(2)；
其中，所述公式(2)为：
Figure GDA0003526608890000053
其中，
Figure GDA0003526608890000054
为向上取整符号。
优选的，所述S432中获取M个传感器在脑磁测量头盔中的分布位置，具体包括：
在该N个均匀分布的点在脑部头皮表面数据所对应N个位置坐标中提取位置坐标的z轴坐标大于zmin的M个均匀分布的点在脑部头皮表面数据所对应的位置坐标，并将该M个均匀分布的点在脑部头皮表面数据所对应的位置坐标作为传感器在脑磁测量头盔中的分布位置。
另一方面，本实施例还提供一种脑磁测量头盔的传感器布局系统，所述系统包括：
至少一个处理器；
以及与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述任一脑磁测量头盔的传感器布局方法。
(三)有益效果
本发明的有益效果是：本发明的一种脑磁测量头盔的传感器布局方法及系统，首先对脑部的头皮表面数据进行平滑处理，得到第一头皮表面数据，然后根据第一头皮表面数据获取传感器在脑部的头皮表面数据中所对应的N个位置坐标，最后基于所述传感器在脑部的头皮表面数据所对应的N个位置坐标和皮质表面数据获取M个传感器在脑磁测量头盔中的分布方向和分布位置，本发明同时考虑到了脑部的头皮表面和脑部的皮质表面从而最终得到的传感器分布位置非常合理。
附图说明
图1为本发明的一种脑磁测量头盔的传感器布局方法流程图；
图2为本发明实施例中的获取的脑部的头皮表面数据和皮质表面数据示意图；
图3为本发明实施例中的在MNI空间坐标系中的脑部的头皮表面数据和皮质表面数据示意图；
图4为本发明实施例中采用斐波那契球体算法获取该第一拟合球体表面的N(N＝100)个均匀分布的点的示意图；
图5为根据本发明的一种脑磁测量头盔的传感器布局方法所得到的传感器的分布位置示意图。
【附图标记说明】
1：脑部的头皮表面数据；
2：脑部的皮质表面数据；
3：第一切面；
4：传感器在脑磁测量头盔中的分布位置。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
参见图1，本实施例提供一种脑磁测量头盔的传感器布局方法，包括：
S1、基于预先获取的脑部第一数据，参见图2，获取脑部的头皮表面数1和脑部的皮质表面数据2。
所述预先获取的脑部第一数据为由核磁共振扫描脑部所得到的数据。
S2、将所述脑部的头皮表面数据1进行平滑处理，得到第一头皮表面数据。
具体的，将脑部的头皮表面数据1进行平滑处理使其膨胀至近似球形，即表面平滑，无任何凸起或沟壑，且头皮表面的任意三角网格的顶点与球心(该球心为脑部的头皮表面数据进行平滑处理使其膨胀成的近似球形的球心)的距离相差不大于5毫米。
S3、基于所述第一头皮表面数据获取传感器在脑部的头皮表面数据中所对应的N个位置坐标。其中，N为预先设定值。
S4、基于所述传感器在脑部的头皮表面数据所对应的N个位置坐标和皮质表面数据获取M个传感器在脑磁测量头盔中的分布方向和分布位置。其中M小于N。
在本实施例的实际应用中，所述S1包括：
S11、将预先获取的脑部第一数据转换至MNI空间坐标系中，获取MNI空间坐标系中的脑部第一数据。
S12、针对所述MNI空间坐标系中的脑部第一数据进行三维重建，获得在MNI空间坐标系中的脑部的头皮表面数据和皮质表面数据。
参见图2，在具体应用中，根据核磁共振扫描脑部得到的数据进行三维重建获得脑部的头皮表面数据1和皮质表面数据2(这里的头皮表面数据为头皮外表面，皮质表面数据为脑部中的脑灰质外表面)。
在本实施例的实际应用中，所述在MNI空间坐标系中的脑部的头皮表面数据包括三维重建的头皮表面的三角网格和该头皮表面的三角网格的顶点。
所述皮质表面数据包括三维重建的皮质表面的三角网格和该皮质表面的三角网格的顶点。
在本实施例的实际应用中，所述第一头皮表面数据满足第一预设条件。所述第一预设条件为：所述第一头皮表面数据中所有的头皮表面的三角网格的顶点与所述第一头皮表面数据的中心(这里的第一头皮表面数据的中心也就是脑部的头皮表面数据进行平滑处理使其膨胀成的近似球形的球心)的最大距离和最小距离相差不大于5毫米。
在本实施例的实际应用中，所述S3包括：
S31、采用Kasa fit方法将所述第一头皮表面数据和标准球形进行拟合，得到在MNI空间坐标系中的第一拟合球体并获取该第一拟合球体的球心和半径以及该第一拟合球体的整个表面的弧度值
Figure GDA0003526608890000081
具体的，上述的标准球形，并没有特殊要求，是根据第一头皮表面数据适应调整的。
S32、基于所述第一拟合球体的球心和半径，参见图4，采用斐波那契球体算法获取该第一拟合球体表面的N个均匀分布的点。
举例说明，假设球面的半径为1，若想在该球面上取均匀分布的N个点，则第n个点的坐标(xn,yn,zn)可以由下列公式给出：
Figure GDA0003526608890000091
Figure GDA0003526608890000092
Figure GDA0003526608890000093
其中，常数
Figure GDA0003526608890000094
正是黄金分割比。
斐波那契球体算法，相当于把球面切成相同厚度的N层，并在每一层的厚度中点处的表面上取一个点。注意，这里各层的厚度相同，但纬度的跨度是不同的，即在两级处的纬度跨度更大。这样切出来的各层有一个性质：侧面积都相等，且不会出现两级分布密集，赤道分布稀疏的情况。这是因为各层的侧面可以近似看成环面，在纬度为θ处，环面的半径为cosθ，而环面的宽度为2/(Ncosθ)，所以环面的面积均为4π/N。这个性质保证了点阵分布在宏观上的均匀性：即不管在什么纬度，都是每4π/N面积上有一个点。
公式(b)和公式(c)实际上是指明了各个点的经度成等差数列。可以将这两个公式理解为从每一个点到下一个点，首先沿着经线向上爬，使得竖坐标增加2/N，然后沿着纬线转
Figure GDA0003526608890000095
圈。由于这里的
Figure GDA0003526608890000096
比半圈大，则只需绕
Figure GDA0003526608890000097
圈也可以。这两个值对应的角度分别为222.5度和137.5度，这里把360度黄金分割后的两部分，称为黄金角。
最后，参见图4，为基于斐波那契球体算法产生的N(N＝100)个均匀分布的点，从宏观上看，各处点的密度都差不多，因此，采用斐波那契球体算法产生的点是均匀分布的；同时，各点之间没有较大的缝隙，以容纳更多的点而不减小点的间距。
本实施例中可以根据个人需求设置不同的传感器数目。
S33、采用ICP算法将该第一拟合球体表面的N个均匀分布的点与第一头皮表面数据进行拟合，得到第二拟合球体；
S34、基于所述第二拟合球体，利用最近邻分类器获取N个均匀分布的点在第一头皮表面数据所对应的N个位置坐标；
S35、基于N个均匀分布的点在第一头皮表面数据所对应的N个位置坐标，获取该N个均匀分布的点在脑部的头皮表面数据所对应的N个位置坐标。
在本实施例的实际应用中，所述第一拟合球体表面的N个均匀分布的点中的第i个均匀分布的点的位置坐标满足公式(1)；
其中，所述公式(1)为：
Figure GDA0003526608890000101
