申请/专利权人：苏州大学

申请日：2021-10-15

公开（公告）日：2022-11-25

公开（公告）号：CN113995422B

主分类号：A61B5/369

分类号：A61B5/369;A61B5/372;G06F17/16;G06N7/00;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2022.11.25#授权;2022.02.22#实质审查的生效;2022.02.01#公开

摘要：本发明公开了一种基于非负块稀疏贝叶斯学习的瞬态脑电源定位方法及系统，该方法首先采集瞬态多通道EEG，计算样本协方差矩阵，对矩阵每列加权，可表示为Laplace平滑后各脑区上非负块稀疏表示；然后设置迭代停止条件以及非负脑区功率稀疏支撑向量的初始值；然后基于非负高斯分布迭代更新非负脑区功率向量的后验均值与协方差并由此更新非负脑区功率稀疏支撑向量；最后，利用最新的非负脑区功率稀疏支撑向量给出源定位结果。本发明利用协方差向量的脑区非负块稀疏表示，结合非负高斯后验分布的期望与方差，给出瞬态EEG源定位NNBSBL方法。该方法无需预知或估计噪声协方差矩阵，定位精度和分辨率高，为认知心理学、脑机接口、神经诊疗等领域提供了技术手段。

主权项：1.基于非负块稀疏贝叶斯学习的瞬态脑电源定位方法，其特征在于，包括以下步骤：S1、利用M个电极采集对应于瞬态响应的多通道EEG，采样率为fs，共记录T个采样点，并对其预处理获得M×T维预处理后的多通道EEG数据Y；同时，将皮层划分成NROI个脑区，根据这些脑区将导程场矩L阵划分成各脑区上的子导程场矩阵Ln,n＝1,2,...,NROI，并计算各脑区上的空间平滑核矩阵Kn,n＝1,2,...,NROI；S2、利用预处理后的多通道EEG数据Y计算样本协方差矩阵利用样本协方差矩阵各脑区上的子导程场矩阵Ln和各脑区上的空间平滑核矩阵Kn,n＝1,2,...,NROI，构造加权样本数据矩阵Z以及平滑脑区基矩阵m＝1,2,...,M；S3、将非负脑区功率稀疏支撑向量α初始化为αinit，并设置迭代参数；S4、利用加权样本数据矩阵Z、平滑脑区基矩阵以及前一非负脑区功率稀疏支撑向量α计算非负脑区功率系数γ的后验均值向量μγ和后验协方差矩阵Σγ；S5、根据非负脑区功率系数γ的后验均值向量μγ和后验协方差矩阵Σγ计算非负脑区功率稀疏支撑向量α的更新值αnew；S6、判断是否满足迭代停止条件：迭代次数n≥Nm或||αnew-α||2||α||2≤ε，其中||·||2表示l2范数，若不满足则令α＝αnew；若是，则回到步骤S4继续进行迭代运算；否则结束迭代，利用加权样本数据矩阵Z、平滑脑区基矩阵m＝1,2,...,M以及当前非负脑区功率稀疏支撑向量α的更新值αnew计算非负脑区功率系数γ的一阶矩γ，并联合各脑区上的空间平滑核矩阵Kn,n＝1,2,...,NROI计算得到皮层神经元电活动的空间协方差矩阵Σxγ。

全文数据：

权利要求：

百度查询： 苏州大学 基于非负块稀疏贝叶斯学习的瞬态脑电源定位方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD