基于LSTM循环神经网络的fNIRS脑功能成像滤波方法

• 作者: 刘东远 张耀 刘洋 白璐 张鹏睿 高峰
• 来源期刊: 中国激光
• 学科: 工学
• 关键词: 医用光学 功能性近红外光谱 长短期记忆 循环神经网络 脑机接口
• 年，卷（期）: 2021,（19）
• 所属期刊栏目: 激光前沿应用|Laser Frontier Applications
• 页码范围: 306-315
• 页数: 10页
• 分类号: TN219
• 语种: 中文
• DOI: 10.3788/CJL202148.1918007

摘要

功能性近红外光谱(fNIRS)具有无创、非电离、适宜的时间/空间分辨率等优点,已逐渐成为传统脑功能成像技术(如核磁共振成像、脑电图等)的重要补充,越来越多地被应用于脑功能临床研究.然而,在实际应用中,生理干扰(心跳、呼吸和低频振荡等)和随机噪声(散弹噪声和环境噪声等)往往会给fNIRS脑功能成像带来明显的伪影,甚至"湮灭"真实的大脑兴奋信号.为解决这一问题,本文提出了一种基于长短期记忆(LSTM)循环神经网络的滤波模型,采用具有预测和分类功能的复合神经网络分别抑制生理干扰和随机噪声.本文基于fNIRS-扩散光学层析成像方案开展了数值模拟和在体实验,详细描述了网络设计、训练和滤波过程,并将结果与自适应滤波、多周期平均方法进行对比.结果 表明,所提LSTM模型可以有效抑制生理干扰和随机噪声,且无需重复测量即可实现较高的重建质量,为基于fNIRS的脑机接口应用提供了一种有效的技术手段.