正則化參數(shù)選擇與高速率刺激聽覺誘發(fā)腦電信號重建的研究.pdf

1、聽覺誘發(fā)電位(auditoryevokedpotential，AEP)是通過特定的聲音刺激聽覺器官后，從頭皮上記錄到的神經(jīng)系統(tǒng)在傳遞信息過程中的微弱電壓變化，反映聽神經(jīng)、聽覺通路及中樞神經(jīng)系統(tǒng)中的相關(guān)結(jié)構(gòu)在特定聲刺激下的狀態(tài)和反應(yīng)。若感興趣的AEP的時程大于刺激間隔(stimulus-interval，SI)，記錄的反應(yīng)會產(chǎn)生重疊而無法通過常規(guī)的平均疊加方法獲得暫態(tài)AEP，這種AEP稱為高刺激率AEP(HighstimulusrateA

2、EP,HSR-AEP)，其所包含的暫態(tài)AEP成分稱為高階AEP(High-orderAEP,HO-AEP)。研究表明，在高刺激率下聽神經(jīng)負荷加重有助于對聽覺系統(tǒng)進行適應(yīng)性評估以及一些聽覺系統(tǒng)疾病的機理研究和臨床診斷，有利于提高潛在聽神經(jīng)通路和腦部病變檢測的敏感性。此外，有報道稱全麻或睡眠狀態(tài)下的AEP，其潛伏期和幅值的變化與刺激率有關(guān)，睡眠狀態(tài)下，高刺激率AEP的特性也不盡相同，并且HO-AEP有利于麻醉深度監(jiān)測和睡眠狀態(tài)評估。神經(jīng)元在

3、低刺激率和高刺激率下的不同反應(yīng)，也將為研究聽覺神經(jīng)生理系統(tǒng)的適應(yīng)性提供重要手段。因此，對高刺激率AEP的研究具有十分重要的理論價值和應(yīng)用前景。
　　 從工程學(xué)看，HSR-AEP可以看成是由刺激序列和瞬態(tài)AEP的卷積效應(yīng)所導(dǎo)致。早期為解決去卷積問題，采用一種被稱為最大長序列的刺激方法，因其刺激間隔不等而被稱為刺激間隔抖動(SI-jitter)，其特殊的自相關(guān)特性能有效的解決去卷積問題。近年來，基于SI-jitter刺激范例又提出一

4、些更加靈活的刺激方式。此外，采用記錄間抖動(session-jitter)的刺激方式在40Hz穩(wěn)態(tài)腦磁反應(yīng)研究中有所觸及，但是由于缺乏對該模型性質(zhì)的數(shù)學(xué)分析，在觀察信號存在干擾情況下，去卷積計算如何保證信號恢復(fù)性能的問題沒有得到解決。該技術(shù)在實際應(yīng)用過程中需要求合成變換矩陣的逆以重建出暫態(tài)AEP成分，然而，往往由于合成變換矩陣的逆不存在而出現(xiàn)病態(tài)問題。因此針對病態(tài)條件下如何獲高質(zhì)量的暫態(tài)AEP是本文研究的重點，本文的主要研究工作包括:<

5、br>　　 1、運用經(jīng)典的Tikhonov正則化技術(shù)與L-curve參數(shù)選擇相結(jié)合來解決高速率刺激聽覺誘發(fā)腦電信號重建的病態(tài)逆問題，并且探討在暫態(tài)的聽覺誘發(fā)電位(AEP)重建問題中，當(dāng)一些L-曲線中出現(xiàn)多個拐點，給正則化參數(shù)的確立帶來困難時，如何確立最優(yōu)的正則化參數(shù)的問題。Tikhonov是一種廣泛應(yīng)用的經(jīng)典正則化技術(shù)，該方法的主旨是用穩(wěn)定函數(shù)項擴展最小化目標(biāo)函數(shù)，然而正則化參數(shù)作為保真項與約束項的權(quán)衡因子，對重建結(jié)果的優(yōu)劣有著直接的

6、影響，其中L-曲線發(fā)展比較成熟，能基于自己的理論得到合理的參數(shù)并結(jié)合正則化技術(shù)解決天文學(xué)、氣象學(xué)等領(lǐng)域內(nèi)出現(xiàn)的病態(tài)逆問題。
　　 本文把高刺激率下AEP去卷積問題轉(zhuǎn)化為一個線性系統(tǒng)逆問題來處理。重建的結(jié)果表明，L-curve方法在大多數(shù)情況下，能較好的估計正則化參數(shù)，但是也存在欠估計的情況。對于這些情況，重新正確選擇正則化參數(shù)，再重建的暫態(tài)AEP與常規(guī)AEP的相關(guān)系數(shù)分別提高了0.14和0.21，相對誤差分別下降了0.30和3.

7、25，從而實現(xiàn)暫態(tài)AEP信號較好重建。正則化參數(shù)控制著目標(biāo)函數(shù)中正則化的程度，對暫態(tài)AEP的重建性能影響很大，對于存在復(fù)雜曲率結(jié)構(gòu)的L-曲線，根據(jù)AEP自身范數(shù)的取值范圍能夠方便地確定出合理的正則化參數(shù)，從而改善了AEP重建性能。
　　 2、探討不同參數(shù)選擇方法對高階ABR(AuditoryBrainstemResponse)信號重建的影響。正則化參數(shù)的選擇直接影響著暫態(tài)AEP的重建性能。L-curve，廣義交叉驗證(gener

8、alcrossvalidation，GCV)方法是目前比較成熟和廣泛使用的參數(shù)選擇方法，它們都能基于自己的理論得到合理的參數(shù)，但是對于具體問題而言，兩種方法得到的結(jié)果有時會有很大的差別，不存在適用于任何問題的正則化參數(shù)選擇方法。
　　 本文采用兩種不同的速率組合方式，定義為組合一和組合二。通過計算重建ABR和常規(guī)ABR之間的相關(guān)系數(shù)和相對誤差，我們比較兩種正則化參數(shù)選擇方法對重建結(jié)果的影響。相對于L-curve，GCV方法得到的