其中，r为第一拟合球体的半径。
xi为第i个均匀分布的点的位置在MNI空间坐标系中x轴的坐标值。
yi为第i个均匀分布的点的位置在MNI空间坐标系中y轴的坐标值。
zi为第i个均匀分布的点的位置在MNI空间坐标系中z轴的坐标值。
在本实施例的实际应用中，所述S4包括：
S41、基于在MNI空间坐标系中的皮质表面数据，获取在MNI空间坐标系中的皮质表面数据中所对应的MNI空间坐标系的z轴坐标的最小值zmin。
S42、基于在MNI空间坐标系中的皮质表面数据中对应的MNI空间坐标系的z轴坐标的最小值zmin获取在MNI空间坐标系中的第一拟合球体的第一切面以上表面的弧度值
Figure GDA0003526608890000102
参见图2，所述第一拟合球体的第一切面3为第一拟合球体在MNI空间坐标系中穿过MNI空间坐标系的z轴坐标的最小值zmin且MNI空间坐标系中的x-y平面的平面；
S43、基于所述N个均匀分布的点在脑部的头皮表面数据所对应的N个位置坐标和/或在MNI空间坐标系中的皮质表面数据中对应的MNI空间坐标系的z轴坐标的最小值zmin和/或以及整个第一拟合球体的表面的弧度值
Figure GDA0003526608890000111
第一拟合球体中第一切面以上表面的弧度值
Figure GDA0003526608890000112
获取M个传感器在脑磁测量头盔中的分布方向和分布位置。
在本实施例的实际应用中，所述S43具体包括：
S431、基于该N个均匀分布的点在脑部的头皮表面数据所对应的N个位置坐标，分别确定该N个均匀分布的点在脑部的头皮表面数据的所对应的N个位置坐标分别所在的三角网格的法线方向，并该法线方向作为传感器在脑磁测量头盔中的传感器的分布方向；
S432、基于所述N个均匀分布的点在脑部的头皮表面数据所对应的N个位置坐标和整个第一拟合球体的表面的弧度值
Figure GDA0003526608890000113
第一拟合球体中第一切面以上表面的弧度值
Figure GDA0003526608890000114
获取M个传感器在脑磁测量头盔中的分布位置；
其中，M满足公式(2)；
其中，所述公式(2)为：
Figure GDA0003526608890000115
其中，
Figure GDA0003526608890000116
为向上取整符号。
在本实施例的实际应用中，所述S432中获取M个传感器在脑磁测量头盔中的分布位置，具体包括：
在该N个均匀分布的点在脑部头皮表面数据所对应N个位置坐标中提取位置坐标的z轴坐标大于zmin的M个均匀分布的点在脑部头皮表面数据所对应的位置坐标，如图5所示，并将该M个均匀分布的点在脑部头皮表面数据所对应的位置坐标作为传感器在脑磁测量头盔中的分布位置。
本实施例中的一种脑磁测量头盔的传感器布局方法，首先对脑部的头皮表面数据进行平滑处理，得到第一头皮表面数据，然后根据第一头皮表面数据获取传感器在脑部的头皮表面数据中所对应的N个位置坐标，最后基于所述传感器在脑部的头皮表面数据所对应的N个位置坐标和皮质表面数据获取M个传感器在脑磁测量头盔中的分布方向和分布位置，本发明同时考虑到了脑部的头皮表面和脑部的皮质表面从而最终得到的传感器分布位置非常合理。
由于本发明上述实施例所描述的系统，为实施本发明上述实施例的方法所采用的系统，故而基于本发明上述实施例所描述的方法，本领域所属技术人员能够了解该系统的具体结构及变形，因而在此不再赘述。凡是本发明上述实施例的方法所采用的系统都属于本发明所欲保护的范围。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。

