为了正常的体验网站,请在浏览器设置里面开启Javascript功能!

脑干听觉诱发电位的非线性动态提取

2017-10-10 11页 doc 29KB 31阅读

用户头像

is_196623

暂无简介

举报
脑干听觉诱发电位的非线性动态提取脑干听觉诱发电位的非线性动态提取 脑干听觉诱发电位的非线性动态提取 24卷6期 2005年12月 中国生物医学工程 ChineseJournalofBiomedicalEnger吨 Vo1.24No.6 Deeember2005 脑干听觉诱发电位的非线性动态提取 耿新玲田心 (天津医科大学生物医学工程系,天津300070) 摘要:临床上常用的平均脑干听觉诱发电位 (BrainstemAuditoryEvokedPotential,BAEP)无法描述脑干功能的动态 特性,从背景噪声中单次或少次动态提取的BAE...
脑干听觉诱发电位的非线性动态提取
脑干听觉诱发电位的非线性动态提取 脑干听觉诱发电位的非线性动态提取 24卷6期 2005年12月 中国生物医学 ChineseJournalofBiomedicalEnger吨 Vo1.24No.6 Deeember2005 脑干听觉诱发电位的非线性动态提取 耿新玲田心 (天津医科大学生物医学工程系,天津300070) 摘要:临床上常用的平均脑干听觉诱发电位 (BrainstemAuditoryEvokedPotential,BAEP)无法描述脑干功能的动态 特性,从背景噪声中单次或少次动态提取的BAEP才是反映脑干功能的理想信号.径向基函数神经网络(Radial BasisFunctionNeuralNetwork,RBFNN)已被用于BAEP的非线性动态提取,但是对于"淹没"在噪声中的信噪比很小的 BAEP提取效果不好.本研究用移动窗口平均(MovingWindowAverage,MWA)先对含噪声的BAEP进行动态少次平 均提高信噪比,然后再用RBFNN进行BAEP的非线性提取,在保留了绝大部分BAEP动态信息的前提下改善了 RBFNN的提取性能.为了验证方法的可行性,构建了信噪比为一2.SdB的仿真BAEP-噪声序列,经MWA和RBFNN 动态提取后相对均方误差约为19%,比仅用RBFNN时误差降低了6%左右.将上述方法用于实际测取的BAEP,可 以得到每个子波形和平均BAEP波形波幅趋势大体相同的动态序列,这个BAEP动态序列为应用非线性动力学研 究脑干功能动态特性打下了基础. 关键词:脑干听觉诱发电位;动态提取;移动窗口平均;径向基函数神经网络 NonlinearDynamicExtractionofBrainstem AuditoryEvokedPotential GengXin—LingTianXin (DepartmentofBiomedicalEn~neerlng,TianjinMedicalUniversity,Tianjin300070) Abstract:T11ecommon?usedaveragedbrainstemauditoryevokedpotential(BAEP)cannotdescribethedy'namic characteristicsofbrainstem,whilesingle— trialBAEPextractedfrombackgroundnoiseswouldbetheidealsigna1. Radialbasisfunctionneuralnetwork(RBFNN)hasbeenusedtoextractBAEPnonlineadyanddynamically. However,itsextractionperformanceistypicallypoorfortheBAEP,whichisemergedinthenoisesandhasaverylow signal?to— noiseratio(SNR).Inthispaper,movingwindowaveraging(MWA)isemployedasapreprocessingmethod toraisetheSNRinadvance.andthenRBFNNisusedinthedynamicextractionofBAEP.Theperformanceof RBFNNiSimprovedandmostusefuldynamicinformationofBAEPiSalsomaintained.SimulatedBAEp-noiseseries withanSNRsetto.25dBiSconstructedtoevaluatetheefficiencyandfeasibilityofthiscombinedmethod.The relativemeansquareeiTorbetweentheextractedBAEPandtheoriginalsimulatedBAEPiS19%,decreased6%than onlyusingRBFINN.WhenweusetheMWAandRBFNNtoextracttherealBAEPreCOrdedfromapatientwith brainstemfunctionaldisorder.asimilarwaveformtendencywiththe300?trialaveragedBAEPisobtained.I11is drrnamicBAEPseriesisafoundationtothenonlineardynamicanalysisofbrainstem'Sfunction. Keywords:brainstemauditoryevokedpotential;dynamicextraction;movingwindowavera ge;radialbasisfunction neuralnetwork 中图分类号11318.08文献标识码A文章编号0258—8021(2005)06—0681—04 收稿日期:2004—06.29,修回日期:2005—11-15. 基金项目:国家自然科学基金资助项目(60174041);天津市应用基础研究基金资助项目(043800311). *通讯作者:E—mail:tianx@tijmu.edu.(211. 中国生物医学工程24卷 引言 听觉系统受到一定强度的声音刺激后,在约 lOms内产生的从听神经到脑干的一系列电位变化 被称为脑干听觉诱发电位(BrainstemAuditoryEvoked Potential,BAEP).BAEP在神经病学中有着广泛的 应用,尤其是它能反应脑干功能的动态特性".脑 于是"生命中枢",但又是"禁区",应用传统神经科学 的手段无法触及脑干,因此无创测取的BAEP是客 观反映脑干功能的有效信息. BAEP在测取时"淹没"在自发脑电,肌电等背 景噪声中,信噪比很小,在一20dB,一25dB甚至更 低.目前临床上常用叠加平均法来提高信噪比,通 过成百上千次的叠加平均得到一个BAEP的平均波 形.但是由于每个单次BAEP的潜伏期,波幅和波 形都是不同的,这些动态差异对反映脑干功能又有 着很重要的意义,经叠加平均后得到的BAEP丢失 了大量有用的动态信息,无法用于对脑干功能动态 特性的研究.为了克服BAEP平均波形不能用于脑 干动态特性分析的弊病,文献[2]曾利用经过带通滤 波后的脑干听觉诱发响应(FilteringBrainstem AuditoryEvokedPotential,FBAER)来研究脑干动态功 能状态,FBAER中虽然保留了大部分的BAEP的信 息,但是仍然混有很多噪声,而且滤波也不可避免地 滤掉了BAEP中部分有用的信息,因此从背景噪声 中单次(少次)动态提取的BAEP才是反映脑干动态 功能的理想信号J. 由于BAEP和其他诱发电位都是源于非线性的 神经系统,采用非线性的方法对诱发电位进行提取 是理想的方法,因此近年来诱发电位的非线性动态 提取成为研究的关注点.BAEP是诱发电位中信 噪比很小的典型,Fung等人用非线性的径向基函数 神经网络(RadialBasisFunctionNeuralNetwork, RBFNN)对BAEP进行动态提取,Qiu等对该方法 又进行了比较和改进.但是他们的研究结果表 明:RBFNN对BAEP的提取性能与信号的信噪比有 关,对信噪比小的BAEP提取效果不令人满意. 由于实际测取的?昆有噪声的BAEP信噪比很 低,为了能用RBFNN进行动态提取以获得能描述脑 干动态功能特性的动态BAEP,本研究思路是先应用 移动窗口平均(MovingWindowAverage,MWA)对 BAEP序列通过动态少次平均进行去噪预处理,再 应用RBFNN对保留了大部分动态信息,又提高了信 噪比的信号进行非线性动态提取,改善了RBFNN的 性能,获得了反映脑干动态功能的动态BAEP序列. 1应用MWA和RBFNN非线性动态 提取BAEP 1.1移动窗口平均(MWA)方法 移动窗口平均(MWA)方法的核心是动态平均.使 参与平均的时间窗口在时域动态移动,这样既保留 了原BAEP序列中的大部分动态信息,又提高了信 噪比,使经过MWA的信号适用于RBFNN.MWA方 法简述如下: 设信号一噪声序列由?个长度为点的子序列 l,2,…,,…, 构成,其中Xl={1,…,f, … ,}为第一个子序列(_『=1),依次类推_『=2,3, … ,?,{}为第?个子序列.m为参与平均的子 序列个数(m《?). 对第一个窗口中的第1,m个子序列进行平 均,得到一个经m次平均的MWA子序列,记为: 1 W1=(1+2+…+X)(1) 设窗口的移动步长为r,即向前移动r个子序列对 第(1+z-)到(m+z-)之间的m个子序列进行平均, 得到移动1步后的第2个子序列: 1 W2=(+r.2+…+X…)(2) 依次类推,对第k次平均得到的序列记为 1 Wk=((一1)+1+(一1)r+2+…+(一1)r+m) (3) 逐次以r为步长进行移动平均直到序列终止. 1.2自适应径向基函数神经网络(RBFNN)方法 径向基函数神经网络(RBFNN)是一种局部逼近 的人工神经网络,与多层感知器等全局逼近网络相 比,其收敛速度较快,适合进行非线性逼近.但是 为了保证RBFNN的有效性,对输人信号的信噪比有 一 定要求.本研究对经过MWA动态平均后,信噪 比已提高的信号用RBFNN进行动态提取. RBFNN结构共有三层:输人层由信号源节点组 成;第二层为隐含层,其中的节点个数由问题需要而 定;第三层为输出层.从输入层到隐含层的映射关 系是非线性的,而从隐含层到输出层的映射关系则 是线性的.RBFNN的网络结构如图1所示. 以径向基函数选用高斯函数为例,在第_『个节 点上的径向基函数. ()可以表示为: ()=exp(一ll一cill/a;),_『=1,2,…, (4) 6期耿新玲等:脑干听觉诱发电位的非线性动态提取 )! ,,,\,2? 0) 0)——{-! 图1RBFNN结构示意图 其中是隐含层的节点个数;q是第个基函数的 中心;是第个基函数围绕中心点的宽度;ll一 c,ll是向量—cJ的范数,通常表示和c之间的 距离.RBFNN的输出,,是隐含层节点的线性加 权和: Y=(),:1,2,…,R(5) 其中加为隐含层到输出层的权重. 应用经过MWA预处理后提高了信噪比后的 BAEP-噪声序列作为自适应滤波器的主输入端信 号,自适应滤波器的参考输入端是RBFNN的输出信 号,误差信号表示为两者之差,采用最小均方误差 (LeastMeanSquare,LMS)算法调节RBFNN隐含层到 输出层的权重加,因为噪声与BAEP不相关且噪声 的均方与权重加的调节无关,则算法收敛后 RBFNN的输出Y逼近主输入端信号中的BAEP 成分. RBFNN和MWA综合应用,弥补了RBFNN对信 号信噪比要求的局限性,可以从信噪比为一25dB的 BAEP.噪声序列中动态提取出BAEP. 2BAEP动态提取的仿真 设计了仿真实验来验证方法的有效性. 首先仿真混有噪声的BAEP.考虑到BAEP潜 使单次BAEP仿真信号的初始相 伏期的变化因素, 位在?1%总时程(10ms)内随机分布,对应实际测取 的BAEP的绝对潜伏期变化在0.2ms内.在上述仿 真的BAEP上叠加高斯分布的自噪声,信噪比按实 际情况设为一25dB,得到BAEP.噪声仿真序列.再 用MWA和RBFNN方法对该序列中的BAEP进行仿 真非线性动态提取. MWA的平均窗口长度m取10,移动步长r: 1,RBFNN的各参数选取同文献[6].图2是仿真的 BAEP-噪声序列.图3是动态提取的结果,从中可 见提取出的BAEP和原来的仿真BAEP信号很接近. 动态提取出的信号和原BAEP之间的相对均方误差 (RelativeMeanSquareError,RMSE)的均值约为 19% 馨 魁 骧 时间/ms 图2具有随机初始相位的仿真BAEP- 噪声序列,信噪比为一25dB 一 原仿真BAEP--BAEP.噪声序列 图3经MWA和RBFNN动态提取的信号 和原仿真BAEP对比 一 原仿真BAEP一经MWA和RBFNN动态提取的信号 为了说明本研究中采用的MWA的效能,图4 所示是仅用RBFNN方法对同一仿真BAEP.噪声序 列进行BAEP动态提取的结果.此时RMSE的均值 约为25.2%,可见应用了MWA以后,提取误差降低 对于应用MWA在其它信噪比情况下 6%以上. 的提取作用,将在讨论中说明. > 5 \ . 一 5 氏M 时问/ms 图4仅用RBFNN动态提取的信号 和原仿真BAEP对比 一 原仿真BAEP一仅用RBFNN动态提取的信号 3实际测试的BAEP的动态提取 对多例脑干功能障碍的患者及正常对照组进行 了无创采集BAEP.关于动态采集的BAEP的非线 性动力学分析结果,将在另文中给出.在本研究中 以1例说明用MWA和RBFNN方法综合提取实际 BAEP的结果.图5是实际采集的含有噪声(信噪比 约为一25dB)的BAEP序列.用上述方法对BAEP进 行动态提取,图6是动态提取出的BAEP,与经300 次叠加平均后的BAEP波形进行比较,可以看出两 者的波幅,波形趋势都基本一致. 4结论 本研究提出并实施应用了MWA方法作为动态 预处理方法,将BAEP.噪声序列的信噪比从一25dB 中国生物医学工程24卷 主.幽 一L』—』—土—上——————————L———— 图5实际采集的含噪声的BAEP 垂.拌—_古—蠡__——————————— 图6经MWA预处理后,用RBFNN动态提取出的BAEP 一 30o次叠加平均后的BAEP一动态提取出的BAEP 提高到约一14.7dB,再用非线性的RBFNN方法对降 噪后的序列中的BAEP进行动态提取.为了验证方 法的可行性和有效性,构建了具有随机初始相位的, 信噪比为一25dB的BAEP.噪声序列,进行了仿真提 取.采用了MWA以后,提取出的BAEP与原仿真 BAEP之间的相对均方误差(RMSE)的均值由仅用 RBFNN时的25.2%降低到19%,因此采用MWA方 法既保留了BAEP的大部分动态信息,又改善了 RBFNN的提取性能. 用本研究方法动态提取实际采集的BAEP,提取 结果和平均的BAEP波形趋势相同,所获得的动态 BAEP序列为分析脑干功能动态特性的非线性动力 学研究打下了基础. 5讨论 本研究综合应用MWA和RBFNN方法在信噪 比很小(例如对实际BAEP信噪比为一25dB)的情况 下进行BAEP的动态提取,MWA动态平均提高了原 信号的信噪比,使RBFNN方法适用于BAEP的动态 提取. 为了进一步研究MWA的作用,研究了在初始 信噪比较大(如设为一10dB)的情况下,用本研究所 述的方法提取BAEP.噪声仿真序列中的BAEP.用 MWA和RBFNN方法,RMSE约为2.1%,如果直接 用RBFNN进行动态提取,RMSE约为2.5%.由此 可见,在信噪比较高的情况下,RBFNN的性能很好, 此时就没有必要再用MWA做预处理. 另一方面,对于信噪比更低于一25dB(如设为 一 30dB)的情况,用MWA结合RBFNN的方法最终提 取的信号与原仿真BAEP相比,相对均方误差RMSE 约为56%,虽然与不用MWA只用RBFNN时的误差 77%相比,已经降低了21%,但此时所提取出的 BAEP动态序列中仍包含了大量的噪声,还需要寻 求其它的方法来进一步去除噪声. 参考文献 [1]潘映辐.临床诱发电位学[M].第二版.北京:人民卫生出 版社,2000. [2]田心,陶华英,宋毅军,等.婴儿痉挛症脑干信息传导障碍的 混沌学研究[J].生物物理,2001,17(1):91—97. [3]NishidaS,NakamuraM,SuwazonoS,el0j.Aut0啪cdetection methodofP300waveforminthesinglesweeprecordsbyusing neuralnetwork[J].MedEngPlays,1994,16:425—429. [4]ZoufidakisG,Jansen,BH,BoutrosNN.Afuzzyelusteri"g approachtoEPestimation[J].IEEETransBiomedEng.1997,44 (8):673—680. 15JEffernA,LehnertzK,GrunwaldT,ela1.Nonlineardenoisingof transientsignalswithapplicationtoevent-relatedpotentials[J]. PhysicaD,2000,140:257—266. 16JFungKSM,ChartFHY,LamFK,ela1.Atracingevokedpotential estimatorlJ].MedBiolEngComput,1999,37(2):218—227. 17JQiuW,FungKSM,ChanFHY,ela1.Adaptiveflitengofevoked potentialswithradial-basis-functionneuralnetworkprefilter[J]. IEEETransBiomedEng,2002,49(3):225—232. 18JGhoshJ,NagA.Anoverviewofradialbasisfunctionnetworks lAJ.In:HowlettRJandJainLCeds:RadialBasisFuncti0n NeuralNetworkTheoryandApplications[C],Physica.ved职, 2()0n
/
本文档为【脑干听觉诱发电位的非线性动态提取】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。 本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。 网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。

历史搜索

    清空历史搜索