-
题名基于线性映射场的fNIRS信号特征提取与分析
被引量：1
- 1
-
-
作者
姚宇轩
孙兆辉
高毓兵
吴奇
-
机构
上海交通大学电子信息与电气工程学院
上海交通大学机械与动力工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2023年第4期1401-1411,共11页
-
基金
国家自然科学基金(U1933125,62171274)
空军医学科研重大项目(2021KHYX11)
+1 种基金
国防创新特区项目(193-CXCY-A04-01-11-03)
上海市级科技重大专项(2021SHZDZX)。
-
文摘
大脑功能性激活的相关研究普遍存在特征提取依赖人工经验、深层次生理学信息难以挖掘两大问题。针对这两个问题,该文通过引入变分模态分解(VMD)技术,提出自适应VMD算法。该算法考虑了脑血氧信号在不同频段下的生理意义,降低了传统VMD对超参数选取的依赖。实验结果表明自适应VMD算法能够精确地提取出功能性近红外光谱(fNIRS)中富有生理学意义的有效模态分量,进而提升数据预处理效果。在此基础上,基于将时间序列映射成图像并使用深度卷积神经网络进行特征学习的思路,提出线性映射场(LMF)。基于LMF,该文以较低的运算量将fNIRS序列映射成2维图像,辅以深度卷积神经网络,实现了fNIRS生理信号深层次特征的提取。实验结果证明了所提出LMF的优势。最后,该文对提出方法的有效性进行了讨论与分析,说明了不同于循环神经网络仅能“顺序”地感知时间序列,卷积神经网络对时间序列的“跳跃”感知是其取得优异效果的关键。
-
关键词
脑功能性激活
功能性近红外光谱
特征提取
变分模态分解
生理信息
-
Keywords
Brain functional activation
Functional Near-InfraRed Spectroscopy(fNIRS)
Feature extraction
Variational Mode Decomposition(VMD)
Physiological information mining
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