Claims (4)

1.一种脑磁测量头盔的传感器布局方法，其特征在于，包括：
S1、基于预先获取的脑部第一数据，获取脑部的头皮表面数据和皮质表面数据；
所述预先获取的脑部第一数据为由核磁共振扫描脑部所得到的数据；
S2、将所述脑部的头皮表面数据进行平滑处理，得到第一头皮表面数据；
S3、基于所述第一头皮表面数据获取传感器在脑部的头皮表面数据中所对应的N个位置坐标；
其中，N为预先设定值；
S4、基于所述传感器在脑部的头皮表面数据所对应的N个位置坐标和皮质表面数据获取M个传感器在脑磁测量头盔中的分布方向和分布位置；
其中M小于N；
所述S1包括：
S11、将预先获取的脑部第一数据转换至MNI空间坐标系中，获取MNI空间坐标系中的脑部第一数据；
S12、针对所述MNI空间坐标系中的脑部第一数据进行三维重建，获得在MNI空间坐标系中的脑部的头皮表面数据和皮质表面数据；
所述在MNI空间坐标系中的脑部的头皮表面数据包括三维重建的头皮表面的三角网格和该头皮表面的三角网格的顶点；
所述皮质表面数据包括三维重建的皮质表面的三角网格和该皮质表面的三角网格的顶点；
所述第一头皮表面数据满足第一预设条件；
所述第一预设条件为：所述第一头皮表面数据中所有的头皮表面的三角网格的顶点与所述第一头皮表面数据的中心的最大距离和最小距离相差不大于5毫米；
所述S3包括：
S31、采用Kasa fit方法将所述第一头皮表面数据和标准球形进行拟合，得到在MNI空间坐标系中的第一拟合球体并获取该第一拟合球体的球心和半径以及该第一拟合球体的整个表面的弧度值
Figure FDA0003535946460000021
S32、基于所述第一拟合球体的球心和半径，采用斐波那契球体算法获取该第一拟合球体表面的N个均匀分布的点；
S33、采用ICP算法将该第一拟合球体表面的N个均匀分布的点与第一头皮表面数据进行拟合，得到第二拟合球体；
S34、基于所述第二拟合球体，利用最近邻分类器获取N个均匀分布的点在第一头皮表面数据所对应的N个位置坐标；
S35、基于N个均匀分布的点在第一头皮表面数据所对应的N个位置坐标，获取该N个均匀分布的点在脑部的头皮表面数据所对应的N个位置坐标；
所述S4包括：
S41、基于在MNI空间坐标系中的皮质表面数据，获取在MNI空间坐标系中的皮质表面数据中所对应的MNI空间坐标系的z轴坐标的最小值zmin；
S42、基于在MNI空间坐标系中的皮质表面数据中对应的MNI空间坐标系的z轴坐标的最小值zmin获取在MNI空间坐标系中的第一拟合球体的第一切面以上表面的弧度值
Figure FDA0003535946460000022
所述第一拟合球体的第一切面为第一拟合球体在MNI空间坐标系中穿过MNI空间坐标系的z轴坐标的最小值zmin且MNI空间坐标系中的x-y平面的平面；
S43、基于所述N个均匀分布的点在脑部的头皮表面数据所对应的N个位置坐标和在MNI空间坐标系中的皮质表面数据中对应的MNI空间坐标系的z轴坐标的最小值zmin和整个第一拟合球体的表面的弧度值
Figure FDA0003535946460000033
第一拟合球体中第一切面以上表面的弧度值
Figure FDA0003535946460000034
获取M个传感器在脑磁测量头盔中的分布方向和分布位置；
所述S43具体包括：
S431、基于该N个均匀分布的点在脑部的头皮表面数据所对应的N个位置坐标，分别确定该N个均匀分布的点在脑部的头皮表面数据的所对应的N个位置坐标分别所在的三角网格的法线方向，并该法线方向作为传感器在脑磁测量头盔中的传感器的分布方向；
S432、基于所述N个均匀分布的点在脑部的头皮表面数据所对应的N个位置坐标和整个第一拟合球体的表面的弧度值
Figure FDA0003535946460000035
第一拟合球体中第一切面以上表面的弧度值
Figure FDA0003535946460000036
获取M个传感器在脑磁测量头盔中的分布位置；
其中，M满足公式(2)；
其中，所述公式(2)为：
Figure FDA0003535946460000031
其中，
Figure FDA0003535946460000032
为向上取整符号。
2.根据权利要求1所述的方法，其特征在于，
所述第一拟合球体表面的N个均匀分布的点中的第i个均匀分布的点的位置坐标满足公式(1)；
其中，所述公式(1)为：
Figure FDA0003535946460000041
其中，r为第一拟合球体的半径；
xi为第i个均匀分布的点的位置在MNI空间坐标系中x轴的坐标值；
yi为第i个均匀分布的点的位置在MNI空间坐标系中y轴的坐标值；
zi为第i个均匀分布的点的位置在MNI空间坐标系中z轴的坐标值。
3.根据权利要求2所述的方法，其特征在于，所述S432中获取M个传感器在脑磁测量头盔中的分布位置，具体包括：
在该N个均匀分布的点在脑部头皮表面数据所对应N个位置坐标中提取位置坐标的z轴坐标大于zmin的M个均匀分布的点在脑部头皮表面数据所对应的位置坐标，并将该M个均匀分布的点在脑部头皮表面数据所对应的位置坐标作为传感器在脑磁测量头盔中的分布位置。
4.一种脑磁测量头盔的传感器布局系统，其特征在于，所述系统包括：
至少一个处理器；
以及与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至3任一所述脑磁测量头盔的传感器布局方法。
CN202210029782.6A 2022-01-12 2022-01-12 一种脑磁测量头盔的传感器布局方法及系统 Active CN114041797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210029782.6A CN114041797B (zh) 2022-01-12 2022-01-12 一种脑磁测量头盔的传感器布局方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210029782.6A CN114041797B (zh) 2022-01-12 2022-01-12 一种脑磁测量头盔的传感器布局方法及系统

Publications (2)

Publication Number Publication Date
CN114041797A CN114041797A (zh) 2022-02-15
CN114041797B true CN114041797B (zh) 2022-04-19

Family

ID=80196242

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210029782.6A Active CN114041797B (zh) 2022-01-12 2022-01-12 一种脑磁测量头盔的传感器布局方法及系统

Country Status (1)

Country Link
CN (1) CN114041797B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105212895A (zh) * 2015-08-24 2016-01-06 中国科学院苏州生物医学工程技术研究所 动态脑磁源定位方法
CN105395196A (zh) * 2015-12-17 2016-03-16 中国科学院苏州生物医学工程技术研究所 Eeg或meg电极在脑mr图像中的定位装置和方法
CN108042918A (zh) * 2018-01-29 2018-05-18 上海理禾医疗技术有限公司 基于3d打印的个性化经颅磁刺激治疗的定位装置及方法
CN109416939A (zh) * 2017-12-05 2019-03-01 北京师范大学 面向群体应用的经颅脑图谱生成方法、预测方法及其装置
CN109496338A (zh) * 2017-12-05 2019-03-19 北京师范大学 基于个体特征的经颅脑图谱生成方法、导航方法及其系统
CN109662778A (zh) * 2019-03-01 2019-04-23 中国人民解放军国防科技大学 基于三维卷积的人机交互式颅内电极定位方法与系统
CN110662576A (zh) * 2017-07-18 2020-01-07 赫尔实验室有限公司 用于认知增强的个性化闭环脉冲经颅刺激系统
CN110710966A (zh) * 2019-11-12 2020-01-21 北京航空航天大学 一种用于测量人脑部磁场信号的吸盘式可穿戴柔性脑磁帽
CN111289926A (zh) * 2020-02-19 2020-06-16 北京航空航天大学 一种脑磁测量头盔的设计和标定方法
CN112669386A (zh) * 2020-12-29 2021-04-16 北京大学 基于三维光学扫描的脑磁图自动化定位配准方法及装置
CN112822981A (zh) * 2018-10-09 2021-05-18 皇家飞利浦有限公司 自动eeg传感器配准

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5823195B2 (ja) * 2011-07-13 2015-11-25 住友重機械工業株式会社 脳磁計及び脳磁測定方法
EP2561810A1 (en) * 2011-08-24 2013-02-27 Université Libre de Bruxelles Method of locating eeg and meg sensors on a head
US20150366503A1 (en) * 2014-06-19 2015-12-24 Smartbrain As Electrode fixing device
CN107708799A (zh) * 2015-11-24 2018-02-16 精工爱普生株式会社 辅助装置及用户终端
US20210015427A1 (en) * 2019-07-20 2021-01-21 QuSpin Inc. Easily customizable multi-shell meg helmet

