脑成像检测装置制造方法及图纸

本发明专利技术提供一种脑成像检测装置

【技术实现步骤摘要】
脑成像检测装置、系统、电子设备及存储介质


[0001]本专利技术涉及脑成像领域，尤其涉及一种脑成像检测装置
、
系统
、
电子设备及存储介质
。

技术介绍

[0002]脑成像技术和方法是研究人类大脑的重要手段，可以用于评估脑活动和功能连接，研究认知
、
情感
、
行为等方面的神经机制
。
[0003]目前，脑成像技术和方法主要包括功能性磁共振成像
(functional magnetic resonance imaging
，
fMRI)、
脑电图
(electroencephalogram
，
EEG)、
脑磁图
(magnetoencephalography
，
MEG)
等
。fMRI
是一种基于血氧水平依赖性信号的脑成像技术，可以用于评估脑活动和功能连接
。
[0004]fMRI
的原理是通过磁共振成像技术测量血氧水平依赖性信号，来反映脑区的代谢活动
。fMRI
具有较高的空间分辨率，可以确定脑活动的具体位置，但时间分辨率较低，不能捕捉到脑活动的瞬时变化
。EEG
和
MEG
是一种基于电信号的脑成像技术，可以用于评估脑活动和功能连接
。EEG
和
MEG
的原理是通过电极或磁传感器测量脑区的电信号或磁信号，来反映脑活动的时间和空间特征
。EEG
和
MEG
具有较高的时间分辨率，可以捕捉到脑活动的瞬时变化，但空间分辨率较低，不能确定脑活动的具体位置，且通常需要昂贵的设备和复杂的数据分析，限制了它们的应用范围和可行性
。
[0005]针对上述问题，目前业界暂未提出较佳的解决方案
。

技术实现思路

[0006]本专利技术提供一种脑成像检测装置
、
系统
、
电子设备及存储介质，用以至少解决现有技术中
fMRI
信号的时间分辨率较低以及
EEG
和
MEG
的空间分辨率较低的问题
。
[0007]本专利技术提供一种脑成像检测装置，所述装置包括：信号接收模块，被配置成从近红外光谱成像设备接收初始脑活动信号序列；所述初始脑活动信号序列中的每一脑活动信号分别具有相应的检测时间；线性关系转换模块，被配置成针对所述初始脑活动信号序列所对应的各个初始脑部体素，基于预设的线性关系拟合模型确定所述体素所对应的动力学响应关系；所述动力学响应关系定义了针对所述初始脑部体素的在多个连续时间步长上的血流动力学响应关系；所述线性关系拟合模型包含级联的线性参数变化模型部分和自回归移动平均模型部分；自适应滤波模块，被配置成基于自适应滤波模型对各个所述初始脑部体素分别进行滤波处理，以得到相应的各个目标脑部体素；脑成像模块，被配置成根据所述各个目标脑部体素，生成脑成像结果
。
[0008]根据本专利技术实施例提供的脑成像检测装置，所述线性参数变化模型部分的一般表达式为：
[0009]x(k+1)
＝
A(p(k))x(k)+B(p(k))u(k)
[0010]y(k)
＝
C(p(k))x(k)+D(p(k))u(k)
[0011]其中，
k
表示所述初始脑活动信号序列中的各个信号所对应的离散时间，状态向量信号所对应的输入向量输出向量模型矩阵
A(p(k)),B(p(k)),C(p(k))
和
D(p(k))
是参数变化的矩阵，表示参数向量，
n、q、l
和
s
分别表示状态向量
、
输入向量
、
输出向量和参数向量的维度
。
[0012]根据本专利技术实施例提供的脑成像检测装置，所述线性参数变化模型部分为具有仿射参数依赖性的模型，其中，所述线性参数变化模型部分是通过如下方式依赖于参数向量
p(k)
的模型：
[0013][0014][0015][0016][0017]其中，
p
i
(k)
是参数向量
p(k)
的第
i
个元素，个元素，
[0018]根据本专利技术实施例提供的脑成像检测装置，所述自回归移动平均模型部分用于对由所述线性参数变化模型部分所确定的输入输出关系进行转换：
[0019]y(k)+a1(p(k))y(k―1)+a2(p(k))y(k―2)
[0020]+
…
+a
n
(p(k))y(k―n)
[0021]＝
b1(p(k))u(k―1)+b2(p(k))u(k―2)
[0022]+
…
+b
m
(p(k))u(k―m),
[0023][0024][0025]其中，
q
＝
l
＝1，和分别是第
k
个时间步的输出和输入，是变化的参数向量，
s
表示
s
维参数向量，
a
i
,b
j
是与参数相关的系数，
i
＝
1,2,
…
,n
，
j
＝
1,2,
…
,m。
[0026]根据本专利技术实施例提供的脑成像检测装置，所述动力学响应关系为：
[0027]y(k)
＝
X(k)
β
；
[0028]其中，转换因子
[0029]a
i
＝
―[a
i0
a
i1
…
a
is
]T
；
i
＝
1,2,3,
…
,n
，
[0030]b
i
＝
[b
i0
b
i1
…
b
is
]T
；
i
＝
1,2,
…
,m。
[0031]根据本专利技术实施例提供的脑成像检测装置，所述自适应滤波模块被配置成执行包括以下的操作：基于预设的权重更新算法
、
历史转换因子和历史输出向量，确定对应第
k
个
时间步的目标滤波因子；所述历史转换因子和所述历史输出向量是根据对应至少一个历史时间步的脑活动信号而确定的；根据所述目标滤波因子，对所述第
k
个时间步所对应的初始脑部体素进行反馈滤波处理
。
[0032]本专利技术另一方面还本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种脑成像检测装置，其特征在于，所述装置包括：信号接收模块，被配置成从近红外光谱成像设备接收初始脑活动信号序列；所述初始脑活动信号序列中的每一脑活动信号分别具有相应的检测时间；线性关系转换模块，被配置成针对所述初始脑活动信号序列所对应的各个初始脑部体素，基于预设的线性关系拟合模型确定所述体素所对应的动力学响应关系；所述动力学响应关系定义了针对所述初始脑部体素的在多个连续时间步长上的血流动力学响应关系；所述线性关系拟合模型包含级联的线性参数变化模型部分和自回归移动平均模型部分；自适应滤波模块，被配置成基于自适应滤波模型对各个所述初始脑部体素分别进行滤波处理，以得到相应的各个目标脑部体素；脑成像模块，被配置成根据所述各个目标脑部体素，生成脑成像结果
。2.
根据权利要求1所述的脑成像检测装置，其特征在于，所述线性参数变化模型部分的一般表达式为：
x(k+1)
＝
A(p(k))x(k)+B(p(k))u(k)y(k)
＝
C(p(k))x(k)+D(p(k))u(k)
其中，
k
表示所述初始脑活动信号序列中的各个信号所对应的离散时间，状态向量信号所对应的输入向量输出向量模型矩阵
A(p(k))
，
B(p(k))
，
C(p(k))
和
D(p(k))
是参数变化的矩阵，表示参数向量，
n、q、l
和
s
分别表示状态向量
、
输入向量
、
输出向量和参数向量的维度
。3.
根据权利要求2所述的脑成像检测装置，其特征在于，所述线性参数变化模型部分为具有仿射参数依赖性的模型，其中，所述线性参数变化模型部分是通过如下方式依赖于参数向量
p(k)
的模型：的模型：的模型：的模型：其中，
p
i
(k)
是参数向量
p(k)
的第
i
个元素，个元素，
4.
根据权利要求3所述的脑成像检测装置，其特征在于，所述自回归移动平均模型部分用于对由所述线性参数变化模型部分所确定的输入输出关系进行转换：
y(k)+a1(p(k))y(k
‑
1)+a2(p(k))y(k
‑
2)+
…
+a
n
(p(k))y(k
‑
n)
＝
b1(p(k))u(k
‑
1)+b2(p(k))u(k
‑
2)+
…
+b
m
(p(k))u(k
‑
m)
，，<...

【专利技术属性】
技术研发人员：刘伟奇，马学升，陈金钢，赵友源，陈韵如，
申请(专利权)人：浙江学时医疗科技有限公司，
类型：发明
国别省市：