基于灰建模的EEG-fMRI融合方法

摘要

本发明提出了一种基于灰建模的EEG-fMRI的融合方法，其步骤包括：(1)对原始EEG进行降采样及溯源，以便于对EEG和fMRI数据在空域和时域进行配准；(2)对EEG和fMRI数据进行预处理；(3)对数据进行累加生成，为建立灰色模型做必要的准备；(4)利用GM(1，1)模型提取特征，求取相应的参数；(5)对EEG和fMRI的特征参数进行融合；(6)将融合后的特征反投影回观测域得到最终的结果。本发明通过灰建模方法可以有效地融合EEG和fMRI的特点，得到同时具有高的时间分辨率和高空间分辨率的图像。

主权项

基于灰建模的EEG‑fMRI融合方法，包括如下步骤：(1)对原始EEG进行降采样及溯源，对EEG和fMRI数据进行预处理，为融合做准备。EEG的预处理是指将EEG源的数值标准化；fMRI的预处理包含时间重排列及与sMRI的配准；(2)将原始数据进行累加生成，为下一步建立灰色模型做预处理；(3)利用灰色理论的GM(1，1)模型提取特征，求取相应的参数：发展系数a和灰作用量b$\frac{{\mathrm{dx}}^{\left(1\right)}}{\mathrm{dt}}+{\mathrm{ax}}^{\left(1\right)}=b---\left(1\right)$${\hat{x}}^{\left(1\right)}(k+1)=(x^{\left(1\right)}\left(1\right)-\frac{b}{a})e^{-\mathrm{ak}}+\frac{b}{a}---\left(2\right)$(4)分别将提取出来的EEG和fMRI特征进行融合；由于EEG和fMRI根据GM(1，1)提取出的特征进行融合，而非对原始图像进行融合，且经过溯源的EEG和fMRI数据量纲并不统一，无法利用常用的图像融合方法进行融合。本技术采用平均值的数学运算进行特征叠加。发展系数a反映了数据的发展趋势，灰作用量b反映了数据的变化关系。根据公式(1)和(2)可以看出，指数部分的解影响较大，为了减小解的震荡，故对发展系数a求均方根；b代表数据的整体偏离程度，故对灰作用量b求算术平均，从而获得融合结果的参数a和b：$a_{\mathrm{fusion}}=-\sqrt{\frac{{a_{\mathrm{EEG}}}^2+{a_{\mathrm{fMRI}}}^2}{2}}---\left(3\right)$$b_{\mathrm{fusion}}=\frac{b_{\mathrm{EEG}}+b_{\mathrm{fMRI}}}{2}---\left(4\right)$(5)将融合后的特征反投影回观测域以得到最终的融合结果。