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105212895A (zh) * 2015-08-24 2016-01-06 中国科学院苏州生物医学工程技术研究所 动态脑磁源定位方法
CN105395196A (zh) * 2015-12-17 2016-03-16 中国科学院苏州生物医学工程技术研究所 Eeg或meg电极在脑mr图像中的定位装置和方法
CN110662576A (zh) * 2017-07-18 2020-01-07 赫尔实验室有限公司 用于认知增强的个性化闭环脉冲经颅刺激系统
CN109416939A (zh) * 2017-12-05 2019-03-01 北京师范大学 面向群体应用的经颅脑图谱生成方法、预测方法及其装置
CN109496338A (zh) * 2017-12-05 2019-03-19 北京师范大学 基于个体特征的经颅脑图谱生成方法、导航方法及其系统
CN108042918A (zh) * 2018-01-29 2018-05-18 上海理禾医疗技术有限公司 基于3d打印的个性化经颅磁刺激治疗的定位装置及方法
CN112822981A (zh) * 2018-10-09 2021-05-18 皇家飞利浦有限公司 自动eeg传感器配准
CN109662778A (zh) * 2019-03-01 2019-04-23 中国人民解放军国防科技大学 基于三维卷积的人机交互式颅内电极定位方法与系统
CN110710966A (zh) * 2019-11-12 2020-01-21 北京航空航天大学 一种用于测量人脑部磁场信号的吸盘式可穿戴柔性脑磁帽
CN111289926A (zh) * 2020-02-19 2020-06-16 北京航空航天大学 一种脑磁测量头盔的设计和标定方法
CN112669386A (zh) * 2020-12-29 2021-04-16 北京大学 基于三维光学扫描的脑磁图自动化定位配准方法及装置

Also Published As

Publication number Publication date
CN114041797A (zh) 2022-02-15

Similar Documents

Publication Publication Date Title
Thompson et al. Mapping cortical change in Alzheimer's disease, brain development, and schizophrenia
Zhang et al. Feature-based surface parameterization and texture mapping
Herman et al. Display of three-dimensional information in computed tomography
Huang et al. A sensor-weighted overlapping-sphere head model and exhaustive head model comparison for MEG
Wu et al. Spherical self-organizing map using efficient indexed geodesic data structure
Fuchs et al. A standardized boundary element method volume conductor model
Everts et al. Exploration of the brain’s white matter structure through visual abstraction and multi-scale local fiber tract contraction
Chen et al. A structurally detailed finite element human head model for simulation of transcranial magnetic stimulation
Lyu et al. A cortical shape-adaptive approach to local gyrification index
Ju et al. A geometric database for gene expression data
Shi et al. Cortical surface reconstruction via unified Reeb analysis of geometric and topological outliers in magnetic resonance images
Toro et al. Geometric atlas: modeling the cortex as an organized surface
CN114041797B (zh) 一种脑磁测量头盔的传感器布局方法及系统
Czarnecki et al. Recovery of the Auxetic Microstructures Appearing in the Least Compliant Continuum Two‐Dimensional Bodies
Kalitzin et al. A computational method for segmenting topological point-sets and application to image analysis
Landreneau et al. Scales and scale‐like structures
Naderi et al. Three-dimensional virtual microstructure generation of porous polycrystalline ceramics
Ranken et al. MRIVIEW: an interactive computational tool for investigation of brain structure and function
Liao et al. Sparse imaging of cortical electrical current densities via wavelet transforms
Hu et al. Geometry-aware planar embedding of treelike structures
Ziolkowski et al. Equivalent ellipsoid as an interpretation tool of extended current distributions in biomagnetic inverse problems
Hurdal et al. Case study: Interacting with cortical flat maps of the human brain
Domin et al. Direct glyph-based visualization of diffusion MR data using deformed spheres
Tanaka et al. Three-dimensional visual feature representation in the primary visual cortex
Wang et al. Brain surface conformal parameterization with the Ricci flow

